Article Per Year (5 Year)
p-Index From 2019 - 2024
0.751
P-Index
This Author published in this journals
All Journal UG Journal Prosiding KOMMIT Indonesian Journal of Electrical Engineering and Computer Science Prosiding Seminar Nasional Pengabdian Kepada Masyarakat Jurnal Pengabdian Kepada Masyarakat Darma Saskara
Lilis Setyowati
Gunadarma University
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Energy Environmental Science Health Professions Languange, Linguistic, Communication & Media Public Health Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : UG Journal

 1 
PEMANFAATAN FACE RECOGNITION PADA SISTEM PENCATATAN KEHADIRAN Lilis Setyowati; Vista Sasmita Padmanagara
UG Journal Vol 16, No 7 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Face recognition merupakan sistem identifikasi biometrik yang paling baik dalam mengindentifikasi seseorang dengan fitur-fitur khusus pada tubuh maupun DNA yang menjadi pembeda antara satu orang dengan orang lainnya. Sistem ini dapat dimanfaatkan untuk sebuah sistem pencatatan kehadiran mahasiswa di salah satu Universitas di Depok. Sistem dibuat guna menggantikan sistem pencatatan konvensional yang masih digunakan saat ini. Sistem dibuat menggunakan salah satu variasi metode dari Deep Convolutional Neural Network (DCNN) yaitu Multi-task Cascaded Convolutional Neural Network (MTCNN) dan Vggface2 dan mengaplikasikan library Pytorch untuk memperdalam pengetahuan tentang face recognition. Vggface2 merupakan model jaringan neural network yang digunakan pada pengenalan wajah untuk ekstraksi citra. Tujuan dari penelitian ini adalah pengembangan dan pengimplementasian MTCNN dan vggface2 ke dalam sistem pencatatan kehadiran menggunakan deteksi wajah, serta melakukan pencatatan secara otomatis setalah wajah berhasil dikenali. Proses pengintegerasian sistem pencatatan dengan database dilakukan pada penelitian ini. Dari hasil pengujiannya dapat disimpulkan sistem pencatatan yang telah dibuat mampu melakukan proses pencatatan kepada user secara realtime dengan tingkat akurasi sebesar 96,6% melalui pengujian secara fungsional, akan tetapi akurasi pada sistem absensi melalui metode pengenalan wajah ini akan semakin buruk jika pencahayaan tidak tepat.
Co-Authors Ali Akbar Bertalya Bertalya Devy Hellystia Eka Intan Kumala Putri Erma Triawati Christina Febrian Iftikhar Irawan Indah Mulyani Lestari Octavia Mulyadi Nurlaila Nurlaila Prihandoko, Prihandoko Risnawati Risnawati Sandhi Prajaka Syahifa Rahmita Irlianti Tri Wahyu Retno Ningsih Vega Valentine Vista Sasmita Padmanagara