SISTEM PENDETEKSI KEHADIRAN KARYAWAN MENGGUNAKAN METODE DEEP LEARNING R-CNN

Asrul, Sani Ariesandy (2021) SISTEM PENDETEKSI KEHADIRAN KARYAWAN MENGGUNAKAN METODE DEEP LEARNING R-CNN. Sarjana thesis, Sekolah Tinggi Informatika dan Komputer Indonesia.

	Text ABSTRAK.docx Download (29kB)
	Text BAB I.docx Download (72kB)
	Text BAB II.docx Download (2MB)
	Text BAB III.docx Download (1MB)
	Text BAB IV.docx Restricted to Repository staff only Download (7MB)
	Text BAB V.docx Download (28kB)

Abstract

Teknologi Computer Vision merupakan teknologi yang menjadikan komputer memiliki kemampuan melihat, memroses dan menganalisis serta memahami suatu objek pada citra digital baik berupa gambar maupun video layaknya manusia. Pendeteksian objek citra yang dimaksud salah satunya adalah Face Recognition. Face Recognition dapat diimplementasikan sebagai pengganti dari model pencatatan karyawan menggunakan fingerprint maupun pencatatan manual. Hal ini dikarenakan model pencatatan karyawan manual maupun dengan fingerprint hanya merekap kehadiran karyawan pada saat presensi (check-clock) saja. Akibatnya kurang mampu menjadi indikator mengenai karyawan yang bersangkutan sedang berada di kantor selama jam kerja atau tidak. Pada penelitian ini akan diimplementasikan agar teknologi Face Recognition ini dapat membantu untuk mengenali siapa saja yang hadir di kantor untuk memudahkan karyawan lain mengetahui keberadaan karyawan yang bersangkutan, baik untuk tujuan pemantauan kehadiran selama jam kerja ataupun melakukan koordinasi. Dalam penelitian ini diperkenalkan arsitektur microservice untuk membagi task komputasi yang selama ini menjadi masalah pada sistem terpusat (monolith). Sistem dibagi menjadi empat bagian diantaranya adalah: Web Service, Webcam Service, Neural Network Service dan Message Queue Service. Hasil pengujian menunjukkan akurasi terbaik pada jarak kurang dari 3meter sebesar 100%. Hasil akurasi keseluruhan jarak lebih dari 3 meter adalah 50%.

Item Type:	Thesis (Sarjana)
Subjects:	Computing methodologies > Artificial intelligence
Divisions:	Engineering Sciences
Depositing User:	Unnamed user with username editor_perpustakaan
Date Deposited:	16 Aug 2023 06:11
Last Modified:	16 Aug 2023 06:14
URI:	http://repository.stiki.ac.id/id/eprint/1866

Actions (login required)

View Item