Sistem Absensi Otomatis Berbasis Face Recognition Menggunakan ESP32-CAM dan Web Dashboard
Keywords:
pengenalan wajah, ESP32-CAM, LBPH, sistem absensi, Haar Cascade, OpenCV, dashboard web, SQLiteAbstract
Penelitian ini membahas pengembangan sistem absensi otomatis berbasis pengenalan wajah menggunakan ESP32-CAM dan dashboard berbasis web. Objek penelitian ini adalah sistem absensi terintegrasi yang menggabungkan modul kamera berbasis IoT, pemrosesan citra, penyimpanan database, dan antarmuka web. Sistem absensi konvensional masih memiliki kelemahan, seperti kurang efisien dan rentan terhadap manipulasi, misalnya praktik titip absen. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem absensi yang mampu mendeteksi wajah, mengenali pengguna terdaftar, serta mencatat data kehadiran secara otomatis. Metode yang digunakan adalah Haar Cascade untuk deteksi wajah dan Local Binary Pattern Histogram (LBPH) untuk pengenalan wajah, yang diimplementasikan pada server Python menggunakan OpenCV dan Flask. ESP32-CAM digunakan untuk menangkap frame video dan mengirimkannya ke server melalui koneksi Wi-Fi. Data absensi hasil pengenalan disimpan ke dalam database SQLite dan ditampilkan melalui dashboard web. Dataset diperoleh dari pengguna terdaftar dengan beberapa variasi posisi wajah, ekspresi, jarak, dan kondisi pencahayaan. Hasil pengujian menunjukkan bahwa sistem berhasil mendeteksi wajah pada seluruh skenario pengujian dan memperoleh performa pengenalan terbaik pada jarak 30–50 cm dengan kondisi pencahayaan 150–300 lux. Kesimpulannya, sistem yang diusulkan dapat digunakan sebagai solusi absensi berbiaya rendah, meskipun performa pengenalan masih dipengaruhi oleh jarak dan kondisi pencahayaan.
References
[1] R. Szeliski, Computer Vision: Algorithms and Applications. New York, NY, USA: Springer, 2010.
[2] S. Z. Li and A. K. Jain, Handbook of Face Recognition, 2nd ed. London, U.K.: Springer, 2011.
[3] P. Viola and M. Jones, “Rapid object detection using a boosted cascade of simple features,” in Proc. IEEE Computer Society Conf. Computer Vision and Pattern Recognition (CVPR), 2001, pp. 511–518.
[4] T. Ahonen, A. Hadid, and M. Pietikäinen, “Face recognition with local binary patterns,” in Proc. European Conf. Computer Vision (ECCV), 2004, pp. 469–481.
[5] A. Saputra, R. Kurniawan, and D. Setiawan, “Implementasi OpenCV untuk deteksi wajah pada sistem berbasis Python,” Jurnal Teknologi Informasi dan Komputer, vol. 5, no. 2, pp. 120–126, 2021.
[6] Y. Zhang, L. Wang, and H. Chen, “Real-time face recognition based on deep learning for embedded systems,” IEEE Access, vol. 8, pp. 108234–108245, 2020.
[7] M. I. Putra, A. Pratama, and S. Wibowo, “Sistem absensi berbasis pengenalan wajah menggunakan webcam dan OpenCV,” Jurnal Informatika, vol. 7, no. 1, pp. 45–52, 2022.
[8] Espressif Systems, “ESP32-CAM technical reference manual,” 2022. [Online]. Available: https://www.espressif.com
[9] G. Bradski, “The OpenCV library,” Dr. Dobb’s Journal of Software Tools, 2000.
[10] M. Grinberg, Flask Web Development: Developing Web Applications with Python, 2nd ed. Sebastopol, CA, USA: O’Reilly Media, 2018.
[11] F. Rahman, D. Nugroho, and E. Saputri, “Pengaruh intensitas cahaya terhadap akurasi deteksi wajah menggunakan metode Haar Cascade,” Jurnal Ilmu Komputer dan Sistem Informasi, vol. 6, no. 3, pp. 210–217, 2021.
[12] Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung, Indonesia: Alfabeta, 2017.
[13] F. Chollet, Deep Learning with Python. Shelter Island, NY, USA: Manning Publications, 2017.
[14] A. Krizhevsky, I. Sutskever, and G. E. Hinton, “ImageNet classification with deep convolutional neural networks,” in Advances in Neural Information Processing Systems (NeurIPS), 2012, pp. 1097–1105.
[15] A. Rosebrock, “Face recognition with OpenCV and Python,” PyImageSearch, 2018. [Online]. Available: https://pyimagesearch.com/2018/09/24/opencv-face-recognition/
[16] OpenCV, “Open source computer vision library documentation,” 2023. [Online]. Available: https://opencv.org
[17] K. Zhang, Z. Zhang, Z. Li, and Y. Qiao, “Joint face detection and alignment using multitask cascaded convolutional networks,” IEEE Signal Processing Letters, vol. 23, no. 10, pp. 1499–1503, 2016.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Jurnal Publikasi Ilmu Komputer dan Multimedia
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
