| Tugas akhir ini bertujuan untuk mengatasi ketidakefisienan dan kesalahan pencatatan dalam sistem presensi di asrama yang masih dilakukan secara manual. Dengan jumlah penghuni yang banyak, pencatatan kehadiran secara konvensional menjadi kurang praktis dan rawan kesalahan. Oleh karena itu, penelitian ini mengembangkan sistem presensi otomatis berbasis deteksi wajah menggunakan webcam bawaan laptop dan komputer yang tersedia di asrama. Sistem ini diimplementasikan sebagai aplikasi berbasis web yang berjalan secara offline pada localhost, menggunakan Flask sebagai web framework dan Python sebagai bahasa pemrograman utama. Teknologi pengenalan wajah diterapkan melalui algoritma Haar Cascade Classifier dan K-Nearest Neighbors (KNN) untuk mendeteksi serta mengidentifikasi individu berdasarkan fitur wajah mereka. Detektor wajah yang digunakan menangkap karakteristik unik seperti jarak antara mata, bentuk hidung, dan kontur wajah, lalu membandingkannya dengan database wajah yang telah terdaftar. Pengujian dilakukan terhadap 27 peserta dengan berbagai kondisi, termasuk perubahan sudut wajah, ekspresi, serta keberadaan aksesori seperti kacamata dan topi. Hasil evaluasi menunjukkan bahwa sistem memiliki akurasi sebesar 65,79%, dengan masih adanya false positive yang menunjukkan kesalahan dalam mengenali individu yang salah. Analisis juga menemukan bahwa peningkatan jumlah frame yang diproses sebelum pengambilan keputusan dapat mengurangi kesalahan identifikasi. Dengan hasil ini, sistem presensi berbasis deteksi wajah memiliki potensi untuk diterapkan dalam lingkungan asrama yang lebih luas, namun masih memerlukan optimasi lebih lanjut, terutama dalam penyesuaian threshold KNN dan pengolahan gambar sebelum proses identifikasi guna meningkatkan akurasi dan keandalannya dalam kondisi nyata. |