Perancangan Sistem Absensi Berbasis Mobile Menggunakan Face Recognation Dengan Metode Two Dimensional-Linear Discriminant Analysis (2D-LDA) Dan K-Nearest Neighbors (KNN)

Rhomaedi, Muhammad (2025) Perancangan Sistem Absensi Berbasis Mobile Menggunakan Face Recognation Dengan Metode Two Dimensional-Linear Discriminant Analysis (2D-LDA) Dan K-Nearest Neighbors (KNN). Undergraduate thesis, Politeknik Negeri Jember.

[img] Text (Abstrak)
Abstrak.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (215kB)
[img] Text (Bab 1 Pendahuluan)
Bab 1 Pendahuluan.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (159kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (185kB)
[img] Text (Laporan Lengkap)
Muhammad Rhomaedi - skripsi.pdf - Submitted Version
Restricted to Registered users only

Download (4MB) | Request a copy

Abstract

Perkembangan teknologi yang pesat telah memungkinkan berbagai sektor untuk mengadopsi sistem berbasis digital guna meningkatkan efisiensi dan akurasi. Sistem absensi dapat diotomatisasi dengan teknologi pengenalan wajah. Penelitian ini bertujuan untuk merancang sistem absensi berbasis mobile menggunakan metode Two Dimensional-Linear Discriminant Analysis (2D-LDA) dan K-Nearest Neighbors (KNN). Metode 2D-LDA digunakan untuk ekstraksi ciri wajah dengan mempertimbangkan dimensi dua arah, yang meningkatkan akurasi dalam klasifikasi wajah dibandingkan metode LDA konvensional. Sementara itu, KNN berperan dalam proses klasifikasi dengan mencari tetangga terdekat dari data wajah yang telah diproses. Sistem ini dikembangkan menggunakan framework Flutter untuk platform mobile dan diintegrasikan dengan database MySQL. Hasil penelitian menunjukkan bahwa kombinasi metode 2D-LDA dan KNN dapat memberikan akurasi yang tinggi dalam pengenalan wajah untuk keperluan absensi, dengan tingkat akurasi mencapai 99,0% berdasarkan pengujian terhadap dataset wajah mahasiswa. Dengan adanya sistem ini, diharapkan dapat mengurangi risiko kecurangan dalam absensi serta meningkatkan efisiensi dalam pencatatan kehadiran mahasiswa.

Item Type: Thesis (Undergraduate)
Contributors:
ContributionContributorsNIDN/NIDK
Thesis advisorAtmadji, Ery Setiyawan JullevNIDN0010078903
Uncontrolled Keywords: Attendance, Presensi, Machine Learning, Linear, Two Dimensional, 2D-LDA, LDA, Two Dimensional-Discriminant Anlysis, MySql K-Nearest Neighbors, KNN, Aplikasi Mobile, Face Recognation, Contrast Limited Adaptive Histogram Equalization, CLAHE, Retina Face, Pre-Processing, Extraksi, Klasifikasi, Image Processing, Viola Jones, Deteksi Wajah, Grayscale, User Acceptance Test, UAT, Flutter, Laravel
Subjects: 100 - Rumpun Matematika dan Ilmu Pengetahuan Alam (MIPA) > 120 - Matematika > 123 - Ilmu Komputer
410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 457 - Teknik Komputer
410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 458 - Teknik Informatika
410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 459 - Ilmu Komputer
410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 461 - Sistem Informasi
410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 463 - Teknik Perangkat Lunak
710 - Rumpun Ilmu Pendidikan > 780 - Ilmu Pendidikan Teknologi dan Kejuruan > 786 - Pendidikan Teknik Informatika
Divisions: Jurusan Teknologi Informasi > Prodi D4 Teknik Informatika > Tugas Akhir
Depositing User: Muhammad Rhomaedi
Date Deposited: 02 May 2025 03:37
Last Modified: 02 May 2025 03:37
URI: https://sipora.polije.ac.id/id/eprint/40886

Actions (login required)

View Item View Item