Penerapan Algoritma Convolutional Neural Network (CNN) pada Aplikasi Presensi Siswa Berbasis Pengenalan Wajah

Agustina; Tri Widodo

doi:10.30865/json.v7i2.9303

Authors

Agustina Universitas Teknologi Yogyakarta
Tri Widodo Universitas Teknologi Yogyakarta

DOI:

https://doi.org/10.30865/json.v7i2.9303

Keywords:

Presensi Siswa; Pengenalan Wajah;Convolutional Neural Network (CNN);Real-time; Recognition.

Abstract

Perkembangan teknologi kecerdasan artifisial menghadirkan peluang baru dalam peningkatan efisiensi administrasi akademik, termasuk dalam proses presensi siswa. Sistem presensi konvensional seperti barcode atau sidik jari masih dinilai kurang efektif untuk siswa sekolah dasar karena risiko kartu mudah hilang, antrian panjang, serta kegagalan pemindaian yang cukup sering terjadi. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan merancang dan mengimplementasikan sistem presensi siswa berbasis pengenalan wajah menggunakan algoritma Convolutional Neural Network (CNN) yang mampu bekerja secara real-time. Metode penelitian mencakup studi literatur, pengumpulan data primer berupa 320 foto wajah siswa Kelas 5 di SDN 01 Muara Enim, serta proses pengolahan data melalui normalisasi, konversi ke skala abu-abu, dan augmentasi (rotasi, flip, dan zoom) untuk meningkatkan variasi data. Model CNN kustom yang dibangun terdiri dari beberapa lapisan Convolution2D, Max Pooling, Dense, dan Dropout. Hasil sementara menunjukkan bahwa model yang diusulkan mencapai akurasi 96,8%, presisi 95,4%, dan recall 94,7%, serta memiliki performa Confusion Matrix yang lebih baik dibandingkan model pre-trained seperti VGG16 dan ResNet. Model terbaik kemudian diintegrasikan ke dalam prototipe sistem presensi yang terdiri atas aplikasi Android on-device dan website admin berbasis cloud. Temuan sementara ini menunjukkan bahwa penggunaan CNN berpotensi meningkatkan keakuratan, efisiensi, dan keandalan proses presensi siswa di lingkungan sekolah dasar.

References

H. Sunhaji, M. Misbah, dan Nawawi, Evaluasi Kurikulum Pascasarjana PTKIN di Era Revolusi Industri 4.0 (Teori dan Implementasinya), 1 ed. Purwokerto Barat, Banyumas, Jawa Tengah: Zahira Media Publisher, 2021.

S. Gunawan Ramdhani dan E. Itje Sela, “Implementasi Face Recognition Untuk Sistem Presensi Universitas Menggunakan Convolutional Neural Network,” Indonesian Journal of Computer Science Attribution, vol. 12, no. 6, hlm. 2023–4098, 2023.

R. Shafwatul Anam, S. Gumilar, I. Nurul Ainie, dan F. Ali Wibowo, “Tren dan Tantangan Penerapan Kecerdasan Buatan dalam Pendidikan: Analisis Artikel pada Jurnal Terakreditasi Nasional,” Kalam Cendekia: Jurnal Ilmiah Kependidikan, vol. 13, no. 2, Mei 2025.

E. Alber, J. Jasmir, dan Y. Arvita, “Perancangan Sistem Presensi Face Recognition Dengan Menggunakan Metode Haar Cascade Object Detection,” Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM), no. 1, Apr 2025, doi: 10.33998/jakakom.v5i1.

N. R. Muntiari, Indah Chairun Nisa, Ana Sriekaningih, Andri Yogi Adyatma Prasetyo, dan Muhammad Yusril, “Penerapan Algoritma YOLOv8 Dalam Indentifikasi Wajah secara Real-Time menggunakan CCTV untuk Presensi Siswa,” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 4, no. 3, hlm. 1155–1165, Nov 2024, doi: 10.51454/decode.v4i3.847.

L. Judijanto, V. Wiliyanti, W. Sahusilawane, dan Muh. Agus, Teknologi Pembelajaran : Inovasi Pembelajaran di Masa Depan, 1 ed. Kota Jambi: PT. Sonpedia Publishing Indonesia, 2025.

I. K. Indra, T. Wurijanto, dan M. B. Muvid, “Aplikasi Absensi Siswa Berbasis RFID pada Tk Kristen Sejahtera Surabaya,” RAINSTEK: Jurnal Terapan Sains dan Teknologi, vol. 5, no. 3, hlm. 252–262, Sep 2023, doi: 10.21067/jtst.v5i3.9090.

M. Fauzan Yasykur dan A. Saputra, “IMPLEMENTASI FACE RECOGNITION PADA SISTEM PRESENSI MAHASISWA MENGGUNAKAN METODE SSD DAN LBPH,” Jurnal Pendidikan Teknologi Informasi (JUKANTI, vol. 7, no. 1, Apr 2024.

E. Febiyani, Z. Hanni Pradana, dan I. Permatasari, “Analisis Sistem Monitoring Presensi Menggunakan Face Recognition Berbasis CNN dengan Arsitektur MobileNetV1,” Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi, vol. 2, no. 3, Jul 2025, doi: 10.61124/sinta.v2i3.83.

P. S. Smitha dan A. Hegde, “Face Recognition based Attendance Management System,” vol. 9, no. 5, Mei 2020, [Daring]. Tersedia pada: www.researchgate.net/publication/326261079_Face_detection_

C. A. Prastiwi dan I. Nurhaida, “Web-Based Face Recognition System for Attendance Management,” Electronic Journal of Education, Social Economics and Technology, vol. 5, no. 2, 2024.

R. V. Talumepa, D. A. Putra, dan H. Soetanto, “Sistem Presensi Pendeteksi Wajah menggunakan Metode Modified Region Convolutional Neural Network dan PCA,” Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 1, hlm. 46–55, Jun 2024, doi: 10.29408/edumatic.v8i1.25207.

A. M. F. Pratama, J. Siswantoro, dan V. R. Prasetyo, “PEMBUATAN APLIKASI PENGENALAN WAJAH UNTUK SISTEM PRESENSI KELAS MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK,” CALYPTRA VOl, vol. 12, no. 1, Nov 2023.

B. Hartanto, B. Wiryawan Yudanto, D. Nugroho, S. Tomo, S. Sinar Nusantara, dan S. Informasi, “IMPELEMENTASI CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN MODEL MOBILENET DALAM APLIKASI PRESENSI BERBASIS PENGENALAN WAJAH,” Biner: Jurnal Ilmiah Informatika dan Komputer, vol. 3, no. 1, Jan 2024, [Daring]. Tersedia pada: https://ojs.unsiq.ac.id/index.php/biner

T. Abuzairi, N. Widanti, A. Kusumaningrum, dan Y. Rustina, “Implementasi Convolutional Neural Network Untuk Deteksi Nyeri Bayi Melalui Citra Wajah Dengan YOLO,” Jurnal RESTI, vol. 5, no. 4, hlm. 624–630, Agu 2021, doi: 10.29207/resti.v5i4.3184.

I. P. Agus, K. Hidjah, N. Sulistianingsih, G. Hendro, dan S. Syahrir, “Implementasi Arsitektur Deep Convolutional Neural Network (CNN) dengan Transfer Learning untuk Klasifikasi Penyakit Kulit,” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 7, no. 3, hlm. 461–477, Jun 2025, doi: 10.35746/jtim.v7i3.734.

K. Prasetyo dan R. Mahenra, “Analisis Kinerja Convolutional Neural Networks Baseline untuk Identifikasi Jenis Jenis Penyakit Kentang,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 2, hlm. 609–615, Mar 2025, doi: 10.57152/malcom.v5i2.1722.

L. febby Olivia, Y. Yuhandri, dan S. Arlis, “Penerapan Deep Learning Menggunakan Metode Convolutional Neural Network dan K-Means dalam Klasterisasi Citra Butiran Pasir,” Jurnal KomtekInfo, hlm. 54–62, Mar 2025, doi: 10.35134/komtekinfo.v12i1.629.

M. Athorik Alfayyed dan D. Sandra, “Perbandingan Algoritma Naive Bayes Dan K-Nearest Neighbor Pada Klasifikasi Email,” Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM), vol. 5, no. 2, Sep 2025, doi: 10.33998/jakakom.v5i2.

A. Alghazali Lubis, S. Iskandar Al Idrus, Z. Indra, dan K. S. Saputra, “Klasifikasi Akun Buzzer Menggunakan Algoritma K-Nearest Neighbor pada Tagar #STYTanpaDiasporaNol di Media Sosial X,” Blend Sains Jurnal Teknik, vol. 4, no. 2, Okt 2025, doi: 10.56211/blendsains.v4i2.1093.

M. Amirudin dan Kusrini, “Perbandingan SVM dan Random Forest dalam Memprediksi Kelulusan Santri Menuju Timur Tengah,” JIIP (Jurnal Ilmiah Ilmu Pendidikan), vol. 8, no. 10, Okt 2025, [Daring]. Tersedia pada: http://Jiip.stkipyapisdompu.ac.id

A. Hardiyanto dan M. Akbar, “KLASIFIKASI CITRA SINTETIS HASIL MODEL DIFUSI MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) dan CONVOLUTIONAL NEURAL NETWORK (CNN),” JIKO (Jurnal Informatika dan Komputer), vol. 9, no. 3, hlm. 572, Okt 2025, doi: 10.26798/jiko.v9i3.2033.