SMART ATTENDANCE SYSTEM BERBASIS WEB REAL-TIME MENGGUNAKAN FACENET

Pencatatan kehadiran secara manual kerap menimbulkan ketidakefisienan dan potensi manipulasi data. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem absensi berbasis web dengan pengenalan wajah secara real-time menggunakan FaceNet. Model dirancang dengan memanfaatkan Dlib sebagai pendeteksi wajah, FaceNet sebagai pembentuk embedding fitur wajah, serta Support Vector Machine sebagai pengklasifikasi identitas. Sistem dibangun menggunakan Flask sebagai backend, Bootstrap sebagai antarmuka pengguna responsif, dan SQLite sebagai basis data yang ringan. Dataset penelitian terdiri atas 50 individu yang digunakan untuk membandingkan kinerja tiga model ekstraksi fitur, yaitu FaceNet, MobileNet, dan VGG-16. Hasil evaluasi menunjukkan bahwa FaceNet memberikan performa terbaik dengan akurasi pelatihan sebesar 99,92%, akurasi pengujian 99,82%, F1-score 0,9983, serta waktu pelatihan 9,74 detik. MobileNet menunjukkan kinerja yang baik dengan akurasi pelatihan 99,88%, akurasi pengujian 99,73%, dan F1-score 0,9973. Sementara itu, VGG-16 menunjukkan performa relatif lebih rendah dengan akurasi pelatihan 99,71%, akurasi pengujian 99,51%, F1-score 0,9951, serta waktu pelatihan 24,61 detik. Temuan tersebut mengindikasikan bahwa FaceNet lebih efektif dan efisien dalam mengekstraksi fitur wajah. Dengan demikian, sistem yang dikembangkan memiliki potensi untuk menggantikan metode absensi konvensional yang rentan terhadap kesalahan, sekaligus mendukung implementasi smart campus.