perancangan sistem informasi absensi biometrik berbasir algoritma cnn
DOI:
https://doi.org/10.37338/4neh6c44Keywords:
Convolutional Neural Network, Absensi Biometrik, Pengenalan Wajah, Sistem Informasi, Disiplin KerjaAbstract
PT BGR Petaling Jaya, yang bergerak di bidang perkebunan kelapa sawit, menghadapi masalah dengan sistem absensi manual yang mengakibatkan antrian panjang, kesalahan pencatatan, dan potensi kecurangan seperti titip absen. Selain itu, proses rekapitulasi data absensi secara manual juga menyulitkan staf administrasi. Penelitian ini bertujuan merancang sistem absensi biometrik berbasis pengenalan wajah menggunakan algoritma Convolutional Neural Network (CNN). Sistem ini diharapkan dapat meningkatkan efisiensi dan akurasi dengan mengenali wajah karyawan secara otomatis, bahkan dalam kondisi lapangan yang sulit seperti pencahayaan rendah dan sudut wajah yang bervariasi. Algoritma CNN juga mengurangi potensi kecurangan dan mempercepat proses rekapitulasi absensi. Dengan sistem ini, PT BGR Petaling Jaya dapat meningkatkan efisiensi operasional, disiplin kerja, dan transparansi dalam manajemen kehadiran karyawan.
Kata Kunci: Convolutional Neural Network, Absensi Biometrik, Pengenalan Wajah, Sistem Informasi, Disiplin Kerja.
References
[1] Anggara Putra Meldyantono, & Bagus Satrio Waluyo Poetro. (2025). Implementasi Sistem Absensi Berbasis Pengenalan Wajah Menggunakan Metode CNN dan Model FaceNet. Jurnal Rekayasa Sistem Informasi dan Teknologi, 2(3), 996. e-ISSN: 3025-888X.
[2] Gomes, C., Chanchal, S., Desai, T., & Jadhav, D. (2020). Class Attendance Management System using Facial Recognition. In Proceedings of ITM Web of Conferences (Vol. 32, p. 02001).
[3] Indrajani, & Yuliana, A. (2020). “Perancangan Sistem Informasi Absensi Karyawan Berbasis Web dengan Metode Waterfall.” Jurnal Teknologi dan Sistem Informasi, 9(1), 45–53.
[4] Kadir, A. (2018). Pengenalan Sistem Informasi Edisi Revisi. Yogyakarta: Andi Offset.
[5] Amelia, A., & Solikhah, M. (2023). Web-based employee attendance information system on CV. Syntax Corporation Indonesia. Jurnal Indonesia Sosial Teknologi, 4(12), 2436-2442.
[6] F. J. Pontoh, "Teknik deteksi biometrika untuk pengenalan sidik jari menggunakan deteksi minutiae," Jurnal Ilmiah Komputer Grafis, vol. 17, no. 1, pp. 193-200, Jul. 2024.
[7] Zhao, W., Chellappa, R., Phillips, P. J., & Rosenfeld, A. (2003). Face recognition: A literature survey. ACM Computing Surveys, 35(4), 399–458.
[8] Putri, D. A., & Santoso, H. (2024). “Optimasi Pengenalan Wajah Menggunakan CNN untuk Sistem Absensi di Lingkungan Industri.” Jurnal Teknologi Informasi dan Sains Komputer, 7(1), 112–121.
[9] Rawat, W., & Wang, Z. (2017). “Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review.” Neural Computation, 29(9), 2352–2449. doi:10.1162/NECO_a_00990.
[10] Zulvi, M. S. (2021). Systematic literature review penerapan metodologi agile dalam berbagai bidang. Jurnal Komputer Terapan, 7(2), 300-313.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 dewi aminah, Febri Dristyan, Rezagi Meilano
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
