Sistem Deteksi dan Pengenalan Wajah Real-Time dengan Haar Cascade dan CNN Untuk Otomatisasi Kehadiran Mahasiswa

Abstrak

Penelitian ini mengembangkan sistem absensi otomatis berbasis pengenalan wajah untuk meningkatkan efisiensi dan akurasi pencatatan kehadiran mahasiswa. Sistem memanfaatkan metode Haar Cascade untuk deteksi wajah dan Convolutional Neural Network (CNN) untuk klasifikasi identitas. Dataset terdiri dari 1.000 citra wajah dari 10 mahasiswa dengan berbagai variasi, dibagi menjadi data latih dan validasi. Model CNN dirancang dengan arsitektur sederhana dan menghasilkan akurasi validasi sebesar 99%, serta precision, recall, dan F1-score rata-rata 0,99. Implementasi real-time menggunakan Jetson Nano dan kamera CCTV menunjukkan akurasi rata-rata 93%. Hasil ini membuktikan bahwa integrasi Haar Cascade dan CNN pada perangkat edge computing mampu menghasilkan sistem absensi yang praktis, efisien, dan layak diterapkan di lingkungan perkuliahan.

Identifier

• DOI: https://doi.org/10.30595/jrre.v7i2.26563
• OpenAlex: https://openalex.org/W7127646711