Optimalisasi Sistem Presensi Berbasis Face Recognition dengan Python dan OpenCV

Abstract

Presensi kehadiran merupakan aspek penting dalam berbagai institusi seperti pendidikan, pemerintahan, maupun sektor swasta. Namun, metode konvensional seperti tanda tangan manual atau penggunaan kartu identitas masih memiliki berbagai kelemahan, seperti rawan pemalsuan, keterlambatan, dan kurangnya efisiensi. Untuk mengatasi hal tersebut, penelitian ini bertujuan untuk mengoptimalkan sistem presensi berbasis teknologi face recognition menggunakan bahasa pemrograman Python dan pustaka OpenCV. Sistem ini dirancang agar mampu mendeteksi dan mengenali wajah pengguna secara otomatis melalui pemrosesan citra digital dan penerapan algoritma pembelajaran mesin. Pengembangan sistem menggunakan metode Rapid Application Development (RAD), yang melibatkan tahapan perencanaan kebutuhan, pembuatan prototipe, pengujian sistem, hingga implementasi akhir. Algoritma Histogram of Oriented Gradients (HOG) digunakan untuk deteksi fitur wajah, sedangkan Convolutional Neural Network (CNN) dimanfaatkan untuk klasifikasi dan pengenalan wajah secara akurat. Data kehadiran disimpan dalam database SQLite atau MySQL secara real-time untuk memudahkan pelacakan dan pelaporan. Hasil pengujian menunjukkan bahwa sistem ini mampu mengenali wajah dengan akurasi tinggi meskipun dalam kondisi pencahayaan yang bervariasi. Dengan demikian, sistem ini diharapkan dapat meningkatkan efisiensi, keakuratan, dan keamanan proses presensi, serta menjadi solusi inovatif dalam mendukung transformasi digital di berbagai bidang.