Aplikasi Absensi Mahasiswa Menggunakan Face Recognition dengan Metode Convolutional Neural Network Berbasis Android

Hutasoit, Francis Wildan (2023) Aplikasi Absensi Mahasiswa Menggunakan Face Recognition dengan Metode Convolutional Neural Network Berbasis Android. Other thesis, Universitas Katolik Santo Thomas.

[thumbnail of ABSTRAK DAN DAFTAR PUSTAKA] Text (ABSTRAK DAN DAFTAR PUSTAKA)
Abstrak dan Daftar Pustaka Francis Wildan Hutasoit.pdf - Published Version

Download (2MB)
[thumbnail of FULL TEXT] Text (FULL TEXT)
Full Text Francis Wildan Hutasoit.pdf - Published Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Penggunaan teknologi pengenalan wajah telah berkembang pesat di berbagai aspek kehidupan. Dalam dunia pendidikan, salah satu potensi penerapannya adalah pemanfaatannya dalam pengelolaan kehadiran mahasiswa. Skripsi ini bertujuan untuk membangun “Aplikasi Absensi Mahasiswa Menggunakan Face Recognition Dengan Metode Convolutional Neural Network Berbasis Android.”Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) yang efektif dalam deteksi dan pengenalan wajah. Aplikasi ini dirancang untuk perangkat Android untuk memfasilitasi kehadiran mahasiswa secara cepat dan efisien. Penelitian ini mencakup langkah-langkah pengembangan mulai dari pengumpulan dataset citra wajah mahasiswa dari tahap registrasi, pelatihan model CNN, hingga penerapannya pada aplikasi Android. Aplikasi ini memungkinkan mahasiswa melakukan absensi hanya dengan menggunakan kamera ponsel, yang kemudian akan mengolah gambar wajahnya dan membandingkannya dengan data yang ada. Hasil penelitian menunjukkan bahwa aplikasi ini dapat mengenali wajah mahasiswa dengan baik, dengan begitu status absensi dapat keluar. Diharapkan dengan adanya aplikasi ini dapat meningkatkan efisiensi pengelolaan kehadiran di lingkungan pendidikan

Item Type: Thesis (Other)
Uncontrolled Keywords: Convolutional Neural Network, aplikasi, kamera, absensi, android,face recognition.
Subjects: 000 Computer science, information , general works > 004 Computer science
000 Computer science, information , general works > 005 Computer programming, programs, data
Divisions: Fakultas Ilmu Komputer > S1-Teknik Informatika
Depositing User: Perpustakaan Unika Santo Thomas
Date Deposited: 22 Sep 2026 03:07
Last Modified: 22 Sep 2026 03:07
URI: https://eprints.ust.ac.id/id/eprint/1248

Actions (login required)

View Item
View Item