Sistem Absensi Perkuliahan Berbasis Global Positioning System dengan Algoritma Convolutional Neural Network

Abstract

In a learning activity, attendance has an important role in college. As time goes by, a new culture called as “Titip Absen” appears among the students. The impact of this habitual practice will be detrimental, in parallel with this purpose of being counted as a presence, even though the student is not present in the classroom. However, this practice is caused by the manual attendance system, which can be easily manipulated. As a development of techonology, information and communication nowadays, an automatic system that is more efficient has been invented through facial recognition system. The face recognition system itself can gain any information from each face screening which is obtained before entering the classroom, while the attendance has been recorded into the database and will automatically be continued as a form of presence. Through this facial identity, the possibility of the attendance process more effective and efficient because the data will be stored in the database. In image classification, it is used the Convolutional Neural Network (CNN) algorithm that contains the potential to extract features into the images, classify, identify, and detect afterward. Then, the research also combines CNN with the Global Positioning System (GPS) which can guarantee that attendance and is conducted still in the campus area. The accuracy of Convolutional Neural Network (CNN) algorithm indicates 100% rate with the total of epoch is 50 and 6.200 the amount of data. The accuracy result obtained by the Global Positioning System (GPS) is 100% when using a mobile device and 81,6% if using a laptop device. In the results of the study, it is found that the CNN algorithm can function in the face recognition process, and the presence of GPS in this case plays an important role in ensuring that there is no “Titip Absen”. The system can also be accessed on various types of devices which will be easily understood by users subsequently.

Absensi memiliki peran yang cukup penting dalam suatu kegiatan pembelajaran terutama pada perguruan tinggi. Namun seiring berjalannya waktu, di kalangan mahasiswa sendiri muncul suatu budaya baru yang diistilahkan dengan “Titip Absen.” Kebiasaan akan hal tersebut dapat merugikan, dimana sejalan dengan tujuannya adalah untuk di hitung sebagai kehadiran meskipun mahasiswa yang bersangkutan tidak hadir di dalam perkuliahan. Tindakan yang demikian diakibatkan pula oleh sistem absensi manual, yang mana dapat dengan mudah di manipulasi. Pada zaman sekarang ini, seiring berkembangnya teknologi, informasi dan komunikasi, terdapat suatu sistem otomatis yang lebih efisien yakni dengan sistem pengenalan wajah. Sistem pengenalan wajah sendiri dapat memperoleh informasi dari setiap citra wajah yang mana didapatkan pada saat sebelum memasuki ruangan kelas, ketika absensi sudah tercatat ke dalam database maka secara otomatis akan dilanjutkan sebagai kehadiran. Melalui wajah pula dimungkinkan proses absensi yang lebih efektif serta efisien karena data akan tersimpan pada Database. Dalam klasifikasi gambar digunakan algoritma Convolutional Neural Network (CNN) yang mana memiliki potensi untuk mengekstrasi fitur-fitur dalam gambar untuk kemudian di klasifikasi, identifikasi, dan deteksi. Penelitian juga mengkombinasikan CNN dengan Global Positioning System (GPS) yang kemudian dapat menjamin absensi tersebut dilakukan masih pada wilayah kampus. Akurasi yang didapatkan oleh algoritma Convolutional Neural Network (CNN) sebesar 100% dengan jumlah epoch sebesar 50 dan 6.200 jumlah data. Akurasi yang didapatkan oleh Global Positioning System (GPS) sebesar 100% jika menggunakan device handphone dan jika menggunakan device laptop mendapatkan akurasi sebesar 81,6%. Pada hasil penelitian di dapati bahwa algoritma CNN dapat berfungsi dalam proses pengenalan wajah, serta adanya GPS dalam hal ini sangat berperan penting untuk menjamin tidak terjadinya kecurangan titip absen. Sistem juga dapat di akses pada berbagai jenis perangkat yang kemudian akan sangat mudah di pahami oleh pengguna.