<?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="59077">
 <titleInfo>
  <title>IMPLEMENTASI PENGGUNAAN OPENCV PADA FACE RECOGNITION UNTUK SISTEM PRESENSI PERKULIAHAN MAHASISWA</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Santoso Banu</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">Riau</placeTerm>
   <publisher>Universitas Islam Indragiri</publisher>
   <dateIssued>2020</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Artikel Jurnal</form>
  <extent>hlm : 352-361</extent>
 </physicalDescription>
 <relatedItem type="series">
  <titleInfo/>
  <title>SISTEMASI : Jurnal Sistem Informasi</title>
 </relatedItem>
</mods>
<note>Abstract&#13;
&#13;
Abstrak— Data presensi perkuliahan pada perguruan tinggi menjadi suatu acuan dalam menunjukkan kredibilitas setiap mahasiswa yang digunakan oleh para dosen sebagai data untuk pemberian nilai mahasiswa sekaligus sebagai bahan evaluasi keberhasilan kegiatan belajar mengajar dalam perkuliahan, namun ada beberapa contoh kasus, terkait dengan data presensi mahasiswa yang saat ini marak terjadi pada dunia pendidikan atau perkuliahan adalah fenomena “Titip Absen”. Selain itu, masalah lainnya juga muncul dari pihak dosen dan pegawai tata usaha yakni kesulitan dalam memonitor kehadiran mahasiswa serta upaya memvalidasi data presensi karena jumlah data mahasiswa yang begitu banyak. Oleh karena itu dalam penelitian ini diajukan suatu sistem untuk mengurangi tingkat kecurangan dalam pengisian daftar presensi dan efektivitas pengolahan data mahasiswa dengan menggunakan sistem penerapan metode Face Recognition berbasis Open CV dengan metode Haar Cascade Classifier dan Local Binary Patterns Histograms (LBPH). Hasil penelitian Face Recognition ini berhasil mendeteksi apabila semua pengguna yang dipresensikan telah terdaftar ke sistem, dengan jarak jangkauan optimal Face Recognition agar terdeteksi sampai 150 cm. Sedangkan Face Recognition tidak berhasil terdeteksi apabila ada obstacle menutupi objek wajah dan jarak melebihi dari 150 cm.&#13;
</note>
<note type="statement of responsibility"></note>
<subject authority="">
 <topic>Sistem Informasi</topic>
</subject>
<classification>SISTEMASI</classification>
<identifier type="isbn">23028149</identifier>
<location>
 <physicalLocation>Perpustakaan Teknik UPI YAI </physicalLocation>
 <shelfLocator>SISTEMASI V9N2 Mei 2020</shelfLocator>
 <holdingSimple>
  <copyInformation>
   <numerationAndChronology type="1">SISTEMASI1-013</numerationAndChronology>
   <sublocation>Perpustakaan FT UPI YAI</sublocation>
   <shelfLocator>SISTEMASI V9N2 Mei 2020</shelfLocator>
  </copyInformation>
 </holdingSimple>
</location>
<slims:image>cover_issue_30_en_US.png.png</slims:image>
<recordInfo>
 <recordIdentifier>59077</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-02-17 13:58:49</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-02-17 13:58:49</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>