KLASIFIKASI CITRA WAJAH MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN HAAR CASCADE DALAM SISTEM PRESENSI CERDAS

Sapriani Gustina (Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Proklamasi 45 Yogyakarta.)
Rena Juwita Sari (Program Studi Teknik Mesin, Fakultas Teknik, Universitas Proklamasi 45 Yogyakarta)
Andri Prasetyo Nugroho (Program Studi Teknik Lingkungan, Fakultas Teknik, Universitas Proklamasi 45 Yogyakarta.)
Khoiro Umah (Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Proklamasi 45 Yogyakarta.)

Journal of Scientech Research and Development
Vol 8 No 1 (2026): JSRD, June 2026

Sistem presensi konvensional sering kali menghadapi kendala dalam hal efisiensi dan keamanan data, seperti risiko kecurangan "titip absen". Penelitian ini bertujuan untuk mengimplementasikan sistem presensi cerdas berbasis klasifikasi citra wajah guna meningkatkan akurasi dan otomatisasi pendataan kehadiran. Metode yang diusulkan mengintegrasikan algoritma Haar Cascade Classifier untuk tahap deteksi wajah dan K-Nearest Neighbor (KNN) untuk tahap klasifikasi identitas. Tahapan penelitian meliputi akuisisi data, pra-pemrosesan citra (seperti grayscale dan resizing), ekstraksi fitur, serta klasifikasi berdasarkan kedekatan jarak Euclidean. Hasil penelitian diharapkan menunjukkan bahwa penggunaan Haar Cascade mampu mendeteksi wajah secara real-time dengan efisien, sementara algoritma KNN memberikan tingkat akurasi yang optimal dalam mengenali wajah berdasarkan data latih yang tersedia. Sistem ini menghasilkan akurasi sebesar 97.5% ketika diterapkan pada kelas dalam program studi Teknologi Informasi, Universitas Proklamasi 45 Yogyakarta.