Presensi Kelas Berbasis Pola Wajah Dan Tersenyum Menggunakan Deep Learning
Abstract
Salah satu yang sering menjadi prasyarat dan tolak ukur dalam menilai mahasiswa di dunia
pendidikan adalah kehadiran di pembelajaran pada suatu kelas. Masih sering dijumpai
praktik curang mahasiswa dalam presensi. Selain itu juga, administrasi konvesional dalam
presensi terutama berbasis kertas berpotensi pemborosan dan membutuhkan waktu yang
tidak sebentar dalam proses rekapitulasi secara manual. Penelitian ini bermaksud untuk
merancang bangun sistem presensi kelas berbasis pengenalan pola wajah dan tersenyum.
Pengenalan wajah (face recognition) ini diimplementasikan menjadi suatu service yang
dipasang pada mini computer atau IoT di tiap kelas, dan terhubung dengan IP CCTV dan
jaringan kampus. Sistem terintegrasi ini diharapkan bisa menjadi alternatif solusi agar
praktik “titip presensi” sulit dilakukan. Hanya mahasiswa yang hadir di kelas yang akan
dipresensikan oleh face recognition ini secara otomatis. Selain itu juga, sebagai
pemberitahuan ke mahasiswa, setiap presensi yang tercatat akan dikirim notifikasi ke mobile
app mahasiswa bersangkutan, lalu dilakukan konfirmasi dengan selfie tersenyum.
Implementasi presensi dengan tersenyum ini diharapkan mampu menjadi pengembangan
budaya kampus yang bisa mendukung strategi untuk pendidikan karakter mahasiswa melalui
pembelajaran. Metode yang digunakan di penelitian ini berupa Deep Learning dengan
arsitektur dari FaceNet sebagai feature extractor dikombinasikan dengan SVM untuk
klasifikasi pengenalan wajah, serta digunakan algoritma Haar Cascade untuk mengenali
senyuman. Presensi kelas ini sudah terbentuk menjadi suatu prototype akan tetapi belum
diimplementasikan secara nyata di lapangan mengingat saat penelitian sedang pandemi.
Hasil akurasi yang didapat dari testing model sebesar 92,9%, dan akurasi hasil testing live
sebesar 66,7%. Nilai testing live lebih kecil dan cukup jauh dari testing model menunjukkan
hasil training model masih terlalu overfitting sehingga ke depan masih perlu dikembangkan
lagi model pengenalan wajah dengan akurasi yang lebih tinggi.