KLASIFIKASI PENGENALAN WAJAH SISWA PADA SISTEM KEHADIRAN DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)
DOI:
https://doi.org/10.46576/djtechno.v6i1.6017Abstrak
Pengelolaan kehadiran yang konvensional sering kali memakan waktu dan rentan terhadap kesalahan manusia. Oleh karena itu, diperlukan suatu inovasi untuk meningkatkan sistem pengelolaan kehadiran yang lebih akurat, cepat, dan efisien. Pengenalan wajah telah menjadi salah satu teknologi yang semakin populer dalam berbagai aplikasi, termasuk dalam bidang pendidikan. Teknologi ini menawarkan solusi yang efisien dan inovatif untuk mengatasi tantangan dalam sistem kehadiran siswa. Artificial Intelligence, sebagai cabang dari ilmu komputer, bertujuan untuk menciptakan sistem yang mampu melakukan tugas-tugas yang biasanya membutuhkan kecerdasan manusia, seperti pengambilan keputusan, pengenalan pola, dan pembelajaran dari data. Salah satu algoritma yang dapat digunakan adalah Convolutional Neural Network (CNN) yang telah menunjukkan performa yang sangat baik dalam tugas pengenalan wajah, terutama dalam hal ekstraksi fitur dan klasifikasi gambar. Penelitian ini bertujuan untuk mengembangkan model klasifikasi pengenalan wajah siswa pada sistem kehadiran dengan menggunakan metode Convolutional Neural Network (CNN). Penelitian ini menyimpulkan bahwa melakukan retrain pada 50 layers akhir dan 4 layers custom dapat meningkatkan accuracy untuk arsitektur MobileNetV2 mencapai 25% sedangkan ResNetV2 mencapai 26%. Selain itu, skenario dua yang menggunakan arsitektur MobileNetV2 menghasilkan model terbaik dengan nilai precision 92%, recall 91% dan accuracy 91%.Referensi
R. V. Talumepa, D. A. Putra, and H. Soetanto, “Sistem Presensi Pendeteksi Wajah menggunakan Metode Modified Region Convolutional Neural Network dan PCA,” Edumatic J. Pendidik. Inform., vol. 8, no. 1, pp. 46–55, 2024, doi: 10.29408/edumatic.v8i1.25207.
Miftakhurrokhmat, R. A. Rajagede, and R. Rahmadi, “Presensi Kelas Berbasis Pola Wajah, Senyum dan Wi-Fi Terdekat dengan Deep Learning,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 10, pp. 31–38, 2021.
L. P. A. S. Tjahyanti, P. S. Saputra, and M. S. Gitakarma, “Peran Artificial Intelligence (Ai) Untuk Mendukung Pembelajaran di Masa Pandemi Covid-19,” J. Komput. dan Teknol. Sains, vol. 1, no. 1, pp. 15–21, 2022.
S. F. Ahmed et al., Deep learning modelling techniques : current progress , applications , advantages , and challenges, vol. 56, no. 11. Springer Netherlands, 2023.
E. Tarigan, R. S. Naibaho, and A. Satria, “Pengenal Wajah Menggunakan Metode Viola Jones Dengan Menggunakan Aplikasi Matlab 2015,” Djtechno J. Teknol. Inf., vol. 4, no. 1, pp. 82–89, 2023, doi: 10.46576/djtechno.
I. N. G. A. Astawa, M. L. Radhitya, I. W. R. Ardana, and F. A. Dwiyanto, “Face Images Classification using VGG-CNN,” Knowl. Eng. Data Sci., vol. 4, no. 1, pp. 49–54, 2021.
D. Razaqa, M. R. Al Maghribi, N. D. Gunasti, and T. Wati, “Analisis Etika dan Dampak Penggunaan Sistem Pengenalan Wajah untuk Manajemen Kehadiran di Lingkungan Sekolah,” J. Inform., vol. 20, no. 2, pp. 50–57, 2024.
R. Rambe and L. Abdurrahman, “Implikasi Etika dan Hukum Dalam Penggunaan Teknologi Pengenalan Wajah: Perlindungan Privasi Versus Keamanan Publik,” J. Huk. Caraka Justitia, vol. 4, no. 2, pp. 90–104, 2024, doi: https://doi.org/10.30588/jhcj.v4i2.1828.
G. A. Anarki, K. Auliasari, and M. Orisa, “Penerapan Metode Haar Cascade pada Aplikasi Deteksi Masker,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 1, pp. 179–186, 2021.
V. Varkarakis and P. Corcoran, “Dataset Cleaning - A Cross Validation Methodology for Large Facial Datasets using Face Recognition,” IEEE Access, pp. 0–5, 2020.
I. A. DLY, Jasril, S. Sanjaya, L. Handayani, and F. Yanto, “Klasifikasi Citra Daging Sapi dan Babi Menggunakan CNN Alexnet dan Augmentasi Data,” J. Inf. Syst. Res., vol. 4, no. 4, pp. 1176–1185, 2023, doi: 10.47065/josh.v4i4.3702.
A. Rahim and K. Kusrini, “Convolutional Neural Network untuk Kalasifikasi Penggunaan Masker,” Inspir. J. Teknol. Inf. dan Komun., vol. 10, no. 2, pp. 109–115, 2021, doi: 10.35585/inspir.v10i2.2569.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Pernyataan Hak Cipta dan Lisensi
- Hak Cipta atas naskah-naskah karya ilmiah di dalam Jurnal ini dipegang oleh Penulis.
- Penulis menyerahkan hak saat pertama kali mempublikasi Naskah karya ilmiahnya dan secara bersamaan Penulis memberikan izin/lisensi dengan mengacu pada Creative Commons Attribution-ShareAlike 4.0 International License kepada pihak lain untuk menyebarkan karya ilmiahnya tersebut dengan tetap mencantumkan penghargaan bagi penulis dan Djtechno sebagai media Publikasi pertama atas karya tersebut.
- Hal-hal yang berkaitan dengan non-eksklusivitas pendistribusian Jurnal yang menerbitkan karya ilmiah penulis dapat diperjanjikan secara terpisah (contoh: permintaan untuk menempatkan karya yang dimaksud pada perpustakaan suatu institusi atau menerbitkannya sebagai buku) dengan Penulis sebagai salah satu pihak perjanjian dan dengan penghargaan pada Djtechno sebagai media publikasi pertama atas karya dimaksud.
- Penulis dapat dan diharapkan untuk mengumumkan karyanya secara online (misalnya pada Repositori atau pada laman Organisai/Institusinya) sejak sebelum dan selama proses pengumpulan naskah, sebab upaya tersebut dapat meningkatkan pertukaran citasi lebih awal dan dengan cakupan yang lebih luas.
