Jagadhita, Cokorda Gde Ashvin (2025) Implementasi Sistem Absensi Mahasiswa Berbasis Real-Time Face Recognition menggunakan Deep Learning pada Politeknik Negeri Bali. Undergraduate thesis, Politeknik Negeri Bali.

[thumbnail of Cover, Bab 1, Bab 5 dan Referensi] Text (Cover, Bab 1, Bab 5 dan Referensi)
RAMA_58302_2115354020_0020027603_0011049406_part.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (454kB)
[thumbnail of Full Text] Text (Full Text)
RAMA_58302_2115354020_full.pdf - Accepted Version
Restricted to Repository staff only

Download (3MB) | Request a copy
[thumbnail of iThenticate] Text (iThenticate)
RAMA_58302_2115354020_iThenticate.pdf - Accepted Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Penerapan teknologi pengenalan wajah berbasis deep learning telah menjadi pendekatan yang efektif dalam mengotomatisasi proses identifikasi individu, khususnya dalam sistem pencatatan kehadiran. Absensi manual yang selama ini diterapkan masih memiliki berbagai kelemahan, seperti potensi kecurangan, ketergantungan terhadap tanda tangan fisik, serta rendahnya efisiensi waktu. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem absensi mahasiswa secara real-time berbasis pengenalan wajah dengan memanfaatkan arsitektur EfficientNet-B1. Sistem dibangun menggunakan framework Laravel 10 sebagai antarmuka web yang terhubung dengan model Convolutional Neural Network (CNN) melalui layanan API berbasis Flask. Dataset yang digunakan terdiri dari 18 kelas mahasiswa, dengan total 1.252 citra yang telah diproses melalui augmentasi guna meningkatkan keragaman dan kemampuan generalisasi model. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 99% dengan waktu inferensi rata-rata sebesar 0,5 detik per citra, sehingga sistem dapat beroperasi secara efisien dan mendukung kebutuhan waktu nyata. Pengujian sistem dengan metode black box testing menunjukkan bahwa seluruh fungsionalitas berjalan sesuai dengan spesifikasi yang dirancang. Selain itu, sistem menyimpan data kehadiran secara otomatis ke dalam basis data relasional dan menyediakan antarmuka yang sederhana serta responsif untuk pengguna. Penelitian ini tidak hanya memberikan kontribusi dalam bentuk prototipe sistem absensi cerdas, tetapi juga menjadi dasar untuk pengembangan sistem kehadiran biometrik yang lebih luas di lingkungan institusi pendidikan.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Absensi Mahasiswa, Pengenalan Wajah, Deep Learning, Convolutional Neural Network, EfficientNet-B1.
Subjects: Ilmu Teknik > Teknik Elektro Dan Informatika > Teknologi Informasi
Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Perangkat Lunak
Divisions: Jurusan Teknologi Informasi > Prodi D4 Teknologi Rekayasa Perangkat Lunak > Skripsi
Depositing User: Cokorda Gde Ashvin Jagadhita
Date Deposited: 25 Aug 2025 02:57
Last Modified: 25 Aug 2025 02:57
URI: https://repository.pnb.ac.id/id/eprint/16837

Actions (login required)

View Item View Item