Face Detection Pada Citra Digital Menggunakan Metode Convolution Neural Network Untuk Sistem Kelas Berbasis Web

Abstract

Masalah utama dalam penelitian ini adalah kebutuhan akan sistem absensi kelas yang lebih efisien dan akurat. Absensi secara manual sering kali tidak efisien dan berpotensi terjadi kesalahan. Di Universitas Negeri Padang, khususnya di Kampus Pesisir Selatan untuk program studi informatika angkatan 2023, absensi dilakukan melalui portal, e-learning, dan secara tertulis di atas kertas pada saat perkuliahan berlangsung, yang dapat menyebabkan ketidaksesuaian data, human error, dan kemungkinan terjadinya manipulasi data. Penelitian ini bertujuan untuk mengembangkan sistem absensi otomatis berbasis deteksi wajah dengan menggunakan metode Convolutional Neural Network. Sistem ini diusulkan untuk menggantikan metode absensi manual yang kurang efisien dan rentan terhadap kesalahan. Penelitian ini menggunakan metode CNN yang dilatih dengan dataset wajah yang memiliki variasi pencahayaan dan pose. Dari 800 citra wajah 32 mahasiswa, hasil penelitian menunjukkan bahwa sistem memiliki tingkat akurasi deteksi wajah sebesar 90% untuk deteksi wajah menggunakan kacamata, dan akurasi 100% untuk deteksi wajah tanpa kacamata. Sistem ini memungkinkan proses absensi menjadi lebih cepat dan akurat, sehingga meningkatkan efisiensi. Kesimpulannya, metode CNN terbukti efektif dalam pendeteksian wajah pada citra digital dan dapat diimplementasikan dengan baik pada sistem absensi kelas, sehingga dapat meningkatkan efisiensi dan keakuratan proses absensi.