Skripsi/Tugas Akhir

Perancangan Aplikasi Absensi Cerdas Berbasis Pengenalan Wajah Menggunakan OpenCV

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
Absensi kehadiran mahasiswa merupakan aspek penting dalam proses pembelajaran di Universitas Dipa Makassar. Namun, sistem absensi manual yang masih digunakan saat ini memiliki berbagai kelemahan, seperti potensi kecurangan melalui pemalsuan tanda tangan serta ketidakakuratan dalam pencatatan kehadiran. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan aplikasi absensi cerdas berbasis pengenalan wajah menggunakan OpenCV. Sistem ini memanfaatkan metode Multi-task Cascaded Convolutional Networks (MTCNN) untuk deteksi wajah. Hasil pengujian menunjukkan bahwa sistem mampu meningkatkan efisiensi pencatatan kehadiran serta mengurangi risiko kecurangan dibandingkan dengan metode manual. Pengujian black box mengonfirmasi bahwa seluruh fitur aplikasi berfungsi sesuai dengan yang diharapkan, termasuk deteksi wajah, pencatatan kehadiran, dan penyajian informasi kehadiran yang akurat. Dari segi performa, sistem memiliki akurasi sebesar 88%, presisi 100%, recall 54.5%, dan F1-score sebesar 70.5%. Meskipun terdapat beberapa keterbatasan dalam recall, sistem ini tetap mampu meningkatkan integritas data kehadiran dan mengurangi ketergantungan pada pengawasan manual. Dengan demikian, penerapan teknologi pengenalan wajah dalam sistem absensi di lingkungan akademik dapat menjadi solusi inovatif untuk meningkatkan keakuratan dan efisiensi pencatatan kehadiran mahasiswa.
Kata Kunci: Absensi Mahasiswa, Pengenalan Wajah, OpenCV, MTCNN

ABSTRACT
Student attendance is an important aspect in the learning process at Dipa University Makassar. However, the manual attendance system that is still used today has various weaknesses, such as the potential for fraud through signature forgery and inaccuracies in recording attendance. To overcome these problems, this research develops a face recognition-based intelligent attendance application using OpenCV. This system utilizes the Multi-task Cascaded Convolutional Networks (MTCNN) method for face detection. The test results show that the system is able to improve the efficiency of attendance recording and reduce the risk of fraud compared to the manual method. Black box testing confirmed that all application features functioned as expected, including face detection, attendance recording, and presentation of accurate attendance information. In terms of performance, the system has an accuracy of 60%, precision of 100%, recall of 54.5%, and F1-score of 70.5%. Despite some limitations in recall, the system is still able to improve the integrity of attendance data and reduce reliance on manual supervision. Thus, the application of face recognition technology in attendance systems in academic environments can be an innovative solution to improve the accuracy and efficiency of recording student attendance.
Keywords: Student Attendance, Face Recognition, OpenCV, MTCNN

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 MAN p - 0880TI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xiv + 72 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 22 Februari 2025

Subjek

Skripsi/Tugas Akhir
Face Recognition
Multi-task Cascaded Convolutional Networks

Lampiran File