<![CDATA[Sistem presensi pengenalan wajah berbasis cloud di BKPSDMD Kabupaten Bungo menghadapi kendala tingginya waktu tunda, biaya operasional server yang besar, dan rendahnya akurasi akibat buruknya kualitas citra yang diproses. Penelitian ini bertujuan mengoptimalkan sistem tersebut dengan beralih ke arsitektur pemrosesan lokal sepenuhnya (On-Device). Metode yang digunakan meliputi pemanfaatan framework Flutter, TensorFlow Lite dengan model MobileFaceNet, dan Google ML Kit. Sistem ini menerapkan fitur Real-Time Quality Validation untuk menyaring citra berkualitas buruk secara langsung, strategi Multi-Capture untuk menstabilkan pengambilan gambar, dan algoritma Cosine Similarity untuk pencocokan wajah. Hasil pengujian menunjukkan sistem mampu menolak 21,2% citra di bawah standar secara real-time. Arsitektur On-Device terbukti efisien dengan total waktu verifikasi 594 ms dibandingkan sistem cloud yang membutuhkan waktu 1385 ms, menghilangkan ketergantungan jaringan, serta melindungi privasi data. Tingkat keberhasilan verifikasi mencapai 69,2%. Kesimpulannya, meskipun akurasi sedikit di bawah komputasi cloud, sistem On-Device sangat direkomendasikan untuk presensi harian karena menawarkan kecepatan real-time, penghematan biaya, dan independensi penuh dari jaringan.]]>
Copyrights © 2026
