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.