IMPLEMENTASI FACE RECOGNITION PADA ABSENSI MAHASISWA MENGGUNAKAN METODE HAAR CASCADE CLASSIFIER

KURNIA RISKAWATY, DIAH (2024) IMPLEMENTASI FACE RECOGNITION PADA ABSENSI MAHASISWA MENGGUNAKAN METODE HAAR CASCADE CLASSIFIER. Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	Text (Surat Persetujuan Unggah Karya Ilmiah) 1. Surat Persetujuan Unggah Karya Ilmiah.pdf Download (2MB)
	Text (Halaman Depan) 2. Halaman Depan.pdf Download (1MB)
	Text (BAB I) 3. BAB I.pdf Download (314kB)
	Text (BAB II) 4. BAB II.pdf Restricted to Repository staff only Download (530kB)
	Text (BAB III) 5. BAB III.pdf Restricted to Repository staff only Download (758kB)
	Text (BAB IV) 6. BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text (BAB V) 7. BAB V.pdf Restricted to Repository staff only Download (278kB)
	Text (DAFTAR PUSTAKA) 8. DAFTAR PUSTAKA.pdf Download (274kB)
	Text Skripsi Full Text.pdf Restricted to Repository staff only Download (3MB)

Abstract

Pelaksanaan aktivitas akademik dalam satu semester terdiri dari 16 kali pertemuan. Evaluasi ketepatan waktu baik dari dosen maupun mahasiswa sangat penting, terutama mengingat keaktifan mahasiswa merupakan salah satu komponen yang digunakan untuk penilaian akhir. Metode absensi manual, seperti absensi berbasis kertas, menimbulkan banyak masalah seperti, mahasiswa yang tidak mendengar saat namanya dipanggil, mahasiswa yang melakukan kecurangan dengan cara menitipkan absen pada temanya yang menghadiri perkuliahan saat itu dan juga terjadi kehilangan kertas absensi. Di Universitas Muhammadiyah Ponorogo, khususnya di Fakultas Teknik, keaktifan menyumbang 20% dari total nilai. Karena porsi keaktifan yang cukup besar ini, beberapa mahasiswa cenderung mempriotaskan absensi sebagai strategi utama dalam perkuliahan. Untuk mengatasi masalah ini, teknologi biometrik seperti pengenalan sidik jari dan wajah menjadi solusi yang layak. Penelitian ini berfokus pada implementasi sistem absensi pengenalan wajah menggunakan metode Haar Cascade Classifier. Sistem ini bertujuan untuk mengidentifikasi dan memverifikasi kehadiran mahasiswa dengan akurat melalui pendeteksian fitur wajah dari peng-captur-an langsung melalui video kamera. Penelitian ini mengembangkan prototipe menggunakan Python dan OpenCV, yang mana menunjukkan kemampuan sistem dalam mengenali wajah mahasiswa yang telah terdaftar secara efisien. Hasil penelitian menunjukkan bahwa sistem berhasil mendeteksi dan mengenali wajah mahasiswa dengan akurasi yang tinggi, yaitu dalam kondisi pencahayaan normal akurasi sistem berkisar antara 74,78% hingga 81,49%, dalam kondisi pencahayaan rendah akurasi sistem menurun menjadi antara 55,54% hingga 62,84%, dan dalam kondisi posisi wajah berbeda berkisar antara 56,00% hingga 64,16%. Rata-rata akurasi keseluruhan dari berbagai kondisi adalah 65,80%. Selain itu, waktu rata-rata yang dibutuhkan untuk mendeteksi wajah dalam berbagai kondisi adalah 50,28 detik. Hal ini menunjukkan bahwa sistem mampu meminimalkan kesalahan dalam mengenali wajah seseorang.

Item Type:	Thesis (Skripsi (S1))
Uncontrolled Keywords:	Haar Cascade Classifier, OpenCV, Pengenalan wajah, Sistem absensi, Teknologi biometrik.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Engineering
Depositing User:	ft . userft
Date Deposited:	04 Sep 2024 02:24
Last Modified:	04 Sep 2024 02:24
URI:	http://eprints.umpo.ac.id/id/eprint/14899

Actions (login required)

View Item