Sistem Deteksi Wajah Untuk Pencatatan Kehadiran Mahasiswa Di Kelas Menggunakan Metode Convolutional Neural Network
| Main Authors: | Zahrah, Syifa, Azhar, Azhar, Abdi, Musta’inul |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | ind |
| Terbitan: |
Politeknik Negeri Lhokseumawe
, 2022
|
| Online Access: |
http://e-jurnal.pnl.ac.id/JAISE/article/view/3873 http://e-jurnal.pnl.ac.id/JAISE/article/view/3873/3033 |
| ctrlnum |
article-3873 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="id-ID">Sistem Deteksi Wajah Untuk Pencatatan Kehadiran Mahasiswa Di Kelas Menggunakan Metode Convolutional Neural Network</title><creator>Zahrah, Syifa</creator><creator>Azhar, Azhar</creator><creator>Abdi, Musta’inul</creator><description lang="id-ID">Kehadiran mahasiswa dalam suatu pembelajaran di kelas seringkali menjadi syarat wajib dalam dunia pendidikan, dan menjadi tolak ukur dalam menilai mahasiswa. Terkadang masih dijumpai praktik curang oleh mahasiswa dalam absensi agar mencapai kehadiran minimal. Dari sisi administrasi, absensi berbasis kertas berpotensi pemborosan dan juga memperpanjang tahapan administrasi karena membutuhkan rekapitulasi manual. Metode yang digunakan dalam penelitian ini adalah pendekatan Deep Learning dengan arsitektur CNN untuk mengenali wajah. Selain gambar wajah, sistem juga akan memvalidasi absensi dengan kesesuaian lokasi dan waktu. Kehadiran mahasiswa dalam proses pembelajaran sangat diperlukan untuk mengetahui jumlah mahasiswa. Penelitian ini dilakukan untuk membuat sebuah sistem pendeteksian wajah dalam mengenali mahasiswa di dalam kelas, kemudian menangkap dan mendeteksi seluruh wajah mahasiswa secara akurat serta melakukan pengujian terhadap sistem, dimana hal ini dilakukan untuk mengetahui sejauh mana sistem dapat bekerja, dalam penerapannya penelitian ini menggunakan algoritma Convolutional Neural Network sebagai metode DeepLearning yang dapat digunakan untuk mengenali dan mengklasifikasi sebuah objek. Sistem ini berhasil mendeteksi 8 dari 10 wajah mahasiswa dan memiliki presentase keakuratan sebesar 80%, dengan jumlah data 300 uji gambar wajah.</description><publisher lang="id-ID">Politeknik Negeri Lhokseumawe</publisher><contributor lang="id-ID"/><date>2022-05-30</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Journal:Article</type><type>File:application/pdf</type><identifier>http://e-jurnal.pnl.ac.id/JAISE/article/view/3873</identifier><identifier>10.30811/jaise.v2i1.3873</identifier><source lang="en-US">Journal of Artificial Intelligence and Software Engineering; Vol 2, No 1 (2022); 24-28</source><source lang="id-ID">Journal of Artificial Intelligence and Software Engineering; Vol 2, No 1 (2022); 24-28</source><source>2777-001X</source><source>2797-054X</source><source>10.30811/jaise.v2i1</source><language>ind</language><relation>http://e-jurnal.pnl.ac.id/JAISE/article/view/3873/3033</relation><rights lang="id-ID">##submission.copyrightStatement##</rights><recordID>article-3873</recordID></dc>
|
| language |
ind |
| format |
Journal:Article Journal Other:info:eu-repo/semantics/publishedVersion Other File:application/pdf File Journal:Journal |
| author |
Zahrah, Syifa Azhar, Azhar Abdi, Musta’inul |
| title |
Sistem Deteksi Wajah Untuk Pencatatan Kehadiran Mahasiswa Di Kelas Menggunakan Metode Convolutional Neural Network |
| publisher |
Politeknik Negeri Lhokseumawe |
| publishDate |
2022 |
| url |
http://e-jurnal.pnl.ac.id/JAISE/article/view/3873 http://e-jurnal.pnl.ac.id/JAISE/article/view/3873/3033 |
| contents |
Kehadiran mahasiswa dalam suatu pembelajaran di kelas seringkali menjadi syarat wajib dalam dunia pendidikan, dan menjadi tolak ukur dalam menilai mahasiswa. Terkadang masih dijumpai praktik curang oleh mahasiswa dalam absensi agar mencapai kehadiran minimal. Dari sisi administrasi, absensi berbasis kertas berpotensi pemborosan dan juga memperpanjang tahapan administrasi karena membutuhkan rekapitulasi manual. Metode yang digunakan dalam penelitian ini adalah pendekatan Deep Learning dengan arsitektur CNN untuk mengenali wajah. Selain gambar wajah, sistem juga akan memvalidasi absensi dengan kesesuaian lokasi dan waktu. Kehadiran mahasiswa dalam proses pembelajaran sangat diperlukan untuk mengetahui jumlah mahasiswa. Penelitian ini dilakukan untuk membuat sebuah sistem pendeteksian wajah dalam mengenali mahasiswa di dalam kelas, kemudian menangkap dan mendeteksi seluruh wajah mahasiswa secara akurat serta melakukan pengujian terhadap sistem, dimana hal ini dilakukan untuk mengetahui sejauh mana sistem dapat bekerja, dalam penerapannya penelitian ini menggunakan algoritma Convolutional Neural Network sebagai metode DeepLearning yang dapat digunakan untuk mengenali dan mengklasifikasi sebuah objek. Sistem ini berhasil mendeteksi 8 dari 10 wajah mahasiswa dan memiliki presentase keakuratan sebesar 80%, dengan jumlah data 300 uji gambar wajah. |
| id |
IOS19478.article-3873 |
| institution |
Politeknik Negeri Lhokseumawe |
| institution_id |
2014 |
| institution_type |
library:university library |
| library |
Perpustakaan Politeknik Negeri Lhokseumawe |
| library_id |
1629 |
| collection |
Journal of Artificial Intelligence and Software Engineering (J-AISE) |
| repository_id |
19478 |
| subject_area |
SOFTWARE - NETWORK ARTIFICIAL INTELLIGENCE ROBOTICS ALGORITHMS |
| city |
KOTA LHOKSEUMAWE |
| province |
ACEH |
| repoId |
IOS19478 |
| first_indexed |
2024-06-07T06:45:00Z |
| last_indexed |
2024-06-13T04:34:50Z |
| recordtype |
dc |
| _version_ |
1801719508423933952 |
| score |
9.9049015 |