Aplikasi Pengenalan Wajah Pada Presensi Perkuliahan Menggunakan Facenet
Abstract
Sistem presensi mahasiswa yang masih
menggunakan metode manual atau semi-manual seringkali
rentan terhadap kesalahan pencatatan dan penyalahgunaan
yang dapat menggangu proses evaluasi akademik. Teknologi
pengenalan wajah dapat menjadi solusi dengan memungkinkan
proses identifikasi individu secara unik berdasarkan
karakteristik fitur wajah dan pencatatan presensi secara
otomatis dan real-time. Penelitian ini bertujuan untuk
mengembangkan sistem presensi pengenalan wajah
menggunakan Google ML Kit dan Facenet pada aplikasi
mobile. Pengujian dilakukan dengan variasi jarak,
pencahayaan, dan pengunaan aksesoris untuk menguji
kehandalan sistem dalam kondisi nyata. Hasil pengujian
menunjukkan akurasi 100% pada jarak 50 cm, 100 cm, dan 150
cm, meskipun waktu pengenalan meningkat menjadi lambat
dari 1,328 detik pada jarak 50 cm menjadi 1,963 detik pada
jarak 150 cm. Akurasi menurun dalam kondisi cahaya gelap,
dan penggunaan aksesoris secara bersamaan seperti topi dan
kacamata dapat mengurangi akurasi hingga 78,75%. Selain itu,
sistem memiliki False Acceptance Rate (FAR) sebesar 10% saat
mengujji wajah di luar database. Secara umum, sistem
pengenalan wajah yang dikembangkan mampu memberikan
akurasi tinggi dalam kondisi ideal, namun masih memerlukan
optimasi untuk kondisi lingkungan yang bervariasi.
Kata kunci— Sistem Presensi, Pengenalan Wajah, Google
ML Kit, Facenet, Akurasi
References
W. F. Wan Abdul Rahman and N. A. S. Roslan, “The
development of a face recognition-based mobile
application for student attendance recording,”
Journal of ICT in Education, vol. 10, no. 1, pp. 39–
, Jun. 2023, doi: 10.37134/jictie.vol10.1.4.2023.
Prof. Anand Bali, Hafsa Shaikh, Prachi Zodage,
Hussain Harianawala, and Shabbir Kagalwala, “Face
Recognition Attendance System,” International
Journal of Advanced Research in Science,
Communication and Technology, pp. 479–483, Apr.
, doi: 10.48175/IJARSCT-9241.
P. S, H. M, D. V, G. R, and A. R, “An Effective
Implementation of Autonomous Attendance System
using Convolution Neural Networks,” International
Journal of Innovative Technology and Exploring
Engineering, vol. 11, no. 7, pp. 1–6, Jun. 2022, doi:
35940/ijitee.G9953.0611722.
P. N et al., “Fast and Reliable Group Attendance
Marking System Using Face Recognition In
Classrooms,” in 2019 2nd International Conference
on Intelligent Computing, Instrumentation and
Control Technologies (ICICICT), 2019, pp. 986–990.
doi: 10.1109/ICICICT46008.2019.8993323.
E. O. Akay, K. O. Canbek, and Y. Oniz, “Automated
Student Attendance System Using Face
Recognition,” in 2020 4th International Symposium
on Multidisciplinary Studies and Innovative
Technologies (ISMSIT), 2020, pp. 1–5. doi:
1109/ISMSIT50672.2020.9255052.
T. Fadelelmoula, “The impact of class attendance on
student performance,” International Research
Journal of Medicine and Medical Sciences, vol. 6, no.
, pp. 47–49, 2018, doi:
30918/IRJMMS.62.18.021.
R. Samet and M. Tanriverdi, “Face RecognitionBased Mobile Automatic Classroom Attendance
Management System,” in 2017 International
Conference on Cyberworlds (CW), IEEE, Sep. 2017,
pp. 253–256. doi: 10.1109/CW.2017.34.
F. Schroff, D. Kalenichenko, and J. Philbin,
“FaceNet: A unified embedding for face recognition
and clustering,” in 2015 IEEE Conference on
Computer Vision and Pattern Recognition (CVPR),
IEEE, Jun. 2015, pp. 815–823. doi:
1109/CVPR.2015.7298682.
N. Rao K Mahalakshmi, “A Novel Face Detection
and Recognition System Using Machine Learning
Approaches,” International Journal of Science and
Research (IJSR), vol. 12, no. 6, pp. 2730–2738, Jun.
, doi: 10.21275/SR23626104114.
L. W. Alexander and S. Sentinuwo, “Implementasi
Algoritma Pengenalan Wajah Untuk Mendeteksi
Visual Hacking,” Jurnal Teknik Informatika, vol. 11,
no. 1, 2017, doi: 10.35793/jti.v11i1.16969.
D. Sandberg, “Facenet: Face recognition using
Tensorflow.” Accessed: Feb. 07, 2025. [Online].
Available: https://github.com/davidsandberg/facenet
S. Serengil and A. Özpınar, “A Benchmark of Facial
Recognition Pipelines and Co-Usability
Performances of Modules,” Bilişim Teknolojileri
