BSIBSI

INSANtekINSANtek

Presensi kehadiran merupakan aspek penting dalam berbagai institusi seperti pendidikan, pemerintahan, maupun sektor swasta. Metode konvensional seperti tanda tangan manual atau kartu identitas masih memiliki kelemahan seperti rawan pemalsuan, keterlambatan, dan kurangnya efisiensi. Penelitian ini bertujuan untuk mengoptimalkan sistem presensi berbasis teknologi face recognition menggunakan bahasa pemrograman Python dan pustaka OpenCV. Sistem dirancang agar mendeteksi dan mengenali wajah secara otomatis melalui pemrosesan citra digital dan penerapan algoritma pembelajaran mesin. Pengembangan menggunakan Rapid Application Development (RAD) melibatkan perencanaan kebutuhan, prototipe, pengujian, dan implementasi akhir. Algoritma Histogram of Oriented Gradients (HOG) untuk deteksi fitur wajah dan Convolutional Neural Network (CNN) untuk klasifikasi dan pengenalan wajah secara akurat digunakan. Data kehadiran disimpan real‑time di database SQLite atau MySQL. Hasil pengujian menunjukkan sistem dapat mengenali wajah dengan akurasi tinggi bahkan dalam kondisi pencahayaan bervariasi. Dengan demikian, sistem diharapkan meningkatkan efisiensi, keakuratan, dan keamanan proses presensi serta menjadi solusi inovatif dalam transformasi digital di berbagai bidang.

Penelitian ini berhasil menunjukkan bahwa sistem presensi berbasis face recognition menggunakan Python dan OpenCV dapat diimplementasikan secara efektif untuk menggantikan metode konvensional yang memiliki keterbatasan.Hasil integrasi HOG dan CNN mencapai tingkat akurasi tinggi dan kecepatan identifikasi baik, mampu beroperasi pada kondisi pencahayaan beragam.Keunggulan sistem ini, dibandingkan RFID dan PIN manual, memperkuat potensi implementasinya di lingkungan pendidikan maupun industri, sementara pengembangan lebih lanjut disarankan dengan model deep learning terkini dan uji skala luas.

Pertimbangkan pengembangan sistem presensi berbasis face recognition yang dapat beradaptasi dengan kondisi pencahayaan ekstrem dan cuaca berbeda, sehingga melibatkan pengambilan data dalam berbagai situasi untuk meningkatkan ketahanan algoritma. Selanjutnya, lakukan penelitian tentang integrasi sistem ini dengan platform manajemen kepegawaian berbasis cloud, sehingga data biometrik dapat disinkronisasi secara real‑time dan dilengkapi dengan fitur pelaporan otomatis. Akhirnya, teliti penerapan model transformer visual (ViT) atau model arsitektur terkini dalam pipeline CNN untuk menilai peningkatan akurasi dan efisiensi pemrosesan pada perangkat mobile dan edge devices.

  1. A robust deformed convolutional neural network (CNN) for image denoising - Zhang - 2023 - CAAI Transactions... doi.org/10.1049/cit2.12110A robust deformed convolutional neural network CNN for image denoising Zhang 2023 CAAI Transactions doi 10 1049 cit2 12110
  2. IMPLEMENTASI FACE RECOGNITION PADA SISTEM PRESENSI MAHASISWA MENGGUNAKAN METODE SSD DAN LBPH | Jurnal... ojs.cbn.ac.id/index.php/jukanti/article/view/1207IMPLEMENTASI FACE RECOGNITION PADA SISTEM PRESENSI MAHASISWA MENGGUNAKAN METODE SSD DAN LBPH Jurnal ojs cbn ac index php jukanti article view 1207
Read online
File size364.03 KB
Pages7
DMCAReport

Related /

ads-block-test