eprintid: 9749
rev_number: 6
eprint_status: archive
userid: 46
dir: disk0/00/00/97/49
datestamp: 2025-07-04 06:49:40
lastmod: 2025-07-04 06:49:40
status_changed: 2025-07-04 06:49:40
type: thesis
metadata_visibility: show
creators_name: Pajar Ramadhan, Malik
creators_NPM: 065118316
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Chairunnas, Andi
contributors_name: Hardianto Situmoran, Boldson
contributors_NIDN: 0416127104
contributors_NIDN: 0404077905
corp_creators: Universitas Pakuan
corp_creators: Fakultas Matematika dan Ilmu Pnegetahuan Alam
corp_creators: Program Studi Ilmu Komputer
title: PENGENALAN WAJAH PADA SISTEMPRESENSI
PEGAWAI MENGGUNAKAN METODE PRINCIPALCOMPONENT ANALYSIS (PCA) DAN CONVOLUTIONALNEURAL NETWORK (CNN)
ispublished: pub
subjects: QK
divisions: sch_ecs
full_text_status: none
abstract: PENGENALAN WAJAH PADA SISTEMPRESENSI
PEGAWAI MENGGUNAKAN METODE PRINCIPALCOMPONENT ANALYSIS (PCA) DAN CONVOLUTIONALNEURAL NETWORK (CNN)
Malik Pajar Ramadhan
1, Andi Chaerunnas2, Boldson Herdianto
3
1,2,3 Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Pakuan, Jln. Pakuan Po.Box 452 Bogor 16143, Indonesia
Abstrak
Penelitian ini bertujuan mengembangkan sistem presensi pegawai dengan pengenalan wajahmenggunakan metode Principal Component Analysis (PCA) dan Convolutional Neural Network (CNN). Penelitian ini diilhami oleh kendala-kendala saat melakukan presensi pada mesin fingerprint di
Puskesmas Cakung, Jakarta Timur. Tahapan pembuatan sistem melibatkan pengumpulan data, pre- processing, pembuatan sistem, dan pelatihan data menggunakan Visual Studio Code 2020 denganimplementasi Face-api.js berbasis TensorFlow.js. Proses pengenalan wajah dengan PCAmelibatkanperhitungan nilai eigen dan vektor eigen, sementara metode CNN melibatkan tahap feature learning danclassification dengan layer konvolusi, fungsi aktivasi ReLu, pooling layer, dan parameter lainnya. Hasil
pengujian menunjukkan rata-rata akurasi klasifikasi wajah dari 30 citra testing pegawai sebesar 90%, yang dipengaruhi oleh posisi wajah dan pencahayaan. Kesimpulannya, sistem presensi pengenalan wajahdengan metode PCA dan CNN mampu mengidentifikasi wajah pegawai secara baik. Keywords: Absensi; Pengenalanwajah; PCA; CNN; Face-api.js
date: 2023-01-01
date_type: published
institution: Universitas Pakuan
department: Fakultas Matematika dan Pengetahuan Alam
thesis_type: Skripsi
thesis_name: Sarjana
citation:   Pajar Ramadhan, Malik  (2023) PENGENALAN WAJAH PADA SISTEMPRESENSI PEGAWAI MENGGUNAKAN METODE PRINCIPALCOMPONENT ANALYSIS (PCA) DAN CONVOLUTIONALNEURAL NETWORK (CNN).  Skripsi thesis, Universitas Pakuan.