Implementasi Convolutional Neural Network (CNN) untuk Sistem Presensi Mahasiswa Berbasis Pengenalan Wajah

Abstract

Sistem presensi sangat banyak digunakan di sekolah-sekolah, universitas-universitas maupun perusahaan-perusahaan. Kehadiran atau presensi sangat penting dalam proses pembelajaran dan proses akademik di Fakultas Ilmu Komputer Universitas Kuningan. Sistem Presensi yang digunakan Fakultas Ilmu Komputer Universitas Kuningan masih menggunakan metode konvensional yaitu melalui lembar atau sheet dalam bentuk hard copy yang kemudian di tanda tangani dan dikumpulkan kembali setelah ditanda tangani. Permasalahan dan kekurangan dari sistem absensi melalui metode konvensioanal seperti membutuhkan waktu yang cukup lama dalam merekap data presensi mahasiswa ke sistem akademik, adanya manipulasi tanda-tangan yang dilakukan mahasiswa dan lainnya. Hal itu membuat teknologi face recognition dapat diterapkan untuk masalah tersebut. Convolutional Neural Network (CNN) merupakan pengembangan dari metode Multi-layer Perceptron (MLP) yang didesain untuk proses pengolahan data dua dimensi. Dengan model pengembangan yaitu prototype, yang dapat digunakan untuk memperjelas spesifikasi kebutuhan user berkomunikasi dan memberikan informasi yang terdiri dari mendengarkan pelanggan atau analisa kebutuhan, membuat rancangan (mockup) dan pengujian rancangan. Hasil dari identifikasi dari citra wajah menghasilkan output berupa deskripsi fitur yang merepresentasikan karakteristik dari wajah yang teridentifikasi, kemudian deskripsi fitur wajah tersebut dibandingkan dengan deskripsi fitur wajah dari database untuk pencocokan. Dimana hasil akurasi dan validasi model dengan pengujian K-Fold sebesar 92%.