<![CDATA[Penelitian ini bertujuan mengembangkan sistem informasi keberadaan dosen dan karyawan di Gedung Elektro Politeknik Negeri Bengkalis menggunakan metode face recognition berbasis Haar Cascade untuk deteksi wajah dan Local Binary Pattern Histogram (LBPH) untuk klasifikasi wajah. Sistem memanfaatkan ESP32-CAM sebagai perangkat akuisisi citra dan aplikasi Python untuk antarmuka grafis (GUI) secara real-time. Pengujian dilakukan pada variasi jarak (0,5 m, 1 m, dan 2 m) serta kondisi pencahayaan (terang, sedang, gelap). Hasil menunjukkan akurasi deteksi wajah rata-rata mencapai 83%, dengan pencahayaan terang dan sedang menghasilkan akurasi 100%, sedangkan kondisi gelap turun hingga 50%. Akurasi pengenalan wajah rata-rata sebesar 60%, dengan rincian 92% pada jarak 0,5 m, 50% pada 1 m, dan 33% pada 2 m. Hasil ini menunjukkan bahwa sistem mampu memberikan informasi keberadaan cdosen dan karyawan secara real-time, meskipun kinerja masih terbatas oleh kualitas kamera 2 MP, kondisi pencahayaan, dan jumlah dataset terbatas. Penelitian ini memberikan kontribusi pada implementasi monitoring keberadaan berbasis face recognition di lingkungan kampus serta menjadi dasar pengembangan lebih lanjut dengan kamera resolusi tinggi, metode deep learning, dan integrasi sistem absensi.]]>
Copyrights © 2025
