IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS PENGENALAN WAJAH UNTUK SISTEM ABSENSI SECARA REAL-TIME
DOI:
https://doi.org/10.65851/wkg33k54Keywords:
Absensi, CNN, Pengenalan Wajah, Real-Time, WebAbstract
Pesantren Mahasantri Ma’had Al-Jami’ah saat ini masih menggunakan sistem absensi manual yang memiliki berbagai kelemahan, seperti rawan kecurangan, lambatnya proses rekapitulasi, dan ketidakakuratan data. Untuk mengatasi masalah tersebut, dikembangkan sistem absensi berbasis pengenalan wajah secara real-time dengan algoritma Convolutional Neural Network (CNN). Sistem ini memanfaatkan kamera webcam sebagai input untuk mengenali wajah mahasantri secara otomatis dan akurat, bahkan dalam kondisi pencahayaan dan sudut pandang yang bervariasi. Pengujian menunjukkan bahwa sistem mencatat kehadiran dengan akurasi 100% pada pengujian pertama dan 93% pada pengujian kedua, dengan tingkat kesalahan yang sangat rendah. Selain itu, sistem dilengkapi fitur notifikasi dan riwayat kehadiran yang memudahkan pengurus dalam melakukan monitoring. Dengan hasil tersebut, sistem absensi berbasis CNN ini dinilai efektif dan layak diterapkan di lingkungan pesantren sebagai solusi modern yang meningkatkan efisiensi dan akurasi pencatatan kehadiran.
Downloads
References
Dewi, Noviana., & Ismawan, Fiqih. (2021). “Implementasi Deep Learning Menggunakan Convolutional Neural Network untuk Sistem Pengenalan Wajah”. Jurnal Ilmu Komputer, 14(1), 34-45
Dlib. (2020). OpenCV: Open Source Computer Vision Library. https://doi.org/https://opencv.org/ .
Hidayat, R., & Sulistyo, S. (2021). “Deep Learning untuk Pengenalan Wajah: Teori dan Implementasi. Penerbit Informatika”.
Jannah, R., & Nurhidayat, A. I. (2024). Implementasi Web Presensi Karyawan Industri Kertas Jaya Menggunakan Metode Convolutional Neural Network. Jurnal Manajemen Informatika, 16(1), 89-102. https://doi.org/https://ejournal.unesa.ac.id/index.php/jurnal-manajemen-informatika/article/view/56899 .
Primartha, R. (2020). Deep Learning: «Konsep dan Implementasi». Deepublish.
Purba, M. M. (2021). Unified Modelling Language (UML) untuk Pemodelan Sistem Berorientasi Objek. Penerbit Andi.
Rahman, A., & Hidayat, R. (2021). Sistem Absensi Berbasis Pengenalan Wajah Menggunakan Deep Learning. Jurnal Teknologi Informasi, 15(2), 45-56.
Ramadhan, et al. (2024). Implementasi Arsitektur VGG-16 dalam Klasifikasi Motif Batik Yogyakarta. Jurnal Seni dan Budaya, 12(1), 23-34.
Wahyuni, S., & Sulaeman, M. (2022). Penerapan Algoritma Deep Learning Untuk Sistem Absensi Kehadiran Deteksi Wajah di PT Karya Komponen Presisi. Jurnal Informatika SIMANTIK, 7(1), 12-21. https://doi.org/https://simantik-panca-sakti.ac.id/index.php/simantik/article/view/83 .
Zahrah, S., Azhar, & Abdi, M. (2022). Sistem Deteksi Wajah Untuk Pencatatan Kehadiran Mahasiswa Di Kelas Menggunakan Metode Convolutional Neural Network. Journal of Artificial Intelligence and Software Engineering, 2(1), 24-28. https://doi.org/http://dx.doi.org/10.30811/jaise.v2i1.3873 .
Zufar, M., & Setiyobo, B. (2022). Convolutional Neural Networks untuk Pengenalan Wajah Secara Real-Time. Jurnal Teknologi dan Sistem Informasi, 9(2), 112-125.
Ahmad, A., & Wahyuni, E. (2023). Sistem Presensi Mahasiswa Menggunakan CNN dan OpenCV Berbasis Web. Jurnal Teknologi Informasi Indonesia, 11(1), 45–52.
Iskandar, A., & Sari, R. (2021). Pemanfaatan CNN dalam Sistem Absensi Karyawan Berbasis Kamera CCTV dan Python. Jurnal Rekayasa dan Teknologi, 6(2), 88–95.
Putra, I. M. A., & Yuliana, D. (2023). Optimalisasi Dataset untuk Pengenalan Wajah Menggunakan CNN. Jurnal Informatika, 13(1), 20–28.
Wulandari, R., & Nugroho, B. (2022). Face Recognition Attendance System Based on FaceNet and CNN. Procedia Computer Science, 198, 175–182.
Aini, N., & Raharja, S. (2021). Evaluasi Algoritma CNN untuk Deteksi Wajah dalam Berbagai Kondisi Pencahayaan. Jurnal Teknik Komputer, 9(2), 66–74.
Rizky, A., & Fadhil, M. (2024). Integrasi CNN dan Notifikasi WhatsApp untuk Sistem Absensi Online Pesantren. Jurnal Sistem Informasi Pesantren, 4(1), 33–40.
Mashuri, C., Rizal, M. F., & Andriani, A. (2023). Pengembangan Aplikasi Monitoring Kehadiran Berbasis IoT di Lingkungan Pendidikan. Jurnal Inovasi Teknologi Informasi, 7(2), 120–130.
Nugroho, A., & Santosa, P. I. (2022).
Rohman, H., & Lestari, D.A. (2023). Implementasi CNN untuk Sistem Absensi Berbasis Wajah Real-Time Menggunakan Raspberry Pi. Jurnal Teknologi Informasi, 13(1), 22–30. https://doi.org/10.14710/jti.13.1.22-30
Optimasi Model CNN dengan Transfer Learning untuk Pengenalan Wajah di Lingkungan Pendidikan. Jurnal Sains Komputer dan Informatika, 7(2), 88–96. https://ejournal.upi.edu/index.php/jsk/article/view/37212
Perbandingan Akurasi Face Recognition dengan CNN, VGG16, dan MobileNet. Jurnal Informatika dan Sistem Cerdas, 5(1), 33–41. https://jisc.unikom.ac.id/index.php/jisc/article/view/465
Wicaksono, B. A., & Firmansyah, H. (2024). Pengembangan Sistem Absensi Berbasis Pengenalan Wajah Menggunakan CNN dan OpenCV. Jurnal Teknologi dan Sistem Komputer, 12(2), 122–131. https://doi.org/10.14710/jtsiskom.12.2.122-131
Rahim, A., & Amalia, S. (2021). Face Recognition Based Attendance System using Deep Learning in Python.
Procedia Computer Science, 192, 4593–4602. https://doi.org/10.1016/j.procs.2021.08.372
Hamidi, M. I., Mashuri, C., & Rizal, M. F. (2023). Implementasi Sistem Pendaftaran Menggunakan Metode Moora untuk Penentuan Kelas Bagi Peserta Didik Baru Berbasis Web. Jurnal Inovasi Teknologi Informasi, 7(2), 63–73.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Adika Berdy Darma Kusuma (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
