Penerapan Algoritma YOLOv8 Dalam Indentifikasi Wajah secara Real-Time menggunakan CCTV untuk Presensi Siswa
DOI:
https://doi.org/10.51454/decode.v4i3.847Keywords:
CCTV, Identifikasi Wajah, Presensi Siswa, YOLOv8Abstract
Sistem presensi siswa di SMK N 4 saat ini masih dilakukan secara manual, rentan terhadap manipulasi data dan inefisiensi. Penelitian ini bertujuan untuk mengembangkan sistem presensi siswa yang lebih akurat dan efisien dengan memanfaatkan algoritma YOLOv8 untuk melakukan deteksi wajah secara real-time. Melalui studi kasus di SMK Negeri 4 Tarakan, penelitian ini menggunakan metode eksperimental dengan mengumpulkan dataset wajah siswa dan melatih model YOLOv8. Menggunakan Algoritma YOLOv8 dalam mengidentifikasi wajah secara real-time. Berdasarkan dataset dari 30 Siswa SMK Negeri 4 Tarakan dengan pengambilan data menggunakan foto wajah, 120 foto data wajah dari 30 siswa. Dengan data training yaitu 84 gambar, data valid yaitu 24 gambar, dan data testing 12 gambar. Hasil performa model yaitu, nilai mAP yaitu 88,1%, precision 76,1%, dan recall 82,8% untuk pengolahan dataset siswa. Hasil penelitian berdasarkan performa menunjukkan bahwa model yang dibuat mampu mendeteksi dengan baik.
References
Abuzairi, T., Nurdina Widanti, Arie Kusumaningrum, & Yeni Rustina. (2021). Implementasi Convolutional Neural Network Untuk Deteksi Nyeri Bayi Melalui Citra Wajah Dengan YOLO. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(4), 624–630. https://doi.org/10.29207/resti.v5i4.3184
Adrezo, M., & Ardiansyah, M. E. (2024). Deteksi Jenis Kelamin Berdasarkan Wajah Menggunakan Metode YOLOv8. INTECOMS: Journal of Information Technology and Computer Science, 7(5), 1757-1762.
Anshori, M., Widya, A., Devi, W. A., Kh, U., & Hasbullah, A. W. (2024). Sistem Pendukung Pembelajaran Komputer Berbasis Artificial Intelligence. 8, 33629–33638.
Ariansyah, D. S., & Ariansyah, D. S. (2024). Pendeteksi Kata Dalam Bahasa Isyarat Menggunakan Algoritma Yolo Versi 8. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3). https://doi.org/10.23960/jitet.v12i3.4904
Armin, E. U., Purnama Edra, A., Alifin, F. I., Sadidan, I., Sary, I. P., & Latifa, U. (2023). Performa Model YOLOv8 untuk Deteksi Kondisi Mengantuk pada pengendara mobil. BRAHMANA: Jurnal Penerapan Kecerdasan Buatan, 5(1), 67–76. https://doi.org/10.30645/brahmana.v5i1.279
Darweesh, M. S., Adel, M., Anwar, A., Farag, O., Kotb, A., Adel, M., Tawfik, A., & Mostafa, H. (2021). Early breast cancer diagnostics based on hierarchical machine learning classification for mammography images. Cogent Engineering, 8(1). https://doi.org/10.1080/23311916.2021.1968324
Ermin, & Muntiari, N. R. (2022). Penerapan Metode Certainty Factor untuk Mendiagnosa Penyakit Preekslamsia pada Ibu Hamil dengan Menggunakan Bahasa Pemrograman Python. Insect (Informatics and Security): Jurnal Teknik Informatika, 7(2), 63–71. https://doi.org/10.33506/insect.v7i2.1818
Fu’adi, A., Prianggono, A., Juliartha, B., Putra, M., Hikmawan, B., Komunitas, A., Pacitan, N., Id, A. A., Id, A. A., Id, B. A., & Id, B. A. (2024). Pembangunan Sistem Monitoring Kehadiran Mahasiswa Menggunakan Yolo Pendeteksi Obyek dan Pengenal Wajah Opencv. Jurnal Ilmiah Teknologi Informasi Asia, 18(1), 84–87.
Guntara, R. G. (2023). Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(1), 55-60. https://doi.org/10.47233/jteksis.v5i1.750
Gibran, H., Purnama, B., & Kosala, G. (2024). Pengoptimasian Pengukuran Kepadatan Jalan Raya Dengan Cctv Menggunakan Metode Yolov8. Technomedia Journal, 9(1), 31–45. https://doi.org/10.33050/tmj.v9i1.2216
Hanif, K. H., & Muntiari, N. R. (2024). Penerapan Algoritma Decision Tree, Svm, Naive Bayes Dalam Deteksi Stunting Pada Balita. METHOMIKA Jurnal Manajemen Informatika Dan Komputerisasi Akuntansi, 8(1), 105–109. https://doi.org/10.46880/jmika.vol8no1.pp105-109
Muntiari, N. R., Nisa, K., Sandi A, A. S., Ashari, I. A., Hanif, K. H., & Dwinanto, R. W. (2023, May). Comparison of random forest algorithm, support vector machine, and k-nearest neighbor for diabetes disease classification. In AIP Conference Proceedings (Vol. 2706, No. 1). AIP Publishing.
Muntiari, N. R., Nisa, K., Sandi A, A. S., Ashari, I. A., Hanif, K. H., & Dwinanto, R. W. (2023). Comparison of random forest algorithm, support vector machine, and k-nearest neighbor for diabetes disease classification. AIP Conference Proceedings, 2706, 1–8. https://doi.org/10.1063/5.0120218
Rachman, R. M., Adi, M. M. N. S., & Ardiansyah, A. (2024, January). Implementasi Local Binary Pattern Histogram Dalam Multiple Face Recognition. In Seminar Nasional Teknologi & Sains (Vol. 3, No. 1, pp. 245-250).
Rahardja, U. (2022). Masalah Etis dalam Penerapan Sistem Kecerdasan Buatan. Technomedia Journal, 7(2), 181–188. https://doi.org/10.33050/tmj.v7i2.1895
Rahayu, W. I., Prianto, C., & Novia, E. A. (2021). Perbandingan Algoritma K-Means dan Naive Bayes untuk Memprediksi Prioritas Pembayaran Tagihan Rumah Sakit Berdasarkan Tingkat Kepentingan pada PT. Pertamina (Persero). Jurnal Teknik Informatika, 13(2), 1–8.
Susanti, L., Daulay, N. K., & Intan, B. (2023). Sistem Absensi Mahasiswa Berbasis Pengenalan Wajah Menggunakan Algoritma YOLOv5. JURIKOM (Jurnal Riset Komputer), 10(2), 640. https://doi.org/10.30865/jurikom.v10i2.6032
Thoriq, M. Y. A., Siradjuddin, I. A., & Permana, K. E. (2023). Deteksi Wajah Manusia Berbasis One Stage Detector Menggunakan Metode You Only Look Once (Yolo). Jurnal Teknoinfo, 17(1), 66. https://doi.org/10.33365/jti.v17i1.1884
Virgiawan, I., Maulana, F., Putra, M. A., Kurnia, D. D., & Sinduningrum, E. (2024). Deteksi dan tracking objek secara real-time berbasis computer vision menggunakan metode YOLO V3. Jurnal Ilmiah Multidisiplin Indonesia, 3(3).
Zakaria, R. N., Wulanningrum, R., & Setiawan, A. B. (2024). Penerapan Segmentasi Wajah MenggunakanYOLOv8 Untuk Presensi Mata Kuliah. Agustus, 8, 2549–7952.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Novita Ranti Muntiari, Indah Chairun Nisa, Ana Sriekaningih, Andri Yogi Adyatma Prasetyo, Muhammad Yusril

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.