Development of Deep Learning Applications for Face Recognition in Online Media to Determine Student Presence

Abstract

Presensi masih dilakukan dengan cara manual yaitu dengan cara pemateri meminta semua mahasiswa yang hadir untuk mengaktifkan kamera pada device masing-masing agar wajah mahasiswa terlihat dan mencatat nama mahasiswa tersebut untuk dilaporkan hadir. Untuk mempermudah presensi, maka pengenalan wajah adalah cara yang tepat untuk mengatasi masalah tersebut. Mahasiswa cukup mengaktifkan kamera dan program akan meng-capture window dari aplikasi Zoom setiap sekian menit dan merubah view partisipan menjadi gallery agar masing-masing mahasiswa yang sudah hadir dapat melakukan presensi otomatis. Tahapan awal untuk melakukan pengenalan wajah adalah pendeteksian wajah dan mengekstraksi fitur wajah mahasiswa. Fitur tersebut akan dibandingkan dengan dataset wajah mahasiswa agar metode yang digunakan dapat mengenali siapa mahasiswa yang terdeteksi. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network (CNN) untuk ekstraksi fitur dan pengenalan wajah. Ide utama di balik CNN adalah proses konvolusinya, dimana sebuah gambar diekstraksi untuk setiap fitur untuk menghasilkan banyak pola yang lebih mudah diidentifikasi. Strategi ini dapat meningkatkan efisiensi dengan penerapan fungsi pembelajaran citra. Diharapkan dengan menggunakan metode pengenalan wajah ini, proses pendeteksi kehadiran mahasiswa dapat diimplementasikan. Hasil penelitian ini dengan melakukan presensi pada 6 kelas mahasiswa Politeknik Negeri Malang jurusan Teknik Informatika dan Manajemen Informatika menghasilkan waktu presensi rata-rata per kelas adalah 4,466 detik dan akurasi pengenalan wajah adalah 77,27%