Pengenalan Citra Wajah Menggunakan Yolov5 Berbasis CNN Pada Sistem Kehadiran Karyawan

Dalam konteks pengelolaan presensi, penggunaan teknologi deteksi objek telah menjadi fokus utama untuk mengatasi masalah kesalahan manusia. Penelitian ini membahas penerapan sistem presensi dan dampak negatif dari kesalahan manusia yang sering muncul dalam proses tersebut. Sebagai solusi potensial, pendekatan menggunakan model YOLOv5 berbasis CNN dalam melakukan pengenalan citra wajah telah dilakukan. Model ini dilatih dengan 1750 data presensi dalam 16 batch selama 100 epoch. Hasil pelatihan menunjukkan hasil yang mengesankan, dengan nilai Mean Average Precision (mAP) mencapai 94%, presisi sebesar 97%, dan recall sebesar 91%. Implementasi model YOLOv5 berbasis algoritma CNN pada sistem presensi menghasilkan peningkatan akurasi hingga 93%. Temuan ini memberikan indikasi kuat bahwa pendekatan deteksi objek dengan YOLOv5 memiliki potensi signifikan untuk mengatasi tantangan human error dalam pengelolaan presensi, dengan dampak positif pada akurasi dan efisiensi keseluruhan sistem.

Kata Kunci: Presensi, YOLOv5, Deteksi