Electronic Theses and Dissertation

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.

The implementation of lecture attendance is an activity that must be carried out by students and lecturers to prove that they are present during the lecture process. In 2020, the Department of Informatics at Syiah Kuala University (USK) has developed an Android-based attendance app using the Indoor Positioning System (IPS) technology. By using IPS technology, the attendance app has been able to determine the location of students who carry out attendance activities, but still cannot confirm the identity of the app user. There is a technology that can recognize the identity of the app user, which is called Face Recognition technology. Therefore, this study aims to develop a student attendance system that utilizes IPS and Face Recognition technology to record student attendance during the teaching and learning activity. This study uses IPS technology by utilizing the signal strength of Bluetooth Low Energy (BLE) and using the K-Nearest Neighbor (KNN) classification method to determine the location of students. Then, Face Recognition is applied using Convolutional Neural Network (CNN) algorithm with FaceNet architecture. FaceNet architecture is used to create facial features using a classification method called Support Vector Machine (SVM). Accuracy testing from IPS produces an accuracy value of 92.48% using a value of K = 5. Accuracy testing from Face Recognition produces an accuracy value of 96% for a total of 41 student face samples. Time attendance testing using the application produces an average time of 11.46 seconds for students to complete attendance. The results of functionality testing using blackbox and usability testing using the Post-Study System Usability Questionnaire (PSSUQ) show the application runs well and can be accepted by users with a usability score of 5.73.