Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Angkasa: Jurnal Ilmiah Bidang Teknologi eProceedings of Engineering
Rafieldo, Ricky Marcelino
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Aplikasi Pengenalan Wajah Pada Presensi Perkuliahan Menggunakan Facenet Rafieldo, Ricky Marcelino; Usman, Uke Kurniawan; Putra, Heru Syah
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem presensi mahasiswa yang masihmenggunakan metode manual atau semi-manual seringkalirentan terhadap kesalahan pencatatan dan penyalahgunaanyang dapat menggangu proses evaluasi akademik. Teknologipengenalan wajah dapat menjadi solusi dengan memungkinkanproses identifikasi individu secara unik berdasarkankarakteristik fitur wajah dan pencatatan presensi secaraotomatis dan real-time. Penelitian ini bertujuan untukmengembangkan sistem presensi pengenalan wajahmenggunakan Google ML Kit dan Facenet pada aplikasimobile. Pengujian dilakukan dengan variasi jarak,pencahayaan, dan pengunaan aksesoris untuk mengujikehandalan sistem dalam kondisi nyata. Hasil pengujianmenunjukkan akurasi 100% pada jarak 50 cm, 100 cm, dan 150cm, meskipun waktu pengenalan meningkat menjadi lambatdari 1,328 detik pada jarak 50 cm menjadi 1,963 detik padajarak 150 cm. Akurasi menurun dalam kondisi cahaya gelap,dan penggunaan aksesoris secara bersamaan seperti topi dankacamata dapat mengurangi akurasi hingga 78,75%. Selain itu,sistem memiliki False Acceptance Rate (FAR) sebesar 10% saatmengujji wajah di luar database. Secara umum, sistempengenalan wajah yang dikembangkan mampu memberikanakurasi tinggi dalam kondisi ideal, namun masih memerlukanoptimasi untuk kondisi lingkungan yang bervariasi.Kata kunci— Sistem Presensi, Pengenalan Wajah, GoogleML Kit, Facenet, Akurasi
Aplikasi Pengenalan Wajah Pada Presensi Perkuliahan Menggunakan Facenet Rafieldo, Ricky Marcelino; Usman, Uke Kurniawan; Putra, Heru Syah
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem presensi mahasiswa yang masihmenggunakan metode manual atau semi-manual seringkalirentan terhadap kesalahan pencatatan dan penyalahgunaanyang dapat menggangu proses evaluasi akademik. Teknologipengenalan wajah dapat menjadi solusi dengan memungkinkanproses identifikasi individu secara unik berdasarkankarakteristik fitur wajah dan pencatatan presensi secaraotomatis dan real-time. Penelitian ini bertujuan untukmengembangkan sistem presensi pengenalan wajahmenggunakan Google ML Kit dan Facenet pada aplikasimobile. Pengujian dilakukan dengan variasi jarak,pencahayaan, dan pengunaan aksesoris untuk mengujikehandalan sistem dalam kondisi nyata. Hasil pengujianmenunjukkan akurasi 100% pada jarak 50 cm, 100 cm, dan 150cm, meskipun waktu pengenalan meningkat menjadi lambatdari 1,328 detik pada jarak 50 cm menjadi 1,963 detik padajarak 150 cm. Akurasi menurun dalam kondisi cahaya gelap,dan penggunaan aksesoris secara bersamaan seperti topi dankacamata dapat mengurangi akurasi hingga 78,75%. Selain itu,sistem memiliki False Acceptance Rate (FAR) sebesar 10% saatmengujji wajah di luar database. Secara umum, sistempengenalan wajah yang dikembangkan mampu memberikanakurasi tinggi dalam kondisi ideal, namun masih memerlukanoptimasi untuk kondisi lingkungan yang bervariasi. Kata kunci— Sistem Presensi, Pengenalan Wajah, GoogleML Kit, Facenet, Akurasi
Face Recognition Application for Lecture Attendance Using FaceNete Rafieldo, Ricky Marcelino; Usman, Uke Kurniawan; Putra, Heru Syah
Angkasa: Jurnal Ilmiah Bidang Teknologi Vol 17, No 2 (2025)
Publisher : Institut Teknologi Dirgantara Adisutjipto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28989/angkasa.v17i2.3103

Abstract

Student Attendance Systems that still rely on manual or semi-manual methods are often prone to recording errors and misuse, which can disrupt the academic evaluation process. Facial recognition technology can offer a solution by enabling the unique identification of individuals based on facial features and allowing automatic, real-time attendance recording. This study aims to develop a facial recognition attendance system using Google ML Kit and FaceNet in a mobile application. Testing was conducted under various conditions, including different distances, lighting, and the use of accessories, to evaluate the system's reliability in real-world scenarios. The results show 100% accuracy at distances of 50 cm, 100 cm, and 150 cm, although recognition time slowed from 1.328 seconds at 50 cm to 1.963 seconds at 150 cm. Accuracy decreased in low-light conditions, and the simultaneous use of accessories such as hats and glasses reduced accuracy to 78.75%. Additionally, the system exhibited a False Acceptance Rate (FAR) of 10% when tested with faces outside the database. Overall, the developed facial recognition system demonstrates high accuracy under ideal conditions but still requires optimization for varying environmental conditions.
Co-Authors Heru Syah Putra Uke Kurniawan Usman