Sistem Presensi Mahasiswa Berbasis Multi-Face Recognition dengan Histogram of Oriented Gradients

Presensi atau kehadiran mahasiswa merupakan hal yang penting pada pelaksanaan perkuliahan. Beberapa kampus saat ini masih menerapkan metode pengambilan presensi konvensional yang mencatat kehadiran mahasiswa menggunakan media kertas. Metode tersebut tidak efisien karena membutuhkan banyak waktu, mudah dimanipulasi, dan sulit direkapitulasi. Saat ini telah banyak alternatif metode presensi otomatis dengan biaya yang relatif mahal dan akurasi yang beragam. Penelitian ini memberikan alternatif lain dengan membuat sistem presensi mahasiswa berbasis multi-face recognition dengan metode Histogram of Oriented Gradients (HOG) yang digunakan untuk mengekstraksi fitur wajah. Selain itu, sistem ini juga menerapkan metode Multi-Task Cascaded Convolutional Neural Network (MTCNN) untuk pendeteksian wajah dan Support Vector Machine (SVM) untuk proses klasifikasi fitur wajah yang telah diekstraksi. Sistem ini dibangun pada platform website dengan pengoptimalan pada perangkat smartphone dengan menerapkan teknologi Single Page Application (SPA). Dengan adanya sistem ini, dosen dapat mengambil presensi mahasiswa dengan memotret seluruh mahasiswa yang hadir di ruangan kelas menggunakan kamera smartphone-nya. Data latih pada penelitian ini menggunakan 500 citra wajah dari 25 mahasiswa yang diambil dari lima sisi dan empat ekspresi wajah yang berbeda pada masing-masing sisinya. Untuk pengujian sistem, digunakan 10 citra yang pada setiap citra terdapat 7 mahasiswa dengan jarak 1 hingga 5 meter serta pencahayaan ruangan yang terang dan redup. Hasil pengujian sistem menunjukkan akurasi tertinggi sebesar 95,71% pada jarak dan pencahayaan yang bervariasi. Sistem juga dapat mengenali wajah bermasker dengan akurasi 82,35%.