<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="102700">
 <titleInfo>
  <title>RANCANG BANGUN APLIKASI PRESENSI KELAS BERBASIS SISTEM FACE RECOGNITION MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN INDOOR POSITIONING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Andika Pratama</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA (S1)</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Pelaksanaan presensi perkuliahan adalah suatu kegiatan yang wajib dilakukan oleh mahasiswa dan dosen untuk membuktikan bahwa dirinya hadir saat proses perkuliahan. Pada tahun 2020, Jurusan Informatika Universitas Syiah Kuala (USK) sudah mengembangkan aplikasi presensi berbasis Android menggunakan teknologi Indoor Positioning System (IPS). Menggunakan teknologi IPS aplikasi presensi sudah mampu untuk menentukan lokasi dari mahasiswa yang melakukan kegiatan presensi, namun masih belum bisa memastikan identitas dari pengguna aplikasi. Salah satu teknologi yang dapat mengenali identitas dari penggunanya adalah teknologi Face Recognition. Maka dari itu penelitian ini bertujuan untuk mengembangkan sebuah sistem presensi mahasiswa yang memanfaatkan teknologi IPS dan Face Recognition untuk merekam kehadiran mahasiswa selama proses belajar-mengajar. Penelitian ini menggunakan teknologi IPS dengan memanfaatkan kekuatan sinyal dari Bluetooth Low Energy (BLE) dan menggunakan metode klasifikasi K-Nearest Neighbor (KNN) untuk menentukan lokasi mahasiswa. Kemudian, Face Recognition diterapkan menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur FaceNet. Arsitektur FaceNet digunakan untuk membuat fitur wajah yang selanjutnya diklasifikasi menggunakan Support Vector Machine (SVM). Pengujian akurasi terhadap IPS menghasilkan nilai akurasi sebesar 92,48% dengan menggunakan nilai K = 5. Pengujian akurasi Face Recognition menghasilkan nilai akurasi sebesar 95,85% terhadap total 41 sampel wajah mahasiswa. Pengujian waktu presensi menggunakan aplikasi menghasilkan rata-rata waktu 11,46 detik untuk mahasiswa selesai melakukan presensi. Hasil pengujian fungsionalitas menggunakan blackbox dan pengujian usability menggunakan Post-Study System Usability Questionnaire (PSSUQ) menunjukkan aplikasi berjalan dengan baik dan dapat diterima oleh penggunanya dengan skor usability adalah 5,73.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>102700</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-08-19 18:35:29</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-08-22 09:41:41</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>