Implementasi CNN untuk Sistem Absensi Wajah di Madrasah Diniyah
DOI:
https://doi.org/10.34010/komputika.v14i2.17490Abstract
Proses absensi manual di lingkungan pendidikan, khususnya Madrasah Diniyah, sering menimbulkan permasalahan seperti lambatnya pencatatan, adanya potensi kesalahan, serta kerentanan terhadap manipulasi data. Untuk mengatasi hal tersebut, penelitian ini bertujuan mengembangkan sistem absensi otomatis berbasis pengenalan wajah menggunakan metode Convolutional Neural Network (CNN). Sistem dirancang dengan memanfaatkan library OpenCV untuk pengolahan citra dan framework TensorFlow dalam bahasa pemrograman Python untuk pembangunan serta pelatihan model CNN. Dataset wajah siswa dikumpulkan secara langsung sebagai data pelatihan, kemudian model diuji pada kondisi cahaya terang, cahaya redup, jarak dekat, jarak sedang, dan sudut wajah miring guna mengukur akurasi sistem. Hasil penelitian menunjukkan bahwa sistem mampu melakukan identifikasi wajah secara real-time dengan tingkat akurasi rata-rata 86%, precision 87.5%, recall 85.2%, dan F1-score 86.3%. Model CNN yang digunakan terdiri atas tiga lapisan konvolusi dan dua lapisan pooling, dengan konfigurasi yang dioptimalkan untuk kondisi lingkungan madrasah. Kontribusi utama penelitian ini adalah menghadirkan solusi absensi yang efisien, akurat, dan kontekstual terhadap kebutuhan lembaga pendidikan keagamaan.
Kata Kunci – Absensi Otomatis; Face Recognition; Convolutional Neural Network; OpenCV
References
[1] Z. Syahputra, “Implementasi Deteksi Wajah pada Sistem Absensi Dengan Menerapkan Teknik Face Recognition,” Snastikom, vol. 1, no. 01, pp. 337–341, 2022.
[2] I. Mawarni and M. Mukhrijal, “Sistem Presensi Face Recognition dalam Meningkatkan Kinerja ASN di Kantor BKPSDM Kota Banda Aceh,” Journal of Governance and Social Policy, vol. 4, no. 1, pp. 24–43, 2023,
doi: https://doi.org/10.24815/gaspol.v4i1.31828.
[3] D. Setiawan, A. D. Putra, K. Stefani, and J. Felisa, “Implementasi Sistem Absensi Mahasiswa Menggunakan Face Recognition Berbasis CNN,” Media Informatika, vol. 20, no. 2, pp. 66–79, 2021,
doi: https://doi.org/10.37595/jmi.v20i2.252.
[4] A. E. Pramudit and M. B. Akbar, “Absensi dengan Pengenalan Wajah Menggunakan Convolutional Neural Network (CNN) dan Euclidean Distance,” Jurnal Info Digit, vol. 2, no. 2, pp. 616–631, 2024, doi: https://doi.org/10.56767/jid.v2i2.205.
[5] S. R. Suartika, I. W. Wijaya, and A. Y. Yudhi, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” Jurnal Teknik ITS, vol. 5, no. 1, pp. A76–A81, 2016,
doi: https://doi.org/10.12962/j23373539.v5i1.15823.
[6] U. S. Senarath, “Waterfall Methodology, Prototyping and Agile Development,” Technical Report, no. June, pp. 1–16, 2021,
doi: https://doi.org/10.13140/RG.2.2.17918.72001.
[7] R. H. Gunawan, “Pembuatan Absensi Berbasis Android Menggunakan Metode Waterfall untuk Program Studi Pendidikan Teknologi Informasi IPI Garut,” Gunahumas, vol. 2, no. 1, pp. 318–328, 2020,
doi: https://doi.org/10.17509/ghm.v2i1.23052.
[8] N. E. Alfia and B. Waseso, “Perancangan Aplikasi Retensi Data Pada Database MySQL (Studi Kasus: PT. Telkomsigma),” Maret, vol. 2, no. 3, pp. 2655–7541, 2020.
[9] M. Fasounaki, E. B. Yüce, S. Öncül, and G. Ince, “CNN-based Text-independent Automatic Speaker Identification Using Short Utterances,” 6th International Conference on Computer Science and Engineering (UBMK), pp. 413–418, 2021,
doi: https://doi.org/10.1109/UBMK52708.2021.9559031.
[10] D. D. Darmansah, N. W. Wardani, and M. Y. Fathoni, “Perancangan Absensi Berbasis Face Recognition pada Desa Sokaraja Lor Menggunakan Platform Android,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 8, no. 1, pp. 91–104, 2021, doi: https://doi.org/10.35957/jatisi.v8i1.629.
[11] H. Kurniawan, K. Kusrini, and K. Kusnawi, “Klasifikasi Pengenalan Wajah Siswa pada Sistem Kehadiran dengan Menggunakan Metode Convolutional Neural Network,” Jurnal Media Informatika Budidarma, vol. 7, no. 2, pp. 846–852, Apr. 2023, doi: https://doi.org/10.30865/mib.v7i2.5958.
[12] A. Fahrezi, F. N. Salam, G. M. Ibrahim, R. R. Syaiful, and A. Saifudin, “Pengujian Black Box Testing pada Aplikasi Inventori Barang Berbasis Web di PT. AINO Indonesia,” LOGIC: Jurnal Ilmu Komputer dan Pendidikan, vol. 1, no. 1, pp. 1–5, 2022, doi: https://doi.org/10.30591/logic.v1i1.3212.
[13] Uminingsih, M. N. Ichsanudin, M. Yusuf, and S. Suraya, “Pengujian Fungsional Perangkat Lunak Sistem Informasi Perpustakaan dengan Metode Black Box Testing bagi Pemula,” STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer, vol. 1, no. 2, pp. 1–8, 2022, doi: https://doi.org/10.55123/storage.v1i2.270.
[14] M. Zufar, “Introductory Computer Vision and Image Processing,” Sensor Review, vol. 18, no. 3, pp. 2–4, 1998, doi: https://doi.org/10.1108/sr.1998.08718cae.001.
[15] N. S. Fauziah and R. D. Dana, “Implementasi Algoritma Naive Bayes dalam Klasifikasi Status Kesejahteraan Masyarakat Desa Gunungsari,” Blend Sains: Jurnal Teknik, vol. 1, no. 4, pp. 295–305, 2023, doi: https://doi.org/10.56211/blendsains.v1i4.234.
[16] M. F. Isputrawan and S. Suriyanti, “Pengembangan Aplikasi Absensi Berbasis Web Menggunakan Face Recognition,” Jurnal Teknoinfo, vol. 17, no. 1, pp. 55–62, 2023, doi: https://doi.org/10.33365/jti.v17i1.2243.
[17] S. Lawrence, C. L. Giles, A. C. Tsoi, and A. D. Back, “Face Recognition: A Convolutional Neural-Network Approach,” IEEE Transactions on Neural Networks, vol. 8, no. 1, pp. 98–113, 1997, doi: https://doi.org/10.1109/72.554195.
[18] O. M. Parkhi, A. Vedaldi, and A. Zisserman, “Deep Face Recognition,” Proceedings of the British Machine Vision Conference (BMVC), 2015, doi: https://doi.org/10.5244/C.29.41.
