APLIKASI ABSENSI DENGAN PENGENALAN WAJAH MENGGUNAKAN METODE HISTOGRAM OF ORIENTED GRADIENTS DAN SUPPORT VECTOR MACHINE BERBASIS MOBILE DAN WEB

ZEN DHARMA and RIADY YOSLIM and RYAN OWEN THIONANDA (2020) APLIKASI ABSENSI DENGAN PENGENALAN WAJAH MENGGUNAKAN METODE HISTOGRAM OF ORIENTED GRADIENTS DAN SUPPORT VECTOR MACHINE BERBASIS MOBILE DAN WEB. Undergraduate (S-1) thesis, Universitas Mikroskil.

[thumbnail of BAGIAN AWAL.pdf] Text
BAGIAN AWAL.pdf

Download (12MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (2MB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (8MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (46MB)
[thumbnail of BAGIAN AKHIR.pdf] Text
BAGIAN AKHIR.pdf

Download (1MB)

Abstract

Laporan absensi digunakan perhitungan gaji seorang karyawan sehingga diwajibkan memiliki keakuratan tinggi dan tidak dapat dimanipulasi. Penerapan absensi menggunakan mesin pengenalan sidik jari kurang efektif pada perusahaan memiliki kantor cabang tersebar, sehingga perusahaan menggunakan aplikasi absensi online dengan ponsel pintar. Aplikasi ini mewajibkan setiap karyawan memiliki ponsel pintar tetapi, tidak semua karyawan memiliki ponsel pintar. Dalam upaya untuk menyelesaikan permasalahan diatas, dibangunlah Aplikasi Absensi dengan Pengenalan Wajah menggunakan Metode Histogram of Oriented Gradients dan Support Vector Machine berbasis Mobile dan Web dimana pengenalan wajah berdasarkan wajah karyawan yang dikenal sehingga karyawan dapat melakukan absensi melalui ponsel pintar karyawan lain. Aplikasi juga dapat membantu perusahaan membuat laporan absensi akurat, real-time, memiliki skalabilitas dan aksesibilitas baik. Dalam meningkatkan keakuratan dibantu beberapa algoritma menggunakan library yaitu Support Vector Machine dan Ensemble of Regression Trees. Dalam pengembangan aplikasi, metodologi pengembangan sistem yang digunakan metodologi Kanban. Pada tugas akhir ini, dilakukan pengujian black box menguji fitur aplikasi dan keakuratan dari sistem pengenalan wajah. Dari hasil pengujian dinyatakan mampu memenuhi kebutuhan perusahaan memiliki kantor cabang tersebar beberapa tempat. Tingkat kebenaran pengenalan wajah 81.25% dari total 32 citra wajah telah diuji, sehingga karyawan yang tidak memiliki ponsel pintar dapat melakukan absensi dengan ponsel pintar karyawan lain.

Item Type: Tugas Akhir / Tesis (Undergraduate (S-1))
Subjects: Teknik Informatika
Divisions: Fakultas Informatika > Program Studi S-1 Teknik Informatika
Depositing User: Adi Kurniawan
Date Deposited: 28 Jan 2023 04:04
Last Modified: 28 Jan 2023 04:04
URI: https://repository.mikroskil.ac.id/id/eprint/959

Actions (login required)

View Item
View Item