NURDIEN, ABDUL RASYID IHSAN (2025) IMPLEMENTASI FACE RECOGNITION UNTUK PENCATATAN KEHADIRAN MAHASISWA DENGAN RASPBERRY PI 5. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (1MB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (155kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (332kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (298kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (839kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (214kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (213kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (261kB) |
Abstract
This research implements an automatic attendance system based on face recognition using Raspberry Pi 5 and a MySQL database, aiming to address the weaknesses of conventional attendance systems and enhance discipline and productivity. The system leverages the advantages of Raspberry Pi 5 in real-time processing and MySQL's scalability for structured data storage. The integration of these three components is expected to create a reliable, efficient, and integrated attendance solution. The system was designed using a Raspberry Pi 5 as the processing center, a webcam as the input device for capturing real-time facial images, and a MySQL database to store structured attendance data. The software was developed using the Python programming language. The system implements the OpenCV library for image processing and face detection, as well as mysql.connector to connect the system to the MySQL database. The test results show that the system has a very high success rate at distances of 50 cm and 100 cm, with 100% accuracy under normal conditions. However, accuracy decreases to 44% at distances greater than 100 cm. When testing was performed with subjects wearing glasses, the success rate at a distance of 100 cm decreased to 40%, and to 12% at distances greater than 100 cm. Additionally, the system is equipped with a liveness detection feature using 68 facial landmarks to detect eyelid movements, enabling it to reject spoofing attempts with an average security level of 88%. Nevertheless, the system's frame rate performance tends to decrease when detecting more than one person in a single frame, indicating processing limitations on the Raspberry Pi 5. Keywords: Attendance System, Face Recognition, Raspberry Pi 5, MySQL, Liveness Detection Penelitian ini mengimplementasikan sistem pencatatan kehadiran berbasis pengenalan wajah menggunakan Raspberry Pi 5 dan database MySQL, bertujuan untuk mengatasi kelemahan sistem absensi konvensional serta meningkatkan disiplin dan produktivitas. Sistem ini memanfaatkan keunggulan Raspberry Pi 5 dalam pemrosesan real-time dan skalabilitas MySQL untuk penyimpanan data yang terstruktur. Integrasi ketiga komponen ini diharapkan mampu menciptakan solusi absensi yang andal, efisien, dan terintegrasi. Sistem ini dirancang menggunakan Raspberry Pi 5 sebagai pusat pemrosesan, webcam sebagai perangkat input untuk menangkap gambar wajah secara real-time, dan basis data MySQL untuk menyimpan data absensi yang terstruktur. Perancangan perangkat lunak dilakukan menggunakan bahasa pemrograman Python. Sistem ini mengimplementasikan library OpenCV untuk pemrosesan citra dan deteksi wajah, serta mysql.connector untuk menghubungkan sistem dengan basis data MySQL. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat keberhasilan yang sangat tinggi pada jarak 50 cm dan 100 cm, dengan akurasi 100% pada kondisi normal. Namun, akurasi menurun menjadi 44% pada jarak lebih dari 100 cm. Saat pengujian dilakukan dengan subjek yang menggunakan kacamata, tingkat keberhasilan pada jarak 100 cm menurun menjadi 40%, dan pada jarak lebih dari 100 cm menjadi 12%. Selain itu sistem dilengkapi dengan fitur liveness detection menggunakan 68 titik facial landmarks untuk mendeteksi gerakan kelopak mata sehingga mampu menolak pemalsuan menggunakan foto dengan tingkat keamanan rata-rata 88%. Meskipun demikian, performa frame rate sistem cendurung menurun saat mendeteksi lebih dari satu orang dalam satu frame, menunjukkan adanya keterbatasan pemrosesan pada Raspberry Pi 5 Kata kunci: Sistem Absensi, Pengenalan Wajah, Raspberry Pi 5, MySQL, Liveness Detection
Actions (login required)
 |
View Item |
