Perancangan Aplikasi Sistem Pengenalan Wajah Dengan Metode Convolutional Neural Network (CNN) Untuk Pencatatan Kehadiran Karyawan

Authors

  • Efanntyo Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Pelita Harapan
  • Aditya Rama Mitra Sistem Informasi, Fakultas Ilmu Komputer, Universitas Pelita Harapan

Keywords:

Pengenalan wajah, deep learning, Convolutional Neural Network, Python, TensorFlow, FaceNet

Abstract

Dalam situasi menghadapi pandemi novel coronavirus (COVID-19), pemakaian masker wajah dan menjaga jarak antar sesama menjadi suatu kewajiban dalam beraktivitas. Hal ini diperkuat dengan saran yang diberikan oleh badan dunia yang berkecimpung untuk urusan kesehatan, yaitu WHO (World Health Organization), agar penggunaan masker dilakukan secara kontinu selama beraktivitas dengan menjaga jarak antar individu minimal 1 meter. Dengan mengacu pada hal tersebut, terjadi perubahan yang mencakup juga sistem pencatatan kehadiran (presensi) secara khusus karyawan perusahaan X. Bila sebelumnya sistem presensi perusahaan X menggunakan sidik jari (fingerprint) kini beralih ke sistem presensi berbasis pengenalan wajah (face recognition) dengan memanfaatkan salah satu pendekatan dalam deep learning, yaitu metode Convolutional Neural Network (CNN) untuk identifikasi wajah seseorang. Keunggulan sistem ini adalah memungkinkan orang bisa menjaga jarak saat melakukan presensi. Berdasarkan hasil observasi sistem presensi yang berjalan dan hasil studi kepustakaan dilakukan perancangan dan pengembangan aplikasi pencatatan kehadiran berbasis pengenalan wajah mengikuti RAD (Rapid Application Development). Bahasa pemrograman yang digunakan adalah bahasa Python dengan model FaceNet yang dapat digunakan untuk pengembangan sistem pengenalan wajah disediakan TensorFlow. Aplikasi sistem pengenalan wajah yang telah dibangun memiliki tingkat akurasi pengenalan wajah yang dipengaruhi jarak antara kamera dengan wajah karyawan pada tingkat pencahayaan 24 lux. Pengukuran pada jarak 30 cm memberi hasil rata-rata tingkat akurasi sebesar 81%; sementara pengukuran pada jarak 60 cm, 90 cm, dan 120 cm memberikan hasil rata-rata untuk masing-masing jarak secara berurutan adalah 81%, 72%, 69%. Sebagai kesimpulan, aplikasi yang dibangun memungkinkan terhindarinya kontak langsung antara karyawan dengan perangkat presensi. Notifikasi bagi karyawan yang belum melakukan presensi telah ditunjukan berfungsi sebagaimana yang diharapkan.

Published

2021-10-21