✉ repository@umpar.ac.idOpen Access Institutional Repository LoginCreate accountAdvanced search

PENGEMBANGAN SISTEM ABSENSI BERBASIS REAL-TIME FACE RECOGNATION DI LINGKUNGAN SEKOLAH MENGGUNAKAN YOU ONLY LOOK ONCE (YOLO)

RAHMAT FARDI ASLI, 220280089 (2025) PENGEMBANGAN SISTEM ABSENSI BERBASIS REAL-TIME FACE RECOGNATION DI LINGKUNGAN SEKOLAH MENGGUNAKAN YOU ONLY LOOK ONCE (YOLO). Other thesis, UNIVERSITAS MUHAMMADIYAH PAREPARE.

[thumbnail of SAMPUL] Image (SAMPUL)
SAMPUL_220280089_Rahmat Fardi Asli_Informatika.pdf - Cover Image

Download (117kB)
[thumbnail of PENDAHULUAN] Text (PENDAHULUAN)
Pendahuluan_220280089_Rahmat Fardi Asli_Informatika.pdf - Supplemental Material

Download (553kB)
[thumbnail of BAB ISI] Text (BAB ISI)
BAB I-V_220280089_Rahmat Fardi Asli_Informatika.pdf - Supplemental Material

Download (3MB)
[thumbnail of LAMPIRAN] Text (LAMPIRAN)
Lampiran_220280089_Rahmat Fardi Asli_Informatika.pdf - Supplemental Material

Download (299kB)
[thumbnail of ARTIKEL] Text (ARTIKEL)
jurnal_220280089_Rahmat Fardi Asli_Informatika.pdf.pdf - Published Version

Download (560kB)

Abstract

RAHMAT FARDI ASLI.”Pengembangan Sistem Absensi Berbasis Real-Time Face
Recognation Di Lingkungan Sekolah Menggunakan You Only Look Once (Yolo)”
(pembimbing oleh Ahmad Selao dan Untung Suwardoyo)

Absensi siswa merupakan elemen penting dalam manajemen kehadiran di lingkungan pendidikan. Namun, metode manual yang masih banyak digunakan memiliki berbagai kelemahan, seperti memakan waktu, rawan kecurangan, dan kurang efisien. Untuk mengatasi hal tersebut, penelitian ini mengembangkan sistem absensi otomatis berbasis pengenalan wajah menggunakan teknologi deep learning dengan model YOLOv8 dan TensorFlow. Sistem dirancang untuk mendeteksi dan mengenali wajah siswa secara real-time melalui kamera, serta mencatat data kehadiran secara otomatis dan akurat. Proses sistem meliputi tiga tahapan utama: registrasi wajah, pelatihan model, dan absensi. Pada tahap registrasi, sebanyak 300 gambar wajah siswa dikumpulkan menggunakan YOLOv8 untuk memastikan variasi ekspresi, sudut, dan pencahayaan. Gambar ini digunakan untuk melatih model embedding dengan TensorFlow. Saat proses absensi, wajah dideteksi oleh YOLOv8, kemudian dicocokkan menggunakan cosine similarity dengan threshold 0,7 yaitu 70%–100% tingkat akurasi dari model embedding yang telah diproses, guna menyeimbangkan akurasi dan menghindari kesalahan pengenalan. Pengujian dilakukan sebanyak tiga kali untuk memastikan konsistensi hasil dan reliabilitas sistem. Hasil pengujian menunjukkan sistem mampu mengenali wajah secara efektif meskipun terdapat variasi ekspresi atau pencahayaan, dengan tingkat akurasi tinggi. Sistem ini juga mencatat waktu deteksi dan pelatihan sebagai bagian dari evaluasi performa. Dengan keunggulan efisiensi, akurasi, dan keandalan, sistem ini dapat menjadi solusi modern untuk meningkatkan kualitas administrasi pendidikan, khususnya dalam pencatatan kehadiran siswa.

Item Type: Thesis (Other)
Uncontrolled Keywords: Absensi Realtime, Face Recognition, YOLOv8, TensorFlow, Deepface
Subjects: Sains dan Teknologi
Divisions: Fakultas Teknik > Teknik Informatika
Depositing User: Hairan ald
Date Deposited: 10 Nov 2026 01:21
Last Modified: 10 Nov 2026 01:21
URI: https://repository.umpar.ac.id/id/eprint/1522

Actions (login required)

View Item
View Item