Sistem Presensi Berbasis Pengenalan Wajah Menggunakan Siamese Convolutional Neural Network (CNN)

MUHAMMAD FADHIL, Sistem Presensi Berbasis Pengenalan Wajah Menggunakan Siamese Convolutional Neural Network (CNN). Dibimbing oleh Nouval Trezandy Lapatta.
Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Presensi Berbasis Pengenalan Wajah Menggunakan Siamese Convolutional Neural Network (CNN) sebagai solusi presensi otomatis yang efisien dan akurat. Sistem ini dikembangkan untuk mengatasi kelemahan metode presensi konvensional, seperti absensi manual dan kartu RFID, yang rentan terhadap kecurangan (titip absen).
Sistem ini dibangun berbasis web dengan mengintegrasikan frontend React.js serta backend Node.js dan FastAPI (Python). Proses verifikasi wajah dilakukan menggunakan model Siamese CNN yang membandingkan embedding vector citra wajah baru dengan reference image yang diperoleh saat proses registrasi untuk menentukan tingkat kemiripan (cosine similarity). Data hasil presensi disimpan dalam basis data MySQL. Hasil evaluasi menunjukkan akurasi sebesar 83,38%. Seluruh fitur sistem berfungsi dengan baik berdasarkan hasil pengujian black-box.
Dapat disimpulkan bahwa sistem presensi ini mampu mengenali wajah siswa secara otomatis dengan akurasi yang tinggi serta efisiensi yang baik. Namun, performa sistem masih dipengaruhi oleh kondisi pencahayaan yang rendah dan kualitas kamera. Pengembangan selanjutnya dapat dilakukan melalui peningkatan tahap preprocessing citra, seperti face alignment, serta penerapan model pretrained khusus face recognition, seperti FaceNet, untuk memperoleh hasil yang lebih optimal.