<![CDATA[Sistem manual absensi di institusi pendidikan tidak efisien dan rentan terhadap praktik kejadian seperti penitipan absensi. Penelitian ini menjawab tantangan tersebut dengan mengembangkan sistem absensi siswa otomatis yang mengintegrasikan pengenalan wajah dengan deteksi keaslian ( deteksi keaktifan ). Sistem ini memanfaatkan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang efisien secara komputasi, sehingga cocok untuk lingkungan perangkat keras standar. Untuk mencegah serangan spoofing , diimplementasikan mekanisme deteksi kedipan mata berbasis algoritma Eye Aspect Ratio (EAR) menggunakan MediaPipe Face Mesh. Sistem dikembangkan dengan pendekatan Agile Scrum, dan kinerjanya dievaluasi menggunakan metrik akurasi, presisi, recall , False Acceptance Rate (FAR), dan False Rejection Rate (FRR). Hasil penelitian menunjukkan bahwa sistem yang diusulkan menawarkan solusi yang akurat, aman, dan efisien untuk modernisasi manajemen kehadiran siswa, dengan menyeimbangkan kinerja tinggi dan kepraktisan implementasi.]]>
Copyrights © 2026
