Mahendra, Bella Nideni (2023) SISTEM PRESENSI BERBASIS FACE RECOGNITION DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text (HALAMAN DEPAN)
1_195410142_HALAMAN_DEPAN.pdf - Published Version Download (883kB) |
|
Text
2_195410142_BAB_I.pdf - Published Version Download (124kB) |
|
Text
3_195410142_BAB_II.pdf - Published Version Download (495kB) |
|
Text
4_195410142_BAB_III.pdf - Published Version Restricted to Repository staff only Download (570kB) |
|
Text
5_195410142_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
Text
6_195410142_BAB_V.pdf - Published Version Download (107kB) |
|
Text
7_195410142_DAFTAR_PUSTAKA.pdf - Published Version Download (111kB) |
|
Text
8_195410142_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (336kB) |
|
Text
9_195410142_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (93kB) |
Abstract
Sistem presensi secara manual sering digunakan di lembaga pendidikan, termasuk sekolah. Namun, sistem manual ini memiliki beberapa masalah seperti manipulasi data kehadiran dan kehilangan buku presensi. Dalam perkembangan teknologi yang maju, telah dikembangkan sistem presensi mengguankan pengenalan wajah (Face Recognition), dimana kamera digunakan untuk mengambil gambar wajah yang kemudian dibandingkan dengan data foto wajah siswa. Identitas siswa seperti NIS, Nama, Kelas dan kehadiran akan direkam dan disimpan. Penelitian ini menggunakan metode Histogram of Orientend Gradients (HOG) untuk ekstraksi ciri dan metode Support Vector Machine (SVM) untuk melakukan klasifikasi wajah. Tingkat akurasi dihitung menggunakan metode confusion matrix. Metode Support Vector Machine (SVM) merupakan salah satu metode dalam Supervised Learning. Dari hasil pengujian, diperoleh tingkat akurasi 91% dari 245 dataset foto wajah siswa. Oleh karena itu, dapat disimpulkan bahwa metode Support Vector Machine (SVM) dalam sistem presensi dapat melakukan klasifikasi gambar dengan baik. Kata Kunci : Confusion Matrix, Face Recognition, Histogram of Orientend Gradients, Support Vector Machine.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Sari Iswanti, S.Si., M.Kom |
| Uncontrolled Keywords: | Kata Kunci : Confusion Matrix, Face Recognition, Histogram of Orientend Gradients, Support Vector Machine. |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman A Karya Umum (General) > Ilmu Komputer (Computer Science) > Pengembangan WEB A Karya Umum (General) > Ilmu Komputer (Computer Science) > Sistem Informasi |
| Divisions: | Jenjang S1 > Informatika (S1) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 11 Okt 2023 07:50 |
| Last Modified: | 15 Des 2023 04:45 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10052 |
Actions (login required)
 |
View Item |
