<![CDATA[Pencatatan kehadiran manual di laboratorium PENS masih rawan kesalahan dan titip absen. Penelitian ini mengembangkan sistem presensi otomatis berbasis deteksi wajah menggunakan YOLOv11n yang diintegrasikan dengan CCTV (RTSP) dan pemrosesan edge di Mini PC. Arsitektur mencakup akuisisi video RTSP, prapemrosesan OpenCV, inferensi model YOLOv11n, penyimpanan data kehadiran pada MySQL, serta dasbor web (HLS) untuk pemantauan real‑time. Evaluasi pada dataset uji menunjukkan Precision 96,8%, Recall 100%, mAP@0,5 99,5%, dan mAP@0,5:0,95 78,1%. Pengujian operasional memperlihatkan FPS 22–25 dan penurunan confidence seiring jarak 1–3 m. Perbandingan streaming RTSP langsung vs. HLS‑FFmpeg menunjukkan beban CPU turun dari 75–90% menjadi 5–10% dengan stabilitas stream meningkat dan latensi end‑to‑end ~0,8–1,2 s yang masih layak untuk use case presensi. Sistem meningkatkan efisiensi rekam kehadiran, mengurangi kecurangan, dan menjadi fondasi integrasi pengembangan Smart Laboratory PENS.]]>
Copyrights © 2025
