<![CDATA[Sistem pencatatan kehadiran konvensional berbasis lembar tanda tangan maupun kartu fisik rentan terhadap kecurangan presensi, antrean panjang, dan inefisiensi administrasi. Teknologi computer vision menawarkan otomatisasi presensi tanpa kontak fisik, namun implementasinya di lingkungan institusi pendidikan sering terkendala kebutuhan pemrosesan banyak wajah secara simultan, pemantauan waktu nyata, serta fleksibilitas pendaftaran pengguna baru tanpa mematikan sistem. Penelitian ini merancang dan membangun sistem presensi multi-wajah real-time berbasis web terpadu dengan mengintegrasikan Multi-task Cascaded Convolutional Networks (MTCNN) untuk deteksi wajah, FaceNet (Inception-ResNet-v1) untuk ekstraksi representasi fitur 512-dimensi, dan Centroid Tracker untuk pelacakan lintasan temporal antar-frame video. Sistem dilengkapi antarmuka web Flask dengan fitur inovatif Pending Enrollment yang memfasilitasi pendaftaran wajah baru langsung dari aliran video aktif tanpa server downtime. Pengujian fungsional black-box menunjukkan seluruh delapan skenario fitur utama berhasil seratus persen. Pengujian throughput pada prosesor CPU standar menghasilkan kecepatan 14.99 hingga 17.59 frame per detik dengan optimasi frame-skip. Pada validasi operasional menggunakan rekaman video lorong pengawasan nyata ChokePoint resolusi 800x600 piksel, sistem berhasil mendeteksi dan melacak multi-wajah secara simultan dengan akurasi pengenalan subjek terdaftar 84.0 persen, False Acceptance Rate nol persen, dan tanpa kejadian pertukaran identitas. Prototipe ini terbukti stabil, efisien, dan siap diimplementasikan untuk otomatisasi presensi cerdas di lingkungan kampus.]]>
Copyrights © 2026
