SISTEM KEHADIRAN PEMUSTAKA MENGGUNAKAN FACE RECOGNITION

Dita Nur Isnayni, 1615061002 (2021) SISTEM KEHADIRAN PEMUSTAKA MENGGUNAKAN FACE RECOGNITION. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

[img]
Preview
File PDF
ABSTRAK_Dita Nur Isnayni - dita isnayni.pdf

Download (16Kb) | Preview
[img] File PDF
Full_Skripsi_Dita Nur Isnayni_1615061002 - dita isnayni.pdf
Restricted to Hanya staf

Download (4Mb)
[img]
Preview
File PDF
Tanpa pembahasan_REV_Skripsi_Dita Nur Isnayni_1615061002 - dita isnayni.pdf

Download (2250Kb) | Preview

Abstrak

Computer vision merupakan bidang studi yang berkaitan dengan teknik pengembangan untuk membantu komputer memahami konten gambar digital seperti foto dan video. Salah satu pengaplikasian Computer Vision adalah Face Recognition. Face Recognition dapat digunakan sebagai daftar hadir pemustaka di perpustakaan Universitas Lampung. Dalam membangun face recognition sebagai daftar hadir pemustaka ini menggunakan algoritma deteksi YOLO sebagai algoritma deteksi objek, SQL database sebagai penyimpan data mahasiswa dan data pemustaka yang dikenali sistem serta menggunakan NodeJS untuk membangun halaman report. Algoritma YOLO yang digunakan untuk melatih dataset yaitu YOLOv5 dengan model versi small. Dataset yang digunakan sebanyak 2.334 data dengan data train sebanyak 1636, data validation sebanyak 466, dan data test sebanyak 232. Dari 2.334 data ini dibagi menjadi 10 kelas yang dilatih sebagai sample. Sebelum data dilatih data terlebih dahulu dilakukan menyeragaman data atau pre-processing data seperti resize 416*416 pixel. Pre-processing data menggunakan platform Roboflow. Hasil pelatihan sistem menghasilkan weight yang digunakan untuk pengujian deteksi objek. Model weight yang telah dibangun dilakukan penilaian menggunakan confusion matrix multiclass untuk mendapat nilai akurasi, recall dan precission. Berdasarkan perhitungan menggunakan confusion matrix multiclass. Sistem kehadiran pemustaka menggunakan face recognition memiliki nilai rata-rata akurasi sebesar 92.7% pada pengujian foto dan 87,35% pada pengujian video serta memiliki nilai rata-rata recall dan precision sebesar 87.35% pada pengujian menggunakan foto.dan 74.09% pada pengujian video. Sistem daftar hadir pemustaka ini berhasil mengenali wajah telah dilatih datanya dan berhasil menyimpan wajah yang dikenali ke dalam database. Penelitian ini menggunakan metode Kanban dengan total 5 antrian pekerjaan pada backlog. Kata kunci: YoloV5, Roboflow, SQL database, Javascript, dan Confusion Matrix Computer vision is a field of study that deals with development techniques to help computers understand the content of digital images such as photos and videos. One application of Computer Vision is Face Recognition. Face Recognition can be used as an attendance list for users at the University of Lampung library. In building face recognition as a user attendance list, we use the YOLO detection algorithm as an object detection algorithm, SQL database to store student data and user data recognized by the system, and use NodeJS to build report pages. The YOLO algorithm used to train the dataset is YOLOv5 with a small version of the model. The dataset used is 2,334 data with 1636 train data, 466 validation data, and 232 test data. From 2,334 this data is divided into 10 classes that are trained as samples. Before the data is trained, the data is first carried out uniformly or pre-processing the data, such as resizing 416*416 pixels. Pre-processing data using the Roboflow platform. The results of the system training produce weights that are used for object detection testing. The weighted model that has been built is assessed using a multiclass confusion matrix to get accuracy, recall, and precision values. Based on calculations using a multiclass confusion matrix. The user attendance system using face recognition has an average accuracy value of 92.7% in photo testing and 87.35% in video testing and has an average recall and precision value of 87.35% in photo testing and 74.09% in video testing. This user attendance list system has succeeded in recognizing faces, having trained the data, and successfully saving the recognized faces into the database. This study uses the Kanban method with a total of 5 work queues in the backlog. Keywords : YoloV5, Roboflow, SQL database, Javascript, dan Confusion Matrix

Jenis Karya Akhir: Skripsi
Subyek: 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi: Fakultas Teknik > Prodi S1-Teknik Elektro
Pengguna Deposit: UPT . Meda Sulistiana
Date Deposited: 27 May 2022 07:33
Terakhir diubah: 27 May 2022 07:33
URI: http://digilib.unila.ac.id/id/eprint/61931

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir