Implementasi FaceNet512 Berbasis RetinaFace untuk Pengenalan Wajah pada Sistem Presensi Mahasiswa Universitas Muhammadiyah Bandung

Abstract

Sistem presensi konvensional yang masih diterapkan di banyak perguruan tinggi, termasuk Universitas Muhammadiyah Bandung, rentan terhadap kecurangan dan memerlukan efisiensi yang lebih tinggi. Penelitian ini bertujuan mengimplementasikan model FaceNet512 dengan detektor RetinaFace untuk menciptakan sistem presensi mahasiswa berbasis pengenalan wajah yang otomatis, akurat, dan tahan kecurangan. Data wajah dikumpulkan dari 13 partisipan dengan 14 variasi, kemudian diproses menjadi embedding menggunakan metode FaceNet512 dan RetinaFace sebagai detektor wajah untuk diuji. Hasil evaluasi terhadap 143 data uji menunjukkan bahwa sistem menghasilkan akurasi sebesar 95,1% dengan nilai precision, recall, dan f1-score yang sama. Hasil ini menunjukkan bahwa implementasi FaceNet512 berbasis RetinaFace efektif digunakan dalam sistem presensi berbasis pengenalan wajah serta dapat memberikan alternatif sistem presensi yang lebih cepat dan efisien. Simpulan penelitian membuktikan bahwa implementasi FaceNet512 berbasis RetinaFace layak dijadikan solusi sistem presensi otomatis yang lebih cepat, efisien, dan andal dibandingkan metode konvensional, dengan rekomendasi untuk menambah variasi dataset guna meningkatkan generalisasi model pada kondisi riil.