Sistem Presensi Mahasiswa Otomatis Pada Zoom Meeting Menggunakan Face Recognition Dengan Metode Convulitional Neural Network Berbasis Web

Abstract

Dalam rangka pencegahan perkembangan dan penyebaran Corona Virus Disease (COVID-19), Kementerian Pendidikan dan Kebudayaan mengeluarkan SE Mendikbud Tahun 2020 tentang Pembelajaran secara Daring dan Bekerja dari Rumah dalam rangka Pencegahan Penyebaran COVID-19. Pembelajaran secara daring dan bekerja dari rumah bagi para tenaga pendidik merupakan perubahan yang harus dilakukan untuk tetap mengajar mahasiswa. Ketika melakukan pembelajaran secara daring tentunya memerlukan media sebagai sarananya. Survei terbaru yang dilakukan oleh Lembaga Arus Survei Indonesia (ASI) terkait penggunaan media video call dalam pembelajaran daring, mayoritas publik menggunakan aplikasi Zoom (57,2 %), disusul Google Meet (18,5 %), Cisco Webex (8,3 %), U Meet Me (5,0 %), Microsoft Teams (2,0 %), dan lainnya (2,2 %). Sisanya 6,9 % mengaku tidak tahu atau tidak jawab. Presensi sangat penting untuk mengetahui dan mengontrol kehadiran peserta didik dalam proses belajar mengajar. Saat ini presensi dalam perkuliahan daring masih dilakukan secara manual. Untuk itu perlu dibuat sistem pencatatan kehadiran berbasis face recognition secara otomatis. Dalam penelitian ini metode yang digunakan untuk face recognition adalah Convolutional Neural Network (CNN). Metode diimplementasikan dengan bantuan library Keras untuk proses training data. Hasil dari penelitian ini adalah sistem berbasis web yang dapat mendeteksi wajah mahasiswa yang berpartisipasi dalam ruang Zoom meeting. Pengujian yang dilakukan kepada 10 orang relawan munggunakan model hasil training data metode CNN dari total 150 kali uji coba, total benar sebanyak 138 kali dan total salah sebanyak 12 kali, menunjukkan kinerja pengenalan wajah meraih rata-rata tingkat akurasi benar sebesar 92,00 % dan salah sebesar 8,00 % yang berarti sudah menghasilkan kecocokan yang baik.

Analisis Dan Perancangan Sistem Presensi Mahasiswa Berbasis Teknologi Pengenalan Wajah Di Fakultas Ilmu Komputer Upn Veteran Jawa Timur

“…Penelitian yang memanfaatkan metode CNN pada presensi mahasiswa di zoom meeting yang dilakukan oleh Sujud Satwikayana, Suryo Adi Wibowo, dan Nurlaily Vendyansyah menghasilkan akurasi sebesar 92% [10].…”

“…Adapun model yang digunakan adalah Convolutional Neural Network (CNN). CNN pada dasarnya merupakan arsitektur jaringan syaraf tiruan yang efektif untuk klasifikasi citra [10]. Adapun perangkat yang dibutuhkan dalam sistem ini adalah CCTV yang berada di dalam ruang kelas.…”

Pengembangan Aplikasi Pengenalan Bahasa Isyarat Abjad Sibi Menggunakan Metode Convolutional Neural Network (Cnn)

“…Deep learning tersusun atas lapisan tersembunyi (hidden layer) yang berfungsi melatih serangkaian metadata berdasarkan output dari neuron sebelumnya. Neural network pada deep learning terbentuk atas hirarki sederhana yang terdiri dari banyak lapisan (multi layer) [12].…”

Attendance Mobile Application With Face Recognition and Detect Location

“…The result of this study is a webbased system that can recognise the faces of students participating in Zoom meeting rooms. The test, which was conducted with 10 volunteers using the CNN method training data results model from a total of 150 trials, a total of 138 times correct and a total of 12 times incorrect, showed that the face recognition performance achieved an average true accuracy rate of 92.00% and an incorrect one of 8.00%, which means that it produced a good match [20].…”