Sistem Presensi Mahasiswa Berbasis Pengenalan Wajah Parsial Menggunakan Metode CNN Pada Kondisi
DOI:
https://doi.org/10.29407/pegppe71Keywords:
CNN, pengenalan wajah parsial, presensi mahasiswa, sistem presensiAbstract
Sistem presensi mahasiswa secara manual memiliki berbagai kelemahan, seperti kurang efisien dan berpotensi menimbulkan kecurangan. Selain itu, penggunaan masker menyebabkan penurunan akurasi pada sistem presensi berbasis pengenalan wajah. Penelitian ini bertujuan untuk mengembangkan sistem presensi mahasiswa berbasis pengenalan wajah parsial menggunakan metode Convolutional Neural Network (CNN) yang tetap mampu mengenali wajah meskipun sebagian tertutup masker. Sistem dibangun dengan memanfaatkan bahasa pemrograman Python untuk pengolahan citra dan pelatihan model, PHP sebagai antarmuka berbasis web, serta basis data MySQL melalui phpMyAdmin untuk pengelolaan data presensi. Proses identifikasi difokuskan pada area wajah yang tidak tertutup masker, khususnya bagian mata dan dahi, guna meningkatkan akurasi pengenalan. Hasil pengujian menunjukkan bahwa sistem mampu melakukan presensi secara otomatis dengan tingkat akurasi yang baik pada kondisi penggunaan masker. Dengan demikian, sistem ini dapat menjadi solusi presensi mahasiswa yang lebih efektif dan relevan dengan kondisi pembelajaran saat ini.
Downloads
References
[1] R. A. Setiawan, R. A. Raksa, and H. Fathi, “PEMANFAATAN QR-CODE PADA SISTEM PRESENSI PERKULIAHAN MAHASISWA,” Ramatekno, vol. 4, no. 2, pp. 51–63, Nov. 2024, doi: 10.61713/JRT.V4I2.199.
[2] M. R. A. Prayogo, D. K. Sulistiana, and Y. E. Febrianto, “Sistem Absensi Menggunakan Open CV Berbasis Pengenalan Wajah,” Semin. Nas. Teknol. Sains, vol. 4, no. 1, pp. 713–719, Feb. 2025, doi: 10.29407/7TZ86444.
[3] F. Yusuf, I. Lesmana, and H. P. Bagja, “Implementasi Convolutional Neural Network (CNN) untuk Sistem Presensi Mahasiswa Berbasis Pengenalan Wajah,” Buffer Inform., vol. 11, no. 1, pp. 47–56, Apr. 2025, doi: 10.25134/BUFFER.V11I1.367.
[4] D. Aldiani, G. Dwilestari, H. Susana, R. Hamonangan, and D. Pratama, “Implementasi Algoritma CNN dalam Sistem Absensi Berbasis Pengenalan Wajah,” J. Inform. Polinema, vol. 10, no. 2, pp. 197–202, Feb. 2024, doi: 10.33795/JIP.V10I2.4852.
[5] R. Sastra, N. Musyafa, and B. Wijonarko, “Optimalisasi Sistem Presensi Berbasis Face Recognition dengan Python dan OpenCV,” INSANtek, vol. 6, no. 1, pp. 36–42, May 2025, doi: 10.31294/INSANTEK.V6I1.8760.
[6] F. A. Cahyadewi et al., “Pengaruh Penambahan Arsitektur Model dalam Klasifikasi Citra Bencana Alam Menggunakan Ensemble Learning,” J. FASILKOM, vol. 15, no. 2, pp. 280–289, Aug. 2025, doi: 10.37859/JF.V15I2.9103.
[7] P. Amalia et al., “IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN OPTIMIZER ADAM DALAM DETEKSI EMOSIONALPADA WAJAH MANUSIA,” J. VOKASI Tek., vol. 3, no. 1, pp. 13–22, Jan. 2025, doi: 10.12345/xxxxx.
[8] S. Arnandito and T. B. Sasongko, “Comparison of EfficientNetB7 and MobileNetV2 in Herbal Plant Species Classification Using Convolutional Neural Networks,” J. Appl. Informatics Comput., vol. 8, no. 1, pp. 176–185, Jul. 2024, doi: 10.30871/JAIC.V8I1.7927.
[9] A. Fabian Azmi, A. Voutama, S. Karawang Jl HSRonggo Waluyo, and T. Timur, “Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Random Forest Dan Decision Tree Dengan Evaluasi Confusion Matrix,” Komputa J. Ilm. Komput. dan Inform., vol. 13, no. 1, pp. 111–119, Apr. 2024, doi: 10.34010/KOMPUTA.V13I1.12639.
[10] M. H. Sukriyandi, A. Solichin, and I. Komputer, “IDENTIFIKASI GARIS TELAPAK TANGAN DENGAN METODE MOBILENET CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK SISTEM PRESENSI SISWA,” Fakt. Exacta, vol. 16, no. 1, pp. 1979–276, Mar. 2023, doi: 10.30998/FAKTOREXACTA.V16I1.15138.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Septa Nanda Duwi Aditiya
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
