Aplikasi presensi pegawai menggunakan face verification berbasis convolutional neural network dan euclidean distance algorithm

Perkembangan teknologi informasi sangat penting dalam kehidupan seharihari, terutama dalam meningkatkan kualitas layanan, termasuk pengelolaan kepegawaian. Transformasi digital mendorong peralihan dari metode manual ke system berbasis web, tetapi adopsi teknologi di UMKM masih terbatas. Solusi presensi berbasis web dengan pengenalan wajah dapat menawarkan kemudahan dan efisiensi waktu, serta melindungi privasi melalui pemrosesan biometrik di sisi klien. Sistem ini dikembangkan dengan model Waterfall, menggunakan Convolutional Neural Network (CNN) untuk ekstraksi fitur wajah dan Euclidean distance untuk mengukur kemiripan. Proses presensi melibatkan pengambilan selfie, deteksi landmark wajah dengan MTCNN, dan pencocokan embedding dengan template tersimpan berdasarkan ambang tertentu. Pengujian fungsional menunjukkan kinerja sesuai kebutuhan, sedangkan evaluasi performa pada 6 subjek (60 citra) dalam dua kondisi pencahayaan menunjukkan True Acceptance Rate hingga 98% dengan False Acceptance Rate 0% dan akurasi sekitar 99%. Ini menunjukkan bahwa sistem verifikasi wajah berbasis peramban dengan embedding CNN dan Euclidean distance efektif untuk diterapkan dalam UMKM dan organisasi kecil.