Lewati ke konten
Nur Amin
← Semua proyek
P-09Sistem Presensi Pengenalan Wajah2025

Presensi Pengenalan Wajah (KNN)

Presensi diambil dari wajah, dengan pemeriksaan kedipan dan senyum agar sebuah foto tidak bisa menitipkan absen.

Peran saya
Model pengenalan, program kamera, admin Flask, dan API PHP.
Bidang
Pembelajaran Mesin & AI, IoT & Sistem Tertanam, Pengembangan Web
Teknologi
  • Python
  • OpenCV
  • scikit-learn
  • dlib
  • Flask
  • PHP
  • MySQL

Tinjauan

Setiap sistem presensi sebenarnya adalah sistem antikecurangan yang mengenakan antarmuka ramah. Pengenalan saja tidak cukup — foto cetak yang diangkat ke depan webcam dikenali dengan sempurna. Maka sistem meminta wajah itu melakukan sesuatu yang tak bisa dilakukan foto: berkedip dan tersenyum. Baru setelah itu kecocokan diterima.

Selebihnya adalah pembukuan yang dikerjakan jujur. Absen sampai jam masuk dihitung tepat waktu; setelahnya dicatat terlambat, lengkap dengan berapa lamanya; begitu jam pulang lewat, absen masuk ditolak. Absen pulang sebelum jam pulang tetap diterima, tetapi dicatat sebagai pulang lebih awal beserta durasinya, bukan diam-diam dianggap hari biasa. Hasilnya dibacakan agar orang tahu apa yang tersimpan.

Antarmuka web Flask berada di atasnya agar administrator dapat mendaftarkan orang, mengambil atau mengambil ulang data wajah, mengubah atau menghapus pengguna, dan mengekspor rekap harian ke Excel. Program kamera dan admin sama-sama mengakses MySQL lewat API PHP kecil yang mewajibkan API key, dan sampel wajah tidak pernah meninggalkan komputer.

Dalam gambar

Jendela kamera “Absen Anti Nitip” yang mengenali wajah dengan pemeriksaan senyum dan kedip lolos, di samping rekap presensi harian di aplikasi Flask.
FIG. 01Stasiun kamera dan rekap admin. Digambar ulang dengan wajah ilustrasi dan data contoh.
Empat langkah — deteksi, potong ke 128 × 128, ratakan jadi 49.152 nilai, klasifikasi dengan KNN — di atas gerbang jarak cosine untuk wajah asing dan detail pendaftaran.
FIG. 02KNN selalu memilih seseorang, jadi pemeriksaan jarak terpisah menentukan apakah wajah itu dikenal.
Landmark mata dan rumus eye aspect ratio, grafik rasio yang turun di bawah 0,2 saat berkedip, dan tiga kasus: foto cetak, orang yang belum berkedip, dan orang yang sudah berkedip dan tersenyum.
FIG. 03Foto tidak bisa berkedip: tidak ada yang dicatat sampai kedipan dan senyum sama-sama terlihat.
Garis waktu absen masuk dan pulang di sekitar 08:00 dan 16:00, contoh scan beserta statusnya, dan pesan yang dibacakan.
FIG. 04Satu fungsi murni mengubah jam dan catatan hari ini menjadi status dan pesan suara.
Diagram: program kamera dan admin Flask memanggil API PHP dengan API key, yang menulis ke MySQL; di bawahnya, halaman kelola pengguna.
FIG. 05Dua klien, satu API PHP kecil, satu database MySQL — dan data wajah yang tetap di komputer.

Fungsi

Model
KNN (k = 3) atas piksel wajah 128 × 128, dengan gerbang jarak cosine untuk orang asing
Keaslian
Kedipan (eye aspect ratio dari landmark dlib) dan senyum, keduanya wajib
Aturan
Tepat waktu atau terlambat beserta durasinya; pulang lebih awal dicatat apa adanya

Yang dikerjakan

  1. 01Deteksi wajah dengan Haar cascade dan pengenalan dengan KNN; wajah asing ditolak lewat ambang jarak cosine.
  2. 02Deteksi kedipan mata dan senyum sebagai pemeriksaan keaslian.
  3. 03Absen masuk dan pulang diputuskan oleh satu fungsi aturan murni yang diuji.
  4. 04Umpan balik suara berbahasa Indonesia untuk setiap hasil.
  5. 05Pendaftaran yang merekam data diri dan 100 sampel wajah, dengan ambil ulang kemudian.
  6. 06Penyuntingan dan penghapusan pengguna beserta catatan dan data wajahnya.
  7. 07Rekap presensi harian per tanggal, bisa diekspor ke Excel.

Catatan teknis

Jam
JAM_MASUK dan JAM_PULANG diatur di .env (bawaan 08:00 dan 16:00)
Ditolak
Absen masuk setelah jam pulang, dan scan apa pun bila masuk dan pulang sudah tercatat
Privasi
Sampel wajah disimpan lokal sebagai .npz; repository tidak berisi data biometrik