RANCANG BANGUN BACKEND BERBASIS DJANGO DENGAN INTEGRASI SISTEM AI FACE RECOGNITION UNTUK MENDUKUNG DIGITALISASI AKTIVITAS LABORATORIUM TEKNIK KOMPUTER

Levian, Dandra (2025) RANCANG BANGUN BACKEND BERBASIS DJANGO DENGAN INTEGRASI SISTEM AI FACE RECOGNITION UNTUK MENDUKUNG DIGITALISASI AKTIVITAS LABORATORIUM TEKNIK KOMPUTER. Teknik Informatika, Universitas Lampung.

Preview	File PDF ABSTRAK (ABSTRACT).pdf Download (141Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (11Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1854Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Pengelolaan Laboratorium Teknik Komputer Universitas Lampung yang masih konvensional menyebabkan proses seperti presensi, peminjaman ruangan, dan penyebaran informasi menjadi kurang efektif, lambat, serta rentan terhadap kehilangan data. Untuk mengatasi masalah tersebut, penelitian ini bertujuan untuk merancang dan membangun sistem backend berbasis Django yang mendukung digitalisasi aktivitas laboratorium. Sistem ini dikembangkan dengan mengintegrasikan layanan kecerdasan buatan (Artificial Intelligence) berupa face recognition untuk proses verifikasi identitas dan sistem notifikasi menggunakan Firebase Cloud Messaging (FCM). Pendekatan kanban yang fleksibel digunakan dalam pengembangan sistem ini. Arsitektur sistem dirancang dengan memisahkan layanan backend utama dan layanan face recognition yang berkomunikasi secara real-time menggunakan protokol WebSocket. Pengujian fungsionalitas dilakukan melalui blackbox testing pada setiap endpoint API, sedangkan validasi dari sisi pengguna dilakukan melalui User Acceptance Testing (UAT) yang melibatkan asisten laboratorium, mahasiswa, serta kepala dan teknisi laboratorium. Hasil penelitian menunjukkan bahwa sistem backend berhasil dibangun dan seluruh fitur yang dikembangkan lulus pengujian blackbox testing dengan tingkat keberhasilan 100%. Integrasi face recognition berhasil diimplementasikan, meskipun ditemukan keterbatasan akurasi pada model AI yang digunakan, sehingga ditambahkan mekanisme fallback manual. Hasil UAT menunjukkan tingkat penerimaan yang sangat tinggi dari seluruh kelompok pengguna, dengan skor rata-rata di atas 92%, yang mengonfirmasi bahwa sistem ini dapat menjawab kebutuhan digitalisasi di lingkungan laboratorium. Kata kunci: django, face recognition, notifikasi, blackbox testing

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 003 Sistem-sistem 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Informatika
Pengguna Deposit:	2507527677 Digilib
Date Deposited:	22 Dec 2025 04:32
Terakhir diubah:	22 Dec 2025 04:32
URI:	http://digilib.unila.ac.id/id/eprint/94558

Actions (login required)

Lihat Karya Akhir