Rancangan Laporan Sistem Analisa Kebedaraan Pegawai Menggunakan Deteksi Wajah

Firdiyan Syah, Teknik Informatika, Universitas PGRI Yogyakarta (2020) Rancangan Laporan Sistem Analisa Kebedaraan Pegawai Menggunakan Deteksi Wajah. SEMINAR NASIONAL Dinamika Informatika 2020 Universitas PGRI Yogyakarta.

Preview

Text ProsNas-Deteksi-Wajah.pdf Download (601kB) | Preview

Abstract

mengontrol pegawai dalam bekerja yang sudah biasa dilakukan seperti menggunakan absen sidik jari telah banyak di pergunakan oleh perusahaan yang memiliki jumlah karyawan yang banyak. Mesin absen di rasa cukup untuk memenuhi pelaporan dalam melihat keaktifan pegawai. Misal berangkat pukul 08.00 kemudian pulang pukul 16.00 sudah lumrah di jadikan landasan untuk pelaporan. Permasalahan apakah benar pada pukul 08.00 sampai pukul 16.00 pegawai tersebut berada di dalam kantor dan bekerja. Apabila di analisa rentan pukup 08.00 sampai dengan pukul 16.00 ada 8 jam waktu yang tidak bisa analisa oleh mesin sidik jari. Pertanyaan besar apakab benar pegawai berada didalam kantor rentan waktu tersebut. Pekerjaan sebagai dosen membutuhkan mobilitas tinggi sehingga sulit terdeteksi apakah benar rentan waktu bekerja antara jam 08.00 sampai dengan pukupl 16.00. Berbagai macam metode dalam mengenali wajah sudah banyak di implementsikan diantaranya menggunakan metode neural network sebuah metode dimana memproses pada semua gambar dengan cara dipolakan dalam bentuk tertentu memberikan data yang digunakan untuk melatih sehingga pola tersebut dapat dikenali. Pada mulanya du butuhkan bagi neural network sangat rumit dan memerlukan waktu lama terutama juka data training ban-yak. Kelebihan dari metode neural network ada pada ketika gambar yang akan diidentifikasi oleh sistem kemudian data telah training maka tidak dibutuhkan pencocokan seperti face-arg karena gambar dapat dikenali oleh metode neural network dan dilihat dalam basisdata. Hasil yang di dapat berupa laporan sebagai analisa apakah benar selam 8 jam pegawai benar-benar berada didalam kantor. Laporan tersebut berupa data-data selama 8 jam pegawai akan di pantau oleh kamera dan dapat dianalisa dari rentan waktu terdeteksi paling lama. Misal ada waktu 2 jam pegawai tidak terdeteksi maka analisa dapat di buat dimana pegawai selama 2 jam tersebut. Laporan berupa rentan time yang paling lama akan di beri tanda.

Actions (login required)

View Item