Sistem Berbasis Pengenelan Wajah.
Project Tugas AkhirBerbagai Kondisi Pencahayaan.
Project Tugas AkhirInstitusi dan Organisasi.
Project Tugas AkhirPengambilan Gambar Wajah Individu
Follow by StepKonversi ke Grayscale.
Follow by StepMendeteksi Pola Wajah.
Follow by StepVektor 128 dimensi.
Follow by StepAkurasi Pengujian.
Follow by Step
Jurnal ini membahas sistem absensi otomatis berbasis pengenalan wajah yang memanfaatkan Convolutional Neural Networks (CNN) dan FaceNet untuk meningkatkan akurasi dan efisiensi. Penelitian ini hadir sebagai solusi terhadap kelemahan absensi konvensional yang rentan manipulasi serta tantangan pencahayaan dan keterbatasan perangkat keras.
Saya sangat antusias dengan bagaimana AI, terutama deep learning, dapat meningkatkan efisiensi sistem seperti absensi biometrik. Ke depan, saya ingin terus mengembangkan teknologi ini agar lebih optimal dan dapat diimplementasikan di berbagai sektor. 🚀✨
“Akurasi: Sistem mampu mengenali citra wajah dengan tingkat akurasi mencapai 100% dalam kondisi pengujian.”
— Anggara Putra MeldyantonoProfil.
“Jarak Deteksi: Sistem dapat mendeteksi wajah dari jarak hingga 500 cm, menunjukkan kemampuan deteksi jarak jauh yang baik.”
— Anggara Putra Meldyantono Profil.
“Pengaruh Pencahayaan: Sistem tetap dapat bekerja secara optimal pada lux minimal, menunjukkan ketahanan terhadap kondisi pencahayaan rendah.”
— Anggara Putra Meldyantono Profil.
Mengembangkan sistem pengenalan wajah dengan metode CNN dan model FaceNet untuk menghasilkan vektor wajah yang akurat. Sistem dirancang adaptif terhadap pencahayaan rendah dan berjalan optimal di perangkat spesifikasi menengah.
Menjawab tantangan absensi konvensional dengan pendekatan teknologi yang efisien dan aman. Sistem diuji dalam berbagai kondisi ekstrem seperti pencahayaan rendah dan variasi jarak kamera, memastikan ketahanan dan akurasi tinggi.
Menyusun dan mempublikasikan hasil penelitian dalam jurnal ilmiah terakreditasi. Menyampaikan ide kompleks dalam format yang terstruktur dan mudah dipahami, baik untuk komunitas akademik maupun industri.
Sistem ini memanfaatkan pengenalan wajah untuk meminimalisir manipulasi data kehadiran. Cocok diimplementasikan di sekolah, kampus, dan lingkungan kerja.
Menggunakan kombinasi CNN, FaceNet, dan LBPH untuk meningkatkan akurasi deteksi wajah serta efisiensi pemrosesan, bahkan pada perangkat berspesifikasi menengah.
Diuji dalam berbagai kondisi seperti pencahayaan rendah dan variasi jarak kamera, sistem tetap mampu mengenali wajah dengan akurasi tinggi dan cukup baik hasilnya.