Rancang Bangun Sistem Presensi Face Recognition dengan Metode Haar Cascade Classifier dan LBPH

Penelitian ini bertujuan untuk mengembangkan sistem presensi otomatis berbasis face recognition sebagai solusi atas ketidakefisienan dan potensi kecurangan presensi manual. Sistem dibangun menggunakan bahasa pemrograman python berbasis aplikasi desktop tkinter, penyimpanan data SQLite, serta dikonversi menjadi file executable (.exe). Metode Haar Cascade Classifier diterapkan untuk deteksi wajah, sedangkan Local Binary Patterns Histograms (LBPH) digunakan untuk pengenalan wajah. Pengujian dilakukan melalui black box testing, user accepatnce testing (UAT), dan evaluasi performa teknik pengenalan wajah. Hasil pengujian teknis ideal, yaitu jarak 0,2-0,5 meter, pencahayaan normal hingga terang (≥124 lux), posisi wajah lurus (90˚), dan tanpa masker. Namun, akurasi mengalami penurunan pada kondisi ekstrem seperti pencahayaan redup, jarak jauh, sudut kemiringan wajah, penggunaan masker, atau wajah di luar dataset. Fitur liveness detection (deteksi kedipan) terbukti efektif memvalidasi kehadiran langsung mencegah pemalsuan presensi berbasis media foto. Pengujian fungsionalitas (black box) meraih tingkat user dan 97% pada role admin dengan kategori sangat baik. Secara keseluruhan, sistem presensi ini berjalan sesuai rancangan dan layak diimplementasikan secara optimal.