Proyek tugas akhir
ini mengembangkan sistem
absensi kehadiran otomatis
berbasis pengenalan wajah dengan memanfaatkan kombinasi algoritma
deteksi objek YOLOv11s dan
face recognition berbasis MTCNN serta InceptionResnetV1. Sistem ini dirancang untuk mendeteksi dan
mengenali wajah pegawai secara real-time menggunakan
kamera CCTV maupun webcam, sehingga proses absensi menjadi lebih efisien,
akurat, dan tanpa sentuhan (contactless). Dataset wajah dikumpulkan dari pegawai instansi,
dianotasi menggunakan platform Roboflow, dan digunakan dalam pelatihan model YOLOv11s melalui Google Colab. Hasil pelatihan dan pengujian menunjukkan bahwa model
mendeteksi wajah dengan performa cukup baik, yaitu precision sebesar 0.904, recall
sebesar 0.816, mAP@50 sebesar
0.894, dan mAP@50–95 sebesar 0.585.
Proses pengenalan identitas wajah dilakukan melalui ekstraksi vektor embedding dari setiap wajah yang
terdeteksi, kemudian dibandingkan dengan data referensi menggunakan metode cosine similarity. Sistem juga dilengkapi fitur pengiriman
notifikasi otomatis ke WhatsApp setelah
absensi berhasil dilakukan, sebagai
bentuk transparansi dan monitoring bagi atasan maupun pihak keluarga. Pengembangan
sistem ini dilakukan menggunakan pendekatan Software
Development Life Cycle (SDLC) model Agile
yang meliputi tahap: requirements,
design, development, testing, deployment, dan review. Pendekatan ini
memungkinkan sistem dikembangkan secara bertahap dan fleksibel terhadap
perubahan kebutuhan.
