DETAIL KOLEKSI

Implementasi face recognition dengan mtcnn pada prototipe sistem kehadiran Universitas Trisakti


Oleh : Muhammad Azamy

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2023

Pembimbing 1 : Is Mardianto

Pembimbing 2 : Anung B. Ariwibowo

Subyek : Human face recognition (Computer science)

Kata Kunci : face recognition, deep learning, machine learning, cnn, mtcnn.

Status Posting : Published

Status : Lengkap


File Repositori
No. Nama File Hal. Link
1. 2023_TA_SIF_064001800004_Halaman-Judul.pdf 8
2. 2023_TA_SIF_064001800004_Lembar-Pengesahan.pdf 2
3. 2023_TA_SIF_064001800004_Bab-1_Pendahuluan.pdf 3
4. 2023_TA_SIF_064001800004_Bab-2_Tinjauan-Pustaka.pdf 11
5. 2023_TA_SIF_064001800004_Bab-3_Metodologi-Penelitian.pdf 4
6. 2023_TA_SIF_064001800004_Bab-4_Inplementasi-dan-Uji-Coba.pdf 52
7. 2023_TA_SIF_064001800004_Bab-5_Kesimpulan-dan-Saran.pdf 2
8. 2023_TA_SIF_064001800004_Daftar-Pustaka.pdf 2

P Penelitian ini bertujuan untuk melakukan pengimplementasian Face Recognition Dengan MTCNN pada Prototipe Sistem Kehadiran Universitas Trisakti. Menjaga validitas pendataan absensi sangat penting bagi semua lembaga pendidikan karena sangat menentukan kualitas pendidikan di lembaga tersebut. Contoh manipulasi data yang beredar di kalangan akademisi adalah istilah “tipsen” atau absensi yang didelegasikan. Untuk meminimalisir hal tersebut, penulis mencoba membuat sistem absensi dengan menggunakan biometrik berbasis pengenalan wajah. Hal ini dilakukan dengan menggunakan MTCNN sebagai pendeteksi wajah, lalu dibuat model CNN untuk melakukan pengenalan wajah. Model yang sudah jadi dilakukan pengujian menggunakan confusion matrix dan menghasilkan rata-rata akurasi sebesar 67%.

T This study aims to implement Face Recognition with MTCNN on the Trisakti University Student Attendance System. One example of data manipulation that is common in academic institutions is the use of the phrase "tipsen," which may be translated as "delegated attendance." In order to alleviate this problem, the author works on developing a method of attendance system that is based on facial recognition. To do this, MTCNN is first used as a face detector, and then a CNN model is created and used to perform the face recognition. The completed model is validated with the confusion matrix, which results in an accuracy rate that is on average 67%.

Bagaimana Anda menilai Koleksi ini ?