Implementasi Face Recognition pada sistem absesnsi berbasis Chatbot dengan algoritma Convolutional Neural Network

Lustiyana, Lustiyana (2023) Implementasi Face Recognition pada sistem absesnsi berbasis Chatbot dengan algoritma Convolutional Neural Network. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (79kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (50kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (111kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (165kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (629kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (829kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (DAFTAR PUSTAKA) 8_daftarpustaka.pdf Restricted to Registered users only Download (199kB) | Request a copy

Abstract

Proses absensi merupakan proses yang sangat penting dalam berbagai kegiatan, salah satunya pada kegiatan perkuliahan. Absensi akan berpengaru terhadap evaluasi kegiatan. Proses absensi dengan cara manual dapat memicu terjadinya kecurangan dan berbagai masalah lain. Sistem absensi saat ini sudah sangat beragam, seperti absensi online, penggunaan fingerprint, dan dengan pengenalan wajah. Penggunaan teknologi pengenalan wajah (face recognition) telah menjadi perhatian utama dalam pengembangan solusi absensi berbasis kecerdasan buatan. Penelitian ini bertujuan untuk mengimplementasikan teknologi pengenalan wajah pada sistem absensi yang terintegrasi dengan chatbot menggunakan algoritma Convolutional Neural Network (CNN). Metode CRISP-DM digunakan dalam tahapan pengembangan sistem ini, mulai dari pemahaman kebutuhan, pemrosesan data, pemodelan, evaluasi, hingga pengiriman chatbot ke platform Whatsapp yang merupakan tahap penyebaran pada penelitian ini. Hasil akhir dari penelitian ini adalah sebuah chatbot Whatsapp yang dibangun dengan menggunakan Node.js, Flask, dan Strapi yang mampu melakukan absensi berbasis pengenalan wajah dengan akurasi mencapai 94,89% dengan waktu deteksi menggunakan CPU selama 1,78 detik dengan kenaikan CPU sebesar 45,7% dan kenaikan RAM sebesar 0,1%. Penelitian ini menunjukkan bahwa penerapan teknologi pengenalan wajah dalam sistem absensi berbasis chatbot mampu meningkatkan efisiensi dan akurasi dalam proses absensi.

Actions (login required)

View Item