Sub Menu

Penelitian ini mengkaji implementasi sistem presensi mahasiswa berbasis web dengan menggunakan teknologi pengenalan wajah di Kampus ITHB. Sistem ini mengintegrasikan model klasifikasi Support Vector Machine (SVM), Haar Cascade, dan FaceNet untuk meningkatkan akurasi dan efisiensi identifikasi mahasiswa. Haar Cascade digunakan untuk deteksi wajah, sementara FaceNet menyediakan ekstraksi fitur wajah, menciptakan embedding wajah yang khas. SVM berfungsi sebagai model pengklasifikasian, membedakan antara wajah mahasiswa dan mahasiswa lain. Penelitian ini menekankan pada penerapan sistem, merinci arsitektur, pengumpulan data, dan metode prapemrosesan. Hasil eksperimen menunjukkan tingkat akurasi yang tinggi, menunjukkan keunggulan sistem dalam hal mengurangi kesalahan manual dan meningkatkan efisiensi administrasi secara keseluruhan. Metode ini menawarkan solusi yang dapat diandalkan untuk lembaga pendidikan terutama kampus, menekankan penerapan praktis dari algoritme pembelajaran mesin tingkat lanjut dalam kegiatan sehari-hari. Pengembangan di masa depan termasuk mengoptimalkan sistem untuk kondisi pencahayaan yang beragam dan memperluas basis data untuk mengakomodasi jumlah mahasiswa yang lebih besar, akan membantu sistem menjadi lebih baik.