<![CDATA[Studi ini berfokus pada pengembangan aplikasi absensi berbasis web yang memanfaatkan teknologi pengenalan wajah untuk mengatasi keterbatasan sistem absensi manual, seperti inefisiensi, kesalahan, dan kerentanan terhadap penipuan. Sistem yang diusulkan menggunakan algoritma Scale-Invariant Feature Transform (SIFT) untuk mengekstraksi fitur wajah, memastikan pengenalan yang akurat dalam berbagai kondisi. Set data terdiri dari 537 gambar wajah yang diberi anotasi, diproses terlebih dahulu melalui pengubahan ukuran dan konversi skala abu-abu untuk meningkatkan ekstraksi fitur. Pelatihan model, yang diimplementasikan dengan YOLOv8, mencapai akurasi 97,05%, presisi rata-rata rata-rata (mAP) 0,975, dan skor F1 0,95, yang menunjukkan keandalan deteksi dan pengenalan wajah yang tinggi. Aplikasi ini terintegrasi dengan REST API, yang memungkinkan verifikasi absensi waktu nyata dengan mencocokkan gambar wajah yang diambil dengan basis data terpusat. Meskipun sistem menghadapi tantangan dalam mengenali profil samping dan kondisi cahaya redup, sistem ini secara signifikan meningkatkan manajemen absensi dengan mengotomatiskan proses, meminimalkan kesalahan, dan meningkatkan keamanan data. Peningkatan di masa mendatang dapat menggabungkan teknik pembelajaran mendalam dan integrasi yang lebih luas dengan sistem manajemen personalia untuk mengoptimalkan kinerja, skalabilitas, dan efisiensi operasional.]]>
Copyrights © 2024
