Soeparman, Wilson (2025) PERANCANGAN SISTEM ABSENSI KARYAWAN SECARA REAL TIME BERBASIS PENGENALAN WAJAH MENGGUNAKAN METODE DEEP METRIC LEARNING. Skripsi thesis, Universitas Hasanuddin.
![[thumbnail of D041201037_skripsi_17-10-2024 bab 1-2.pdf]](/style/images/fileicons/text.png)
D041201037_skripsi_17-10-2024 bab 1-2.pdf
Download (1MB)
![[thumbnail of D041201037_skripsi_17-10-2024 cover1.jpg]](/44767/2.hassmallThumbnailVersion/D041201037_skripsi_17-10-2024%20cover1.jpg)

D041201037_skripsi_17-10-2024 cover1.jpg
Download (245kB) | Preview
![[thumbnail of D041201037_skripsi_17-10-2024 dp.pdf]](/style/images/fileicons/text.png)
D041201037_skripsi_17-10-2024 dp.pdf
Download (4MB)
![[thumbnail of D041201037_skripsi_17-10-2024.pdf]](/style/images/fileicons/text.png)
D041201037_skripsi_17-10-2024.pdf
Restricted to Repository staff only until 4 March 2027.
Download (6MB)
Abstract (Abstrak)
Salah satu cara untuk mengukur kinerja seorang pekerja di perusahaan adalah dengan melihat tingkat kehadirannya. Untuk dapat memantau adanya aktivitas kehadiran karyawan, maka diperlukan sebuah sistem absensi yang dapat mencatat absensi kehadiran karyawan. Penggunaan wajah dalam sistem presensi dipilih karena kemudahan dalam pengambilan citra, yang hanya memerlukan kamera. Dalam penelitian ini, sebanyak 10 orang akan berperan sebagai karyawan yang dikenali dan 15 orang sebagai orang yang tidak dikenali oleh sistem. Metode yang digunakan untuk pelatihan adalah Deep Metric Learning yang tingkat akurasinya mencapai 100%. Penelitian ini bertujuan untuk merancang sistem absensi karyawan secara real-time berbasis pengenalan wajah menggunakan metode Deep Metric Learning.Sistem absensi dirancang dengan diberikan data berupa gambar-gambar wajah dengan berbagai variasi pengambilan wajah dari 10 orang. Data-data ini akan dipelajari oleh sistem dengan metode Deep Metric Learning. Proses pengujian dilakukan dengan melakukan absensi secara langsung dengan jarak antara wajah dan kamera sejauh 40 cm dan kondisi pencahayaan ruangan cukup terang dan merata untuk aktivitas seharihari. Data hasil absensi akan langsung terkirim ke google spreadsheet sehingga kepala karyawan dapat memantau waktu absensi secara langsung. Hasil penelitian menunjukkan bahwa sistem dapat mengenali semua wajah karyawan dengan akurat. Rata-rata waktu yang diperlukan untuk melakukan absensi adalah sekitar 2 sampai 3 detik yang menandakan efisiensi yang tinggi.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
Divisions (Program Studi): | Fakultas Teknik > Teknik Elektro |
Depositing User: | Unnamed user with username pkl2 |
Date Deposited: | 15 May 2025 05:19 |
Last Modified: | 15 May 2025 05:19 |
URI: | http://repository.unhas.ac.id:443/id/eprint/44767 |