Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Alam, Eki Jarul"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    PENERAPAN ALGORITMA FISHERFACE PADA KONSEP MONITORING KEHADIRAN SISWA DENGAN TECHNOLOGY FACE RECOGNITION DAN WHATSAPP API (Studi Kasus : SMK Taruna Harapan 1 Cipatat)
    (Program Studi S1 Informatika, 2025) Alam, Eki Jarul; Ari Purno Wahyu Wibowo (Pembimbing)
    Manajemen kehadiran siswa merupakan salah satu aspek krusial dalam mendukung efektivitas proses pembelajaran dan kedisiplinan di sekolah. Metode absensi manual yang masih umum digunakan sering kali menimbulkan kendala seperti manipulasi data, keterlambatan pencatatan, dan kurangnya transparansi kepada orang tua. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring kehadiran siswa berbasis pengenalan wajah menggunakan algoritma Fisherface yang terintegrasi dengan WhatsApp API sebagai media notifikasi real-time kepada wali siswa. Metode penelitian meliputi: (1) pengumpulan dataset wajah dari 10 siswa dengan variasi pencahayaan dan ekspresi, (2) pra-pemrosesan citra menggunakan deteksi wajah Haar Cascade, konversi ke skala abu-abu, dan resize ke dimensi seragam 200×200 piksel, (3) pelatihan dan pengujian model Fisherface dengan pembagian data 80% untuk pelatihan dan 20% untuk pengujian, serta (4) integrasi hasil absensi dengan WhatsApp API untuk pengiriman notifikasi otomatis. Hasil pengujian terhadap 10 siswa menunjukkan bahwa sistem mencapai akurasi pengenalan wajah sebesar 93,3% (28 dari 30 percobaan berhasil) dan tingkat keberhasilan pengiriman notifikasi WhatsApp 100% (10 dari 10 pesan terkirim). Temuan ini membuktikan bahwa Fisherface cukup andal untuk lingkungan sekolah dengan keterbatasan pencahayaan, dan integrasi WhatsApp API meningkatkan transparansi serta komunikasi antara sekolah dan orang tua. Sistem ini direkomendasikan untuk dikembangkan lebih lanjut dengan metode deep learning agar lebih tahan terhadap variasi kondisi nyata, serta diterapkan di institusi pendidikan lain sebagai solusi digital absensi yang efisien dan akurat.

PTI copyright © 2002-2026

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback