MUHAMAD ADRI MUWAFFAQ KHAMID (2025) IMPLEMENTASI SISTEM PRESENSI BERBASIS PENGENALAN WAJAH DENGAN DEEP LEARNING PADA APLIKASI WEB, ANDROID, DAN KAMERA PENGAWAS. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (684kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (134kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (228kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (243kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (742kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (2MB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (2MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (230kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (209kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (237kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (592kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (7MB)

Abstract

Revolusi Industri 4.0 membawa perubahan signifikan pada sektor pendidikan, khususnya dalam hal penerapan teknologi untuk administrasi dan manajemen. Salah satu aspek yang masih menjadi kendala adalah sistem presensi manual yang kurang efisien, berisiko kehilangan data, serta memiliki potensi kecurangan. Penelitian ini bertujuan mengimplementasikan sistem presensi otomatis berbasis pengenalan wajah menggunakan deep learning pada MTs. Hasanussholihat. Metode penelitian yang digunakan adalah model Waterfall dengan implementasi teknologi pengenalan wajah melalui algoritma YOLO untuk deteksi wajah secara real-time dan FaceNet untuk identifikasi wajah dengan akurasi tinggi. Sistem ini dikembangkan dalam aplikasi berbasis web menggunakan Next.js dan aplikasi Android berbasis React Native, terintegrasi langsung dengan CCTV untuk pencatatan presensi otomatis. Hasil implementasi menunjukkan bahwa sistem mampu melakukan pencatatan presensi guru secara otomatis, akurat, dan efisien, serta memberikan solusi administrasi yang modern dan adaptif terhadap kebutuhan guru, khususnya yang mengenakan hijab. Dengan demikian, sistem ini mampu meningkatkan efisiensi administratif sekolah sekaligus mendorong modernisasi pengelolaan presensi di lingkungan pendidikan.

Dosen Pembimbing: Haris Setyawan, S.T., M.Eng and Cahya Damarjati, S.T., M.Eng., Ph.D. | NIDN0511116901, NIDN0515038702
Item Type: Thesis (S1)
Uncontrolled Keywords: attendance, facial recognition, deep learning, YOLO, FaceNet, CCTV, Next.js, React Native
Divisions: Fakultas Teknik > S1 Teknologi Informasi
Depositing User: Eko Kurnawan
Date Deposited: 08 Aug 2025 06:45
Last Modified: 08 Aug 2025 06:45
URI: https://etd.umy.ac.id/id/eprint/52153

Actions (login required)

View Item View Item