Sistem Presensi menggunakan Deteksi Objek Wajah Mahasiswa Berbasis YOLO-V5

Abstrak

Presensi telah menjadi bagian penting dalam berbagai sektor, seperti perusahaan, pemerintahan, dan pendidikan, untuk efisiensi pengelolaan kehadiran. Perkembangan teknologi deep learning, khususnya dalam bidang pengenalan wajah, telah menjadi fokus utama dalam meningkatkan akurasi identifikasi. Dalam konteks ini, deteksi objek visual melalui computer vision menjadi kunci, dan metode You Only Look Once (YOLO) telah muncul sebagai pilihan utama untuk mendeteksi objek secara real-time pada berbagai media, termasuk webcam, berkat kecepatan dan efisiensinya. Penelitian ini mengusulkan penerapan YOLO-V5 dalam pengembangan sistem presensi mahasiswa. Pendekatan ini memanfaatkan deep learning dan augmentasi data untuk meningkatkan akurasi dalam identifikasi mahasiswa. YOLO-V5 memungkinkan deteksi objek real-time yang efisien, dan mampu memberikan tingkat akurasi hingga 95% pada setiap frame-nya. Penerapan sistem presensi mahasiswa dengan metode YOLO-V5 berhasil mendeteksi kehadiran mahasiswa secara real-time dengan tingkat akurasi yang signifikan. Ini mencerminkan kemampuan metode ini dalam meningkatkan efisiensi pengelolaan kehadiran dan dapat diimplementasikan secara baik dalam sistem presensi mahasiswa. Penelitian ini menjadi langkah maju dalam penggunaan deep learning dan computer vision untuk meningkatkan akurasi dan efisiensi dalam manajemen kehadiran.