Sistem presensi mahasiswa berbasis face recognition menggunakan Yolov8n-Face terintegrasi dengan BLE (Bluetooth Low Energy)

Hakim, Helmi Firman (2026) Sistem presensi mahasiswa berbasis face recognition menggunakan Yolov8n-Face terintegrasi dengan BLE (Bluetooth Low Energy). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (152kB) | Preview
Preview	Text 2_abstrak.pdf Download (142kB) | Preview
Preview	Text 3_skbebasplagiarisme.pdf Download (869kB) | Preview
Preview	Text 4_daftarisi.pdf Download (241kB) | Preview
Preview	Text 5_bab1.pdf Download (385kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (804kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (221kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text 10_bab6.pdf Restricted to Registered users only Download (146kB) | Request a copy
	Text 11_daftarpustaka.pdf Restricted to Registered users only Download (124kB) | Request a copy
	Text 12_lampiran.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Penelitian ini membahas perancangan dan implementasi sistem presensi mahasiswa berbasis face recognition menggunakan YOLOv8n-face sebagai metode deteksi wajah, FaceNet sebagai metode ekstraksi fitur, serta cosine similarity untuk proses pencocokan embedding wajah dengan data pada database, yang diintegrasikan dengan Google Sheets dan Bluetooth Low Energy (BLE) HM-10 untuk notifikasi ke aplikasi Android berbasis MIT App Inventor. Sistem diuji pada variasi jarak, pencahayaan, ekspresi, dan media input, serta dievaluasi menggunakan confusion matrix yang menghasilkan nilai accuracy sebesar 94,00%, precision sebesar 95,83%, recall sebesar 92,00%, dan F1-score sebesar 93,88%, dengan kemampuan deteksi optimal hingga jarak 200 cm pada kondisi cahaya yang memadai. Hasil pengujian integrasi menunjukkan data presensi berhasil tercatat secara otomatis ke Google Sheets dan notifikasi terkirim ke aplikasi Android dengan delay rata-rata sekitar 1 detik. Selain itu, pengujian waktu presensi menunjukkan bahwa sistem membutuhkan waktu rata-rata 51,02 detik dibandingkan 65,41 detik pada metode konvensional, dengan selisih waktu sebesar 14,39 detik atau pengurangan waktu sekitar 22%. Hasil tersebut menunjukkan bahwa sistem yang dikembangkan memiliki waktu proses presensi yang lebih rendah dibandingkan metode konvensional pada kondisi pengujian yang dilakukan.

Actions (login required)

View Item