Pengembangan Sistem Kehadiran Mahasiswa Ceras Berbasis Web dengan Deteksi Waktu Nyata Menggunakan Yolo dan Arcface

Abstract

ABSTRAK: Absensi mahasiswa merupakan aspek penting dalam proses perkuliahan untuk memantau tingkat kehadiran dan keterlibatan mahasiswa. Namun, sistem absensi konvensional yang masih dilakukan secara manual memiliki berbagai kelemahan, seperti tidak efisien, rawan kecurangan titip absen, serta kurang mendukung transformasi digital di lingkungan akademik. Penelitian ini merancang dan membangun sistem absensi cerdas berbasis web dengan mengintegrasikan object detection YOLOv8 dan face recognition ArcFace untuk melakukan pendeteksian serta identifikasi wajah mahasiswa secara otomatis dan real time. Sistem ini juga dilengkapi fitur anti spoofing untuk mencegah penggunaan foto atau gambar statis sebagai manipulasi kehadiran. Metode penelitian meliputi studi literatur, perancangan sistem, implementasi menggunakan framework Flask dan basis data MySQL, serta pengujian menggunakan metode blackbox testing. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi dan mengenali wajah mahasiswa dengan cepat dan akurat, menampilkan rekap kehadiran berbasis web, meminimalisir kecurangan, meningkatkan efisiensi proses absensi, serta mendukung digitalisasi administrasi akademik secara berkelanjutan dan dapat diintegrasikan dengan sistem kampus.
KATA KUNCI
Absensi Mahasiswa, YOLOv8, ArcFace, Face Recognition

ABSTRACT: Student attendance is an important aspect of the learning process to monitor student presence and participation. However, conventional attendance systems that are still carried out manually have several weaknesses, such as inefficiency, vulnerability to fraud through proxy attendance, and limited support for digital transformation in academic environments. This research designs and develops a web-based intelligent attendance system by integrating YOLOv8 for object detection and ArcFace for face recognition to automatically and accurately detect and identify students’ faces in real time. The system is also equipped with an anti-spoofing feature to prevent the use of photos or static images as attendance manipulation. The research methods include literature study, system design, implementation using the Flask framework and MySQL database, and system testing using blackbox testing. The results show that the system can detect and recognize students quickly and accurately, present attendance recaps through a web interface, minimize fraud, improve attendance efficiency, and support sustainable digitalization of academic administration and integration
Keywords:
Student Attendance, YOLOv8, ArcFace, Face Recognition