PERANCANGAN SISTEM ABSENSI BERBASIS FACIAL RECOGNITION MENGGUNAKAN ALGORITMA CNN DAN LIVENESS DETECTION (STUDI KASUS: BPR CENTRAL DANA MANDIRI)

Sari, Khatina (2022) PERANCANGAN SISTEM ABSENSI BERBASIS FACIAL RECOGNITION MENGGUNAKAN ALGORITMA CNN DAN LIVENESS DETECTION (STUDI KASUS: BPR CENTRAL DANA MANDIRI). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (403kB)
	Text BAB II.pdf Restricted to Registered users only Download (1MB)
	Text BAB III.pdf Restricted to Registered users only Download (365kB)
	Text BAB IV.pdf Restricted to Registered users only Download (982kB)
	Text BAB V.pdf Download (900kB)
	Text BAB VI.pdf Download (194kB)
	Text DAFTAR PUSTAKA.pdf Download (310kB)

Abstract

Pemanfaatan Facial Recognition berkembang pesat dalam berbagai bidang karena menawarkan kemudahan dalam penerapannya, untuk itu sistem ini juga dapat dimanfaatkan dalam proses pencatatan kehadiran di sebuah organisasi, terutama karena adanya perubahan kebutuhan semenjak pandemi terjadi yang menyebabkan keterbatasan interaksi antar individu dalam menjalankan aktivitasnya. Akan tetapi, dibutuhkan penambahan Liveness Detection sehingga manipulasi atau kecurangan sistem, seperti menggunakan foto untuk proses absensi, dapat dicegah. Pada penelitian ini, sistem absensi Facial Recognition dikembangkan dengan tujuan untuk meningkatkan efektivitas pencatatan kehadiran karyawan pada BPR Central Dana Mandiri. Selain itu, sistem absensi yang berteknologi touchless ini diharapkan mampu mengurangi risiko penularan virus antar karyawan di perusahaan tersebut. Sistem dirancang dengan algoritma Convolutional Neural Network untuk pendeteksian wajah dan perhitungan Eye Aspect Ratio (EAR) sebagai Liveness Detector. Berdasarkan hasil pengujian yang dilakukan, sistem dapat membedakan antara wajah yang terdaftar pada database dengan wajah asing dan hanya mencatat kehadiran karyawan setelah mengenali wajah karyawan tersebut serta mendeteksi kedipan matanya. Sedangkan dari hasil uji coba pengenalan wajah, didapatkan bahwa sistem dapat mengenali seluruh wajah yang berasal dari database sistem dengan tingkat akurasi sebesar 100%, sedangkan pengenalan wajah terhadap wajah-wajah random, yang didapatkan dari internet, memiliki tingkat akurasi sebesar 73,33%.

Actions (login required)

View Item