<![CDATA[Penelitian ini bertujuan untuk mengembangkan sebuah sistem absensi otomatis berbasis pengenalan wajah yang andal, akurat, dan aman untuk digunakan dalam lingkungan pendidikan maupun organisasi. Proses pengembangan dilakukan menggunakan metode Waterfall, dimulai dari analisis kebutuhan, perancangan sistem, implementasi, hingga tahap pengujian. Sistem dirancang dengan memanfaatkan arsitektur jaringan Inception-ResNet yang dikenal memiliki performa tinggi dalam ekstraksi fitur wajah. Model dilatih menggunakan dataset VGGFace2, yang memiliki keragaman tinggi sehingga mampu meningkatkan kemampuan generalisasi sistem. Pelatihan dilakukan selama 8 epoch dan menunjukkan peningkatan akurasi signifikan, yakni dari 56% pada awal pelatihan menjadi 98% pada akhir pelatihan, disertai penurunan nilai loss dari 1,9599 menjadi 0,0730. Evaluasi lebih lanjut menggunakan dataset Labeled Faces in the Wild (LFW) menghasilkan akurasi 96,13%, sementara akurasi validasi mencapai 93,51%. Hal ini menunjukkan bahwa model memiliki ketahanan yang baik terhadap variasi pencahayaan, ekspresi wajah, serta sudut pengambilan gambar. Demi meningkatkan keamanan, sistem ditambahkan modul anti-spoofing berbasis Silent Face Anti-Spoofing untuk mendeteksi upaya manipulasi seperti penggunaan foto atau rekaman video. Implementasi antarmuka dilakukan menggunakan Streamlit sehingga memungkinkan proses absensi secara real-time melalui perangkat berkamera. Hasil penelitian mengindikasikan bahwa sistem absensi yang dikembangkan tidak hanya efektif dan akurat, tetapi juga aman digunakan, serta memiliki potensi untuk dikembangkan menjadi layanan cloud yang skalabel di masa mendatang.]]>
Copyrights © 2026
