Pengembangan Aplikasi Presensi Berbasis Deep Learning

Abstrak

Sistem presensi berbasis pengenalan wajah menjadi solusi modern untuk mengatasi kelemahan metode presensi manual yang rawan manipulasi dan kesalahan pencatatan. Penelitian ini mengembangkan aplikasi presensi berbasis deep learning dengan menerapkan Convolutional Neural Network (CNN) menggunakan arsitektur MobileNetV2, VGG16, dan ResNet50 yang dioptimalkan untuk perangkat dengan sumber daya terbatas. Dataset wajah dikumpulkan secara mandiri dan melalui tahapan prapemrosesan, termasuk normalisasi, resizing, augmentasi, serta deteksi wajah dengan OpenCV. Model dilatih menggunakan TensorFlow dan Keras pada Google Colab dengan GPU. Lalu dievaluasi menggunakan confusion matrix yang hasil prediksinya akurat dan tingkat kesalahannya yang rendah. Serta dilakukan evaluasi melalui clasification report yang terdiri dari akurasi yang mencapai 0.98, precision 1.00, recall 1.00, dan F1-score 1.00 yang mencapai tingkat performa yang sangat tinggi sehingga menandakan bahwa tidak ada kesalahan prediksi yang terjadi. Aplikasi web berbasis Flask dirancang untuk menghubungkan model pengenalan wajah dengan antarmuka pengguna, serta diuji secara real-time untuk mengukur kecepatan dan akurasi presensi. Hasil penelitian menunjukkan bahwa aplikasi presensi berbasis CNN mampu memberikan alternatif presensi yang lebih aman, cepat, dan efisien dibandingkan metode konvensional.