Identifikasi Wajah Untuk Sistem Presensi Di Sekolah Menggunakan Algoritma Yolo V9
Abstrak
Sistem presensi manual di sekolah masih rentan terhadap kecurangan dan kurang efisien. Penelitian ini bertujuan untuk membuat model pengenalan wajah berbasis algoritma YOLOv9 sebagai solusi sistem presensi otomatis. Proses meliputi pengumpulan dataset wajah dari lima siswa, preprocessing data, pelatihan model, serta evaluasi performa menggunakan dua varian: YOLOv9e dan YOLOv9c. Hasil evaluasi menunjukkan bahwa YOLOv9e memiliki precision sebesar 0,99, recall 1,00, dan mAP 0.5:0.95 sebesar 0,89, sementara YOLOv9c memiliki precision 0,98, recall 0,99, dan mAP 0.88. Kedua model menunjukkan akurasi tinggi dan cocok digunakan untuk presensi berbasis wajah secara real-time. Model ini diharapkan dapat meningkatkan efisiensi dan keamanan sistem presensi di sekolah. Kata kunci— : Identifikasi Wajah, Presensi Sekolah, YOLO V9, Pengenalan Wajah, Deep Learning
Referensi
[1] M. Fuadi et al., “FACE RECOGNITION MENGGUNAKAN OPENCV DENGAN BAHASA PEMOGRAMAN PYTHON OOP UNTUK SISTEM PRESENSI RUMAH SAKIT,” vol. 2, no. 3, pp. 2775–4057, [Online]. Available: http://openjournal.unpam.ac.id/index.php/JOAIIA/index218
[2] M. Abdurahman Kamil and Y. Mitha Djaksana, “JIIC: JURNAL INTELEK INSAN CENDIKIA PERBANDINGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DAN ALGORITMA YOU ONLY LOOK ONCE (YOLO) UNTUK DETEKSI WAJAH COMPARISON OF CONVOLUTIONAL NEURAL NETWORK (CNN) ALGORITHM AND YOU ONLY LOOK ONCE (YOLO) ALGORITHM FOR FACIAL DETECTION”, [Online]. Available: https://jicnusantara.com/index.php/jiic
[3] E. Pabianan and C. Dewi, “PERANCANGAN GLOBAL POSITIONING SYSTEM (GPS) PADA SISTEM PRESENSI ONLINE BERBASIS WEBSITE MENGGUNAKAN METODE WATERFALL.”
[4] D. Rizki Yulianti, I. Iwut Triastomoro, and S. Sa, “IDENTIFIKASI PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR) DAN LBPH (LOCAL BINARY PATTERN HISTOGRAM) UNTUK SISTEM PRESENSI,” Jurnal TEKINKOM, vol. 5, no. 1, 2022, doi: 10.37600/tekinkom.v5i1.477.
[5] M. I. Rahayu, M. Rizaludin, and Y. Jayusman, “Sistem Presensi menggunakan Deteksi Objek Wajah Mahasiswa Berbasis YOLO-V5,” Jurnal Bangkit Indonesia, vol. 13, no. 2, pp. 45–51, Oct. 2024, doi: 10.52771/bangkitindonesia.v13i2.310.
[6] B. Hardiansyah and A. Primasetya, “Sistem Deteksi Penggunaan masker (Face Mask Detection) Menggunakan Algoritma Deep Learning YOLOv4,” Seminar Nasional Teknologi & Sains, vol. 2, pp. 313–318, Jan. 2023.
[7] D. Garg, P. Goel, S. Pandya, A. Ganatra, and K. Kotecha, “A Deep Learning Approach for Face Detection using YOLO.”
[8] sita,emi Eriana and A. Zein, ARTIFICIAL INTELLIGENCE (AI). EUREKA MEDIA AKSARA, 2023.
[9] Rony Sandra Yofa Zebua et al., FENOMENA ARTIFICIAL INTELLIGENCE (AI). PT. Sonpedia Publishing Indonesia., 2023.
[10] D. T. Ananto et al., “Prosiding Seminar Nasional LPPM UMJ Website: http://jurnal.umj.ac.id/index.php/semnaskat E-ISSN: 2714-6286 Edukasi dan Pelatihan Pengenalan Machine Learning dan Computer Vision Untuk Mengeksplorasi Potensi Visual.” [Online]. Available: http://jurnal.umj.ac.id/index.php/semnaskat
[11] R. Darmawan, “Perancangan Sistem Absensi menggunakan Face Recognition dengan Haar Cascade Classifier,” 2022.
[12] P. Jiang, D. Ergu, F. Liu, Y. Cai, and B. Ma, “A Review of Yolo Algorithm Developments,” in Procedia Computer Science, Elsevier B.V., 2021, pp. 1066–1073. doi: 10.1016/j.procs.2022.01.135.
[13] A. Imran, M. Shashishekhara, H. Hamza, and A. A. Gardi, “Real Time American Sign Language Detection Using Yolo-v9.”
