Sistem Presensi Pegawai dengan Face Recognition Menggunakan Deep Learning CNN
DOI:
https://doi.org/10.24002/jiaj.v4i2.7660Keywords:
Sistem Presensi, Face Recognition, dlib, CNN, OpenCVAbstract
Sistem presensi adalah sebuah sistem yang dikembangkan untuk mencatat kehadiran anggota sebuah instansi. Salah satu instansi yang menggunakan sistem tersebut ialah Universitas Atma Jaya Yogyakarta. Dikarenakan presensi masih menggunakan fingerprint dan scan QR, masih membuat antrean sehingga dibutuhkan presensi berbasis face recognition untuk mempercepat antrean presensi. Sistem yang menggunakan metode CNN dapat memprediksi wajah secara lebih akurat. Sistem presensi juga dilengkapi sebuah file yang akan menyimpan hasil presensi tersebut. Pengembangan dilakukan menggunakan PyCharm dengan bantuan library dlib, face_recognition, dan OpenCV menggunakan metode CNN. Penelitian ini telah berhasil mengembangkan sistem presensi dan dapat memudahkan pegawai untuk melakukan presensi dengan cepat serta dapat menyimpan data siapa saja yang telah melakukan presensi.
References
S. Wardoyo, R. Wiryadinata, and R. Sagita, “Sistem Presensi Berbasis Agoritma Eigenface Dengan Metode Principal Component Analysis,” Jurnal Setrum, vol. 3, no. 1, 2014.
B. Maryuni Susanto et al., “Sistem Keamanan Pintu Berbasis Pengenalan Wajah Menggunakan Metode Fisherface Security System Based On Face Recognition Using Fisherface Method.” Jurnal Ilmiah INOVASI, 17(1).
O. DOSPINESCU and I. POPA, “Face Detection and Face Recognition in Android Mobile Applications,” Informatica Economica, vol. 20, no. 1/2016, pp. 20–28, Mar. 2016, doi: 10.12948/issn14531305/20.1.2016.02.
Y. Bengio, I. Goodfellow, and A. Courville, “Deep Learning,” 2015. MIT Press.
K. H. Teoh, R. C. Ismail, S. Z. M. Naziri, R. Hussin, M. N. M. Isa, and M. S. S. M. Basir, “Face Recognition and Identification using Deep Learning Approach,” in Journal of Physics: Conference Series, IOP Publishing Ltd, Mar. 2021. doi: 10.1088/1742-6596/1755/1/012006.
S. Pencatatan et al., “Menggunakan Metode Convolutional Neural Network (CNN) Face Recognition-based Automatic Attendance Recording System in Classroom Using Convolutional Neural Network (CNN) Method,” 2018. [Online]. Available: https://ejournal.upi.edu/index.php/JATIKOM
T. Nurhikmat, “Implementasi Deep Learning Untuk Image Classification Menggunakan Algoritma Convolutional Neural Network (CNN) Pada Citra Wayang Golek,” Tugas Akhir, FMIPA UII, 2018.
I Nyoman Tri Anindia Putra, Ida Bagus Gede Dwidasmara, and I Gede Santi Astawa, “Perancangan dan Pengembangan Sistem Absensi Realtime Melalui Metode Pengenalan Wajah,” JST (Jurnal Sains dan Teknologi), 3(2). 2014.
R. Prathivi and Y. Kurniawati, “Sistem Presensi Kelas Menggunakan Pengenalan Wajah Dengan Metode Haar Cascade Classifier,” Jurnal SIMETRIS, vol. 11, no. 1, 2020.
N. Dewi and F. Ismawan, “Implementasi Deep Learning Menggunakan CNN Untuk Sistem Pengenalan Wajah,” Faktor Exacta, vol. 14, no. 1, p. 34, Mar. 2021, doi: 10.30998/faktorexacta.v14i1.8989.
D. King, “dlib C++ Library: High Quality Face Recognition with Deep Metric Learning.” Accessed: Jul. 03, 2023. [Online]. Available: http://blog.dlib.net/2017/02/high-quality-face-recognition-with-deep.html.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright of this journal is assigned to Jurnal Informatika Atma Jogja as the journal publisher by the knowledge of author, whilst the moral right of the publication belongs to author. Every printed and electronic publications are open access for educational purposes, research, and library. The editorial board is not responsible for copyright violation to the other than them aims mentioned before. The reproduction of any part of this journal (printed or online) will be allowed only with a written permission from Jurnal Informatika Atma Jogja .
