IMPLEMENTASI SISTEM ABSENSI BERBASIS FACE RECOGNITION DENGAN MEKANISME BLINK DETECTION MENGGUNAKAN SVM SECARA REAL-TIME

Read full text
Authors: Valeria Rahayu, Erlin Dolphina, Ricardus Anggi Pramunendar
Cited by: 0

Abstract

Absensi karyawan merupakan aspek penting dalam manajemen kehadiran di lingkungan perkantoran. Teknologi face recognition menawarkan pendekatan modern dalam sistem absensi karyawan, namun implementasinya saat ini masih rentan terhadap serangan pemalsuan atau spoofing. Di sisi lain, banyak perusahaan masih menggunakan metode tradisional seperti tanda tangan yang kurang efektif, rawan kecurangan, serta memerlukan waktu lebih lama. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem absensi karyawan berbasis face recognition secara real-time guna meningkatkan efisiensi, akurasi, dan keamanan pencatatan kehadiran yang dilengkapi dengan blink detection sebagai mekanisme anti-spoofing. Sistem yang diusulkan memanfaatkan MTCNN untuk proses deteksi wajah, ArcFace untuk ekstraksi fitur wajah dalam bentuk vector embedding, serta Support Vector Machine atau SVM sebagai algoritma klasifikasi. Hasil pengujian menunjukkan bahwa sistem mampu mengenali wajah karyawan dengan akurasi 95%, dengan nilai precision, recall, dan F1-Score masing-masing 95,86%, 93,58%, dan 93,89%. Mekanisme blink detection terbukti mampu mencegah pemalsuan absensi menggunakan foto statis. Selain itu, sistem ini mendukung penambahan data karyawan baru dengan dinamis dan tidak memerlukan waktu tunggu lama melalui proses update data yang terkontrol. Dengan penerapan sistem ini, proses absensi karyawan menjadi lebih cepat, akurat, dan terverifikasi keamanannya, sehingga dapat menjadi solusi praktis bagi perusahaan dalam pengelolaan data kehadiran secara modern dan efisien.

Fields of Study & Subjects

Face recognition and analysis Biometric Identification and Security Face and Expression Recognition

Publication details

Journal / source
Rabit Jurnal Teknologi dan Sistem Informasi Univrab
Volume
11
Issue
1
Pages
755–769
Publication date
11 January 2026