<![CDATA[Perkembangan teknologi kecerdasan artifisial menghadirkan peluang baru dalam peningkatan efisiensi administrasi akademik, termasuk dalam proses presensi siswa. Sistem presensi konvensional seperti barcode atau sidik jari masih dinilai kurang efektif untuk siswa sekolah dasar karena risiko kartu mudah hilang, antrian panjang, serta kegagalan pemindaian yang cukup sering terjadi. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan merancang dan mengimplementasikan sistem presensi siswa berbasis pengenalan wajah menggunakan algoritma Convolutional Neural Network (CNN) yang mampu bekerja secara real-time. Metode penelitian mencakup studi literatur, pengumpulan data primer berupa 320 foto wajah siswa Kelas 5 di SDN 01 Muara Enim, serta proses pengolahan data melalui normalisasi, konversi ke skala abu-abu, dan augmentasi (rotasi, flip, dan zoom) untuk meningkatkan variasi data. Model CNN kustom yang dibangun terdiri dari beberapa lapisan Convolution2D, Max Pooling, Dense, dan Dropout. Hasil sementara menunjukkan bahwa model yang diusulkan mencapai akurasi 96,8%, presisi 95,4%, dan recall 94,7%, serta memiliki performa Confusion Matrix yang lebih baik dibandingkan model pre-trained seperti VGG16 dan ResNet. Model terbaik kemudian diintegrasikan ke dalam prototipe sistem presensi yang terdiri atas aplikasi Android on-device dan website admin berbasis cloud. Temuan sementara ini menunjukkan bahwa penggunaan CNN berpotensi meningkatkan keakuratan, efisiensi, dan keandalan proses presensi siswa di lingkungan sekolah dasar.]]>
Copyrights © 2025
