Rancang Bangun Presensi Automatis Pendeteksi Wajah Menggunakan Webcam Berbasis IOT

Authors

  • Ebiet Wanda Lestari Program Studi Fisika, Universitas Hasanuddin, Makassar, Indonesia.
  • Bualkar Abdullah Program Studi Fisika, Universitas Hasanuddin, Makassar, Indonesia.
  • Arifin Hasanuddin University

DOI:

https://doi.org/10.23887/jstundiksha.v13i3.83172

Keywords:

Automatic presence, webcamp, face sensor, face recognition

Abstract

Presensi menjadi faktor penting karena terkadang disalahgunakan oleh mahasiswa untuk memanipulasi kehadiran. Penelitian ini bertujuan merancang dan mengembangkan sistem presensi otomatis berbasis Internet of Things (IoT) dengan teknologi deteksi wajah menggunakan webcam, serta menguji efektivitas sistem yang dihasilkan. Metode penelitian yang diterapkan adalah metode campuran dengan melibatkan 20 partisipan sebagai subjek penelitian, terdiri dari 10 orang yang diuji di dalam ruangan dan 10 orang di luar ruangan. Sistem ini melibatkan pengembangan perangkat lunak berupa bot Telegram, situs web, dan aplikasi berbasis Python. Data training citra wajah dikumpulkan dan disimpan dalam basis data sebagai acuan pengenalan untuk proses validasi presensi. Pengumpulan data dilakukan secara langsung di depan webcam pada jarak yang telah ditentukan; setelah wajah dikenali, data kehadiran akan diteruskan ke bot Telegram dan secara otomatis tercatat pada situs web. Efektivitas sistem dievaluasi berdasarkan akurasi pendeteksian wajah dan kecepatan presensi otomatis. Hasil pengujian menunjukkan bahwa, pada tingkat pencocokan 75%, dengan kondisi pencahayaan luar ruangan dan jarak pengenalan antara 20 hingga 70 cm, sistem mampu mencapai akurasi 100% dengan waktu deteksi rata-rata 61 detik untuk 10 orang. Sistem ini menawarkan keunggulan praktis dalam mendeteksi kecurangan presensi serta efisien dari segi waktu dan biaya. Penelitian ini menunjukkan bahwa sistem presensi otomatis berbasis deteksi wajah menggunakan webcam dan teknologi Internet of Things (IoT) berhasil dirancang dan dibangun dengan baik. Implikasi dari penelitian ini adalah penerapan sistem presensi otomatis berbasis deteksi wajah dan IoT dapat meningkatkan efisiensi dan akurasi dalam proses absensi, mengurangi potensi kesalahan manusia, serta meningkatkan keamanan dengan memverifikasi identitas pengguna secara otomatis.

References

Adrianto, L. B., Wahyuddin, M. I., & Winarsih, W. (2021). Implementasi Deep Learning Untuk Sistem Keamanan Data Pribadi Menggunakan Pengenalan Wajah Dengan Metode Eigenface Berbasis Android. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi, 4(2), 89. https://doi.org/10.35870/jtik.v5i1.201.

Arsal, M., Wardijono, B. A., & Anggraini, D. (2020). Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN. Jurnal Nasional Teknologi Dan Sistem Informasi, 6(1), 55–63. https://doi.org/10.25077/teknosi.v6i1.2020.55-63.

Asrul, A. (2022). Implementasi Sistem Absensi Siswa Berbasis Deteksi Wajah, Warna Dan Logo Seragam. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi, 9(2), 1355–69. https://doi.org/10.35957/jatisi.v9i2.2252.

Fu’adi, A., Prianggono, A., Juliartha, B., Putra, M., Hikmawan, B., Komunitas, A., & Pacitan, N. (2024). Pembangunan Sistem Monitoring Kehadiran Mahasiswa Menggunakan Yolo Pendeteksi Obyek Dan Pengenal Wajah Opencv. Jurnal Ilmiah Teknologi Informasi Asia, 18(1), 84–87. https://doi.org/10.32815/jitika.v18i1.999.

Hamzah, M. A. (2023). Implementasi Sistem Citra Digital Pengenalan Wajah menggunakan Algoritma Principal Component Analysis ( PCA ) berbasis Aplikasi. Hello World Jurnal Ilmu Komputer, 2(3), 203–209. https://doi.org/10.56211/helloworld.v2i3.346.

Irsyandi, M. F., & Sutabri, T. (2024). Analisis Kinerja Algoritma Kecerdasan Buatan Untuk Pengenalan Wajah Dalam Pengaturan Keamanan. IJM: Indonesian Journal of, 2, 122–27.

Jain, V., & Patel, D. (2016). A GPU Based Implementation of Robust Face Detection System. Procedia Computer Science, 87, 156–63. https://doi.org/10.1016/j.procs.2016.05.142.

Jalaluddin, A., & Mulyono, S. (2023). Rancang Bangun Sistem Pengenalan Wajah Menggunakan Metode Haar Cascade Classifier Dan Local Binary Pattern Histogram Pada Akses Masuk Ruang Dosen. Seminar Riset Mahasiswa-Computer & Electrical (SERIMA-CE, 1(1). https://doi.org/10.30659/ei.5.2.%25p.

Kusumah, H., & Pradana, R. A. (2019). Penerapan Trainer Interfacing Mikrokontroler Dan Internet of Things Berbasis Esp32 Pada Mata Kuliah Interfacing. Journal CERITA, 5(2), 120–34. https://doi.org/10.33050/cerita.v5i2.237.

Manurung, D., & Candra, F. (2019). Perancangan Deteksi Wajah Dan Pengenalan Wajah Menggunakan Metode Viola Jones Dan Jaringan Syaraf Tiruan Menggunakan Raspberry Pi (Vol 8, Number 9).

Opencv-python, M., & Dwiparaswati, W. (2022). 51 UG JURNAL VOL.16 Edisi 02 Februari 2022. 16, 51–59.

Rahardja, U., Aini, Q., & Iqbal, M. (2020). InfoTekJar : Jurnal Nasional Informatika Dan Teknologi Jaringan. InfoTekJar : Jurnal Nasional Informatika Dan Teknologi Jaringan, 5(1), 40–43. https://doi.org/10.30743/infotekjar.v5i1.2464.

Sahfitri, I., Simanjuntak, M., & Nurhayati. (2021). Penerapan Metode Viola Jones Dalam Sistem Mendeteksi Wajah. In Seminar Nasional Informatika (SENATIKA (bll 473–80). https://doi.org/https://journals.ums.ac.id/index.php/emitor/article/view/5964.

Saputra, W. M., Wibawa, H. A., & Wajah, P. (2013). Pengenalan wajah menggunakan algoritma. Diponegoro Journal of Informatics and Technology, 2(1), 102–110.

Satrio, M. S. (2023). Pengenalan Wajah Menggunakan Principal Component Analysis ( Pca ) Dan Eigen Face. Jurnal Informatika Dan Riset, 1(2), 14–18. https://doi.org/10.36308/iris.v1i2.521.

Septyanto, M. W., Sofyan, H., Jayadianti, H., Simanjuntak, O. S., & Prasetyo, D. B. (2020). Aplikasi Presensi Pengenalan Wajah Dengan Menggunakan Algoritma Haar Cascade Classifier. Telematika, 16(2), 87. https://doi.org/10.31315/telematika.v16i2.3182.

Setiyadi, D., Atabiq, F., & Aisyah, S. (2021). Sistem Presensi Karyawan Berbasis Pengenalan Wajah Dengan Metode Support Vector Machine. Journal of Applied Electrical Engineering, 5(2), 55–62. https://doi.org/10.30871/jaee.v5i2.3147.

Suhery, C., & Ruslianto, I. (2017). Identifikasi Wajah Manusia Untuk Sistem Monitoring Kehadiran Perkuliahan Menggunakan Ekstraksi Fitur Principal Component Analysis (PCA. Jurnal Edukasi Dan Penelitian Informatika (JEPIN, 3(1), 9. https://doi.org/10.26418/jp.v3i1.19792.

Sukma, D., Fadila, & Mukhaiyar, R. (2022). Alat Pendeteksi Ekspresi Wajah Pada Pengendara Berbasis Image Processing. JTEIN: Jurnal Teknik Elektro Indonesia, 3(2), 364–73. https://doi.org/10.24036/jtein.v3i2.261.

Sunardi, S., Yudhana, A., & Talib, M. A. (2022). Perancangan Sistem Pengenalan Wajah Untuk Keamanan Ruangan Menggunakan Metode Local Binary Pattern Histogram. Jurnal Teknologi Elektro, 13(2), 123. https://doi.org/10.22441/jte.2022.v13i2.010.

Sunaryono, D., Siswantoro, J., & Anggoro, R. (2021). An Android Based Course Attendance System Using Face Recognition. Journal of King Saud University - Computer and Information Sciences, 33(3), 304–12. https://doi.org/10.1016/j.jksuci.2019.01.006.

Terhorst, P., Ihlefeld, M., Huber, M., Damer, N., Kirchbuchner, F., Raja, K., & Kuijper, A. (2023). QMagFace: Simple and Accurate Quality-Aware Face Recognition. Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023, 3473–83. https://doi.org/10.1109/WACV56688.2023.00348.

Walangitan, J., Sompie, S. R. U. A., & Najoan, X. B. N. (2024). Sistem Absensi Pengenalan Wajah Bermasker. Jurnal Teknik Informatika, 19(01), 21–30. https://doi.org/10.35793/jti.v19i01.51327.

Yasykur, M. F., & Saputra, W. A. (2024). Implementasi Face Recognition Pada Sistem Presensi Mahasiswa Menggunakan Metode Ssd Dan Lbph. Jurnal Pendidikan Teknologi Informasi (JUKANTI, 7(1), 63–74. https://doi.org/10.37792/jukanti.v7i1.1207.

Yudistira, A., Hadinegoro, A., Ahmad, N., & Huda, A. A. (2023). Pengenalan Wajah Untuk Mempercepat Proses Pemilihan Umum: Studi Kasus Implementasi Metode Hog Dan Cnn Pada Sistem Evoting. Information System Journal, 6(01), 11–18. https://doi.org/10.24076/infosjournal.2023v6i01.1158.

Yulianti, D., Triastomoro, I., & Sa’idah, S. (2022). Identifikasi Pengenalan Wajah Untuk Sistem Presensi Menggunakan Metode Knn (K-Nearest Neighbor. Jurnal Teknik Informasi Dan Komputer (Tekinkom, 5(1), 1–10. https://doi.org/10.37600/tekinkom.v5i1.477.

Zam, A., Khayyambashi, M. R., & Bohlooli, A. (2020). Energy-Efficient Face Detection and Recognition Scheme for Wireless Visual Sensor Networks. Applied Soft Computing Journal, 89. https://doi.org/10.1016/j.asoc.2019.106014.

Zulfikri, M., Syahrir, M., & Kusuma, W. (2023). Pengenalan Citra Wajah Sebagai Identifier Menggunakan Eigenface, Support Vector Machine, Dan Haar Cascade Classifier Recognition of Face Image as Identifier Using Eigenface, Support Vector Machine, and Haar Cascade Classifier. JoMI: Journal of Millennial Informatics, 1(2), 43–52.

Downloads

Published

2024-10-25

How to Cite

Lestari, E. W., Abdullah, B., & Arifin. (2024). Rancang Bangun Presensi Automatis Pendeteksi Wajah Menggunakan Webcam Berbasis IOT. JST (Jurnal Sains Dan Teknologi), 13(3), 338–349. https://doi.org/10.23887/jstundiksha.v13i3.83172

Issue

Vol. 13 No. 3 (2024): Oktober (IN PRESS)

Section

Articles

License

Copyright (c) 2024 Arifin, Ebiet Wanda Lestari; Bualkar Abdullah

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with the Jurnal Sains dan Teknologi (JST)   agree to the following terms:

  1. Authors retain copyright and grant the journal the right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal. 
  2. 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.
  3. 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. (See The Effect of Open Access)