<![CDATA[Pengembangkan aplikasi absensi pengenalan wajah bagi mahasiswa magang di PLN Icon Plus Bangka Belitung dengan menggunakan teknologi computer vision dan algoritma deep learning diharapkan dapat meningkatkan efisiensi waktu proses absensi dengan mengurangi ketergantungan pada metode absensi manual yang memakan waktu dan rawan kesalahan. Pengembangan aplikasi ini menggunakan teknik computer vision untuk mendeteksi dan mengenali wajah siswa, sedangkan algoritma deep learning digunakan untuk meningkatkan akurasi dan kecepatan pengenalan wajah. Algoritma deep learning, khususnya Convolutional Neural Networks (CNN), diterapkan untuk melatih model pengenalan wajah dengan dataset gambar wajah mahasiswa. Sistem ini dilengkapi dengan fitur manajemen data yang memungkinkan administrator untuk memantau dan mengelola data absensi secara real-time. Tujuan penggunaan sistem absensi pengenalan wajah adalah untuk mempercepat registrasi kehadiran serta meningkatkan keakuratan dan keamanan informasi kehadiran. Penelitian ini menggunakan metode kualitatif dengan model prototype untuk mengembangkan dan menguji aplikasi. Reaksi sistem selama kinerja pengenalan wajah dan registrasi kehadiran diukur untuk mengevaluasi seberapa besar aplikasi dapat meningkatkan efisiensi waktu kehadiran. Hasil penelitian menunjukkan bahwa dengan dikembangkannya aplikasi pengenalan wajah, proses absensi dapat dipercepat secara signifikan dan akurasi pencatatan kehadiran siswa pada saat praktik dapat ditingkatkan. Pengujian dilakukan pada berbagai kondisi pencahayaan dan sudut pandang untuk memastikan pengaplikasian optimal. Oleh karena itu, diharapkan aplikasi ini dapat menjadi solusi yang efektif dan efisien dalam menangani mahasiswa magang PLN Icon Plus Bangka Belitung.]]>
Copyrights © 2024
