SISTEM PRESENSI PEGAWAI BERBASIS VISI KOMPUTER


Kuddus, Muhammad Kahfi Fajri (2021) SISTEM PRESENSI PEGAWAI BERBASIS VISI KOMPUTER. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of cover]
Preview
Image (cover)
D42114313_skripsi_19-10-2021 cover1.png

Download (82kB) | Preview
[thumbnail of bab 1-2] Text (bab 1-2)
D42114313_skripsi_19-10-2021 1-2.pdf

Download (908kB)
[thumbnail of daftar pustaka] Text (daftar pustaka)
D42114313_skripsi_19-10-2021 dp.pdf

Download (4MB)
[thumbnail of full text] Text (full text)
D42114313_skripsi_19-10-2021.pdf

Download (6MB)

Abstract (Abstrak)

Penelitian tentang presensi pegawai ada beberapa macam cabang yang meliputi semua karakteristik biometrik manusia seperti wajah, iris, sidik jari, pembuluh darah jari, bibir, suara, dan masing-masing dari karakteristik memiliki kelebihan dan kekurangan masing-masing. Khususnya untuk wajah dimana wilayah biometrik ini dapat melakukan identifikasi massal yang biasanya tidak dapat dilakukan oleh karakteristik biometrik lain.. Attendance Management System (AMS) automatis ini berdasarkan teknik pendeteksian dan pengenalan wajah. Kamera dengan resolusi tinggi diletakkan di atas papan tulis menghadap siswa untuk mengambil gambar, Gambar yang diterima akan ditransmisi ke server dan akan disimpan dan diproses secara real time Dari penelitian di atas, pendeteksian wajah di lakukan dengan kondisi ruangan tertentu dan juga karyawan ditetapkan harus berada di dalam kamera untuk menandakan dia hadir dan juga sistem ini hanya mendeteksi kehadiran. Oleh karena itu pada penelitian ini akan dibuat sebuah sistem yang hanya mendeteksi wajah karyawan pada saat kedatangan dan kepulangan. Metode yang diterapkan dalam penelitian ini adalah studi literature terkait, identifikasi kebutuhan penelitian, pengambilan data citra/wajah pegawai, praproses data, implementasi algoritma visi computer dalam data video, pengujian ketepatan deteksi wajah dan rekognisi wajah , analisis akurasi rekognisi wajah. Hasil dari penelitian menyeluruh ini dapat dikatakan bahwa sistem berjalan dengan yang di inginkan dan sesuai dengan yang dirancangkan. Tingkat akurasi dari pengenalan wajah dalam system ini sebesar 96.36%

Item Type: Thesis (Skripsi)
Subjects: T Technology > T Technology (General)
Divisions (Program Studi): Fakultas Teknik > Teknik Informatika
Depositing User: Nasyir Nompo
Date Deposited: 26 Nov 2021 06:02
Last Modified: 26 Nov 2021 06:02
URI: http://repository.unhas.ac.id:443/id/eprint/11341

Actions (login required)

View Item
View Item