TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints84598
UR  - http://digilib.unila.ac.id/84598/
A1  - Yudha, Nugraha
Y1  - 2025/01/23/
N2  - Pengelolaan data mahasiswa yang efisien dan akurat merupakan aspek krusial dalam mendukung administrasi pendidikan di perguruan tinggi. Namun, metode pendataan manual yang masih umum digunakan saat ini sering kali menghadapi berbagai kendala, seperti human error, kehilangan data, dan manipulasi identitas, yang berdampak negatif pada efektivitas manajemen akademik. Untuk mengatasi tantangan ini, penelitian ini mengusulkan optimalisasi sistem pendataan mahasiswa di Universitas Lampung dengan mengadopsi teknologi pengenalan wajah berbasis algoritma Multi-task Cascaded Convolutional Networks (MTCNN). Tujuan penelitian ini adalah untuk membuat sistem yang dapat mengidentifikasi wajah mahasiswa secara otomatis dan real-time, meningkatkan efektifitas dan efisiensi pendataan mahasiswa. Diharapkan sistem ini akan memungkinkan verifikasi identitas yang lebih aman dan cepat dan mengurangi kesalahan pendataan. Hasil pengujian menunjukkan performa algoritma MTCNN dalam mengklasifikasikan citra pendeteksi wajah mahasiswa menunjukan skor akurasi sistem sebesar 0.8081, Precision model menunjukkan angka 0.8129, Recall atau sensitivitas model tercatat sebesar 0.7689, F1 Score model adalah 0.7643  dan nilai FPS (Frames Per Second) yang rendah yaitu 0.53. Sistem pengenalan wajah dapat berjalan secara real-time dengan frame per second (FPS) bervariasi pada jarak 0,5?2 meter dari kamera. Implementasi sistem ini menjadi tahap awal penerapan teknologi pengenalan wajah untuk berbagai kebutuhan akademik di Universitas Lampung.
PB  - FAKULTAS TEKNIK
TI  - Rancang Bangun Prototipe Sistem Pengenalan Wajah Berbasis Multi-Task Cascaded Convolutional Network (MTCNN) untuk Mengoptimalkan Pengelolaan Data Mahasiswa di Universitas Lampung
AV  - restricted
ER  -