IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK VERIFIKASI WAJAH PADA APLIKASI ABSENSI KARYAWAN SUPERMARKET PINUS BERBASIS ANDROID

Himawan, Febrian Ivan (2026) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK VERIFIKASI WAJAH PADA APLIKASI ABSENSI KARYAWAN SUPERMARKET PINUS BERBASIS ANDROID. Skripsi thesis, Institut Teknologi Nasional Malang.

	Text Bagian awal (5).pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (586kB)
	Text BAB 1.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (199kB)
	Text BAB 2.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (322kB)
	Text BAB 3.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (785kB)
	Text BAB IV (2).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (823kB)
	Text BAB V (2).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (169kB)
	Text DAFTAR PUSTAKA (2).pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (176kB)
	Text LAMPIRAN (2).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (905kB)

Abstract

Sistem absensi manual yang masih diterapkan di Supermarket Pinus rentan terhadap kesalahan pencatatan, manipulasi data kehadiran, serta ketidakefisienan dalam proses rekapitulasi. Penelitian ini bertujuan mengembangkan aplikasi absensi karyawan berbasis Android yang memanfaatkan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 untuk melakukan verifikasi wajah secara otomatis dan akurat. Dataset yang digunakan berjumlah total 3.023 citra wajah dari 62 individu setelah melalui proses penyaringan minimal 20 citra per individu. Tahap preprocessing meliputi label encoding, pembagian data (data splitting), resize citra ke resolusi 224×224 piksel, normalisasi nilai piksel ke rentang [-1, 1], serta data augmentation berupa rotasi, horizontal flip, dan penyesuaian kecerahan. Model dibangun menggunakan pendekatan transfer learning berbasis MobileNetV2 dengan strategi fine-tuning, dilengkapi lapisan GlobalAveragePooling2D, Dropout (0,5), face embedding 128 dimensi dengan normalisasi L2, dan fungsi aktivasi softmax pada lapisan klasifikasi akhir. Pengujian dilakukan dalam dua skenario pembagian data, yaitu rasio 70:30 yang menghasilkan akurasi sebesar 80,13%, dan rasio 80:20 yang menghasilkan akurasi tertinggi sebesar 82,12%.

Item Type:	Thesis (Skripsi)
Additional Information:	Febrian Ivan Himawan (2218020)
Uncontrolled Keywords:	: Convolutional Neural Network, Face Regonition, Sistem Absensi, Android
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Febrian ivan himawan
Date Deposited:	06 Oct 2026 03:51
Last Modified:	06 Oct 2026 03:51
URI:	http://eprints.itn.ac.id/id/eprint/16743

Actions (login required)

View Item