TRUNOJOYO-Tugas Akhir-20445-Abstract.pdf
Restricted to Repository staff only
Download (795kB)
TRUNOJOYO-Tugas Akhir-20445-Cover.pdf
Restricted to Repository staff only
Download (2MB)
TRUNOJOYO-Tugas Akhir-20445-Chapter 1.pdf
Restricted to Repository staff only
Download (802kB)
TRUNOJOYO-Tugas Akhir-20445-Chapter 2.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-20445-Chapter 3.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-20445-Chapter 4.pdf
Restricted to Repository staff only
Download (2MB)
TRUNOJOYO-Tugas Akhir-20445-Chapter 5.pdf
Restricted to Repository staff only
Download (790kB)
TRUNOJOYO-Tugas Akhir-20445-References.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-20445-Appendices.pdf
Restricted to Repository staff only
Download (1MB)
Abstract
Sistem absensi manual tidak praktis dalam proses perekapan absensi ke server pusat, karena harus diolah secara manual dan banyak kemungkinan human error. Data absensi tidak dapat langsung diupload ke server sehingga diperlukan sistem absensi yang terintegrasi agar dapat meminimalisir kesalahan dan kecurangan. Pada penelitian ini, dirancang alat untuk sistem dengan rfid yang akan mengidentifikasi id data sebagai input untuk database. Menggunakan metode K-Nearest Neighbor sebagai klasifikasi, jam masuk dan jam keluar dijadikan sebagai masukkan untuk data uji dan data latih yang diperoleh dari pembacaan id oleh RFID RC522 yang disematkan dalam modul absensi. Bertumpu pada NodeMCU untuk kebutuhan Internet of Things dan juga penggerak dari keseluruhan komponen di dalamnya, alat tersebut dapat diwujudkan dalam bentuk yang simpel dan menarik. Dari hasil pengujian yang telah dilakukan pada penelitian sistem dan modul absensi mendapatkan skor rata-rata waktu di bawah 10 second untuk 1 kali proses absensi, untuk klasifikasi menggunakan metode K-Nearest Neighbor dengan euclidean distance menghasilkan tingkat akurasi yang tinggi berturut-turut 66,67% - 100% sesuai dan dapat dikatakan sistem dan modul absensi ini sudah berjalan dengan baik dan efektif.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM ALIF AL HAMDA |
| Department | Teknik Elektro |
| Uncontrolled Keywords | Absensi, RFID, K-Nearest Neighbor, Euclidean Distance, Internet of Things. |
| Divisions | Fakultas Teknik > S1 - Teknik Elektro |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 17 Oct 2026 18:47 |
| Last Modified | 24 Oct 2026 17:17 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/28091 |
