Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal Of Artificial Intelligence And Software Engineering
Syifa Zahrah
Politeknik Negeri Lhokseumawe
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Deteksi Wajah Untuk Pencatatan Kehadiran Mahasiswa Di Kelas Menggunakan Metode Convolutional Neural Network Syifa Zahrah; Azhar Azhar; Musta’inul Abdi
Journal of Artificial Intelligence and Software Engineering Vol 2, No 1 (2022)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v2i1.3873

Abstract

Kehadiran mahasiswa dalam suatu pembelajaran di kelas seringkali menjadi syarat wajib dalam dunia pendidikan, dan menjadi tolak ukur dalam menilai mahasiswa. Terkadang masih dijumpai praktik curang oleh mahasiswa dalam absensi agar mencapai kehadiran minimal. Dari sisi administrasi, absensi berbasis kertas berpotensi pemborosan dan juga memperpanjang tahapan administrasi karena membutuhkan rekapitulasi manual. Metode yang digunakan dalam penelitian ini adalah pendekatan Deep Learning dengan arsitektur CNN untuk mengenali wajah. Selain gambar wajah, sistem juga akan memvalidasi absensi dengan kesesuaian lokasi dan waktu. Kehadiran mahasiswa dalam proses pembelajaran sangat diperlukan untuk mengetahui jumlah mahasiswa. Penelitian ini dilakukan untuk membuat sebuah sistem pendeteksian wajah dalam mengenali mahasiswa di dalam kelas, kemudian menangkap dan mendeteksi seluruh wajah mahasiswa secara akurat serta melakukan pengujian terhadap sistem, dimana hal ini dilakukan untuk mengetahui sejauh mana sistem dapat bekerja, dalam penerapannya penelitian ini menggunakan algoritma Convolutional Neural Network sebagai metode DeepLearning yang dapat digunakan untuk mengenali dan mengklasifikasi sebuah objek. Sistem ini berhasil mendeteksi 8 dari 10 wajah mahasiswa dan memiliki presentase keakuratan sebesar 80%, dengan jumlah data 300 uji gambar wajah.
Co-Authors Azhar Azhar Musta’inul Abdi