PEMODELAN DEEP METRIC LEARNING BERBASIS FACENET UNTUK EFISIENSI PENYIMPANAN DATA FACE EMBEDDING PADA SISTEM ABSENSI DIGITAL (Studi Kasus Pada PT.XYZ)

Fahrizki, Yoga (2026) PEMODELAN DEEP METRIC LEARNING BERBASIS FACENET UNTUK EFISIENSI PENYIMPANAN DATA FACE EMBEDDING PADA SISTEM ABSENSI DIGITAL (Studi Kasus Pada PT.XYZ). S1 thesis, Universitas Mercu Buana Jakarta - Menteng.

[img] Text (COVER)
41522110038-Yoga Fahrizki-01 Cover - Yoga Fhrzki.pdf
Download (509kB)
[img] Text (BAB 1)
41522110038-Yoga Fahrizki-02 Bab 1 - Yoga Fhrzki.pdf
Restricted to Registered users only
Download (41kB)
[img] Text (BAB 2)
41522110038-Yoga Fahrizki-03 Bab 2 - Yoga Fhrzki.pdf
Restricted to Registered users only
Download (140kB)
[img] Text (BAB 3)
41522110038-Yoga Fahrizki-04 Bab 3 - Yoga Fhrzki.pdf
Restricted to Registered users only
Download (449kB)
[img] Text (BAB 4)
41522110038-Yoga Fahrizki-05 Bab 4 - Yoga Fhrzki.pdf
Restricted to Registered users only
Download (469kB)
[img] Text (BAB 5)
41522110038-Yoga Fahrizki-06 Bab 5 - Yoga Fhrzki.pdf
Restricted to Registered users only
Download (44kB)
[img] Text (DAFTAR PUSTAKA)
41522110038-Yoga Fahrizki-08 Daftar Pustaka - Yoga Fhrzki.pdf
Restricted to Registered users only
Download (155kB)
[img] Text (LAMPIRAN)
41522110038-Yoga Fahrizki-09 Lampiran - Yoga Fhrzki.pdf
Restricted to Registered users only
Download (415kB)

Abstract

Perkembangan teknologi kecerdasan buatan mendorong inovasi pada sistem pengenalan wajah yang semakin banyak diadaptasi dalam berbagai aspek, khususnya sistem absensi digital. Penelitian ini berfokus pada pemodelan Deep Metric Learning menggunakan FaceNet untuk meningkatkan efisiensi penyimpanan data face embedding pada sistem absensi digital. FaceNet mampu mengekstraksi ciri-ciri unik setiap wajah menjadi vektor berdimensi tetap (face embedding), sehingga lebih hemat ruang penyimpanan dibandingkan metode konvensional yang menyimpan citra wajah secara utuh. Dengan pendekatan ini, privasi data biometrik juga dapat lebih terjaga. Metode yang digunakan melibatkan pelatihan model menggunakan dataset wajah untuk menghasilkan embedding space optimal dengan triplet loss function. Evaluasi dilakukan dengan mengukur akurasi identifikasi, similarity score individu, serta efisiensi penggunaan basis data face embedding. Hasil penelitian diharapkan menunjukkan bahwa pemodelan Deep Metric Learning berbasis FaceNet terbukti meningkatkan efisiensi penyimpanan data serta akurasi pada implementasi sistem absensi digital. Penelitian ini memberikan kontribusi empiris bagi pengembangan sistem absensi biometrik yang efisien dan skalabel untuk kebutuhan institusi pendidikan maupun industri di Indonesia. Kata kunci: Deep Metric Learning, FaceNet, Face Embedding, Efisiensi Penyimpanan, Sistem Absensi Digital.

Item Type: Thesis (S1)
NIM/NIDN Creators: 41522110038
Uncontrolled Keywords: Deep Metric Learning, FaceNet, Face Embedding, Efisiensi Penyimpanan, Sistem Absensi Digital.
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: NAJHWA LAILI SYAFAQOH
Date Deposited: 02 Sep 2026 02:09
Last Modified: 02 Sep 2026 02:09
URI: http://repository.mercubuana.ac.id/id/eprint/103561

Actions (login required)

View Item View Item
UMB Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.