Penerapan Algoritma K-Nearest Neighbors dan Support Vector Machineuntuk Pemindaian Kehadiran Mahasiswa Berdasarkan Based Location dan Face Recognition

Penulis

  • Egiene Irsandy Hidayat Universitas Binaniaga Indonesia Penulis
  • Muhamad Miftahudin Universitas Binaniaga Indonesia Penulis

DOI:

https://doi.org/10.36350/jskom.v1i2.40

Kata Kunci:

K-Nearest Neighbors, Support Vector Machine, Based Location, Face Recognition, Sistem Presensi

Abstrak

Pemindaian kehadiran merupakan elemen penting dalam mendukung proses belajar mengajar di perguruan tinggi serta salah satu bentuk evaluasi yang sering digunakan untuk menilai partisipasi mahasiswa dalam matakuliah. Namun, proses presensi yang dilakukan mahasiswa menggunakan sistem presensi konvensional sering menghadapi berbagai masalah seperti manipulasi data, rendahnya akurasi dan efisiensi yang tidak optimal. Sistem presensi menggunakan username dan password cenderung tidak efektif karena rentan terhadap kecurangan, seperti penitipan absen. Untuk mengatasi masalah tersebut,penelitian ini bertujuan mengembangkan sistem pemindaian kehadiran mahasiswa berbasis teknologi menggunakan algoritma K-Nearest Neighbors dan Support Vector Machine. Algoritma K-Nearest Neighbors diterapkan untuk mendeteksi lokasi geografis mahasiswa, sedangkan Support Vector Machine digunakan untuk memvalidasi kehadiran melalui pengenalan wajah. Penelitian ini dilakukan menggunakan metode pengembangan prototipe dengan pendekatan Reseacrh and Development (R&D). Prototipe aplikasi ini dirancang untuk melakukan validasi kehadiran mahasiswa secara otomatis sesuai lokasi geografis dan identifikasi wajah. Penerapan metode K-Nearest Neighbors dan Support Vector Machine mampu meningkatkan efektivitas dan akurasi dalam pemindaian kehadiran mahasiswa. Berdasarkan uji kelayakan oleh ahli sistem, aplikasi ini dinyatakan “Sangat Layak” dengan tingkat kelayakan 100%. Kemudian uji pengguna menggunakan perhitungan PSSUQ didapatkan hasil perhitungan rata-rata yaitu 90,42% yang dinyatakan “Sangat Layak”. Selain itu, uji hasil menggunakan confusion matrix dari kedua metode menunjukan bahwa sistem ini memiliki tingkat accuracy mencapai 95%, precision 93%, recall 100%, dan F1-score 96%. Hasil penelitian ini menunjukkan bahwa sistem yang dibangun mampu meningkatkan efektivitas dan akurasi yang sangat baik dalam proses pemindaian kehadiran mahasiswa. Implementasi sistem ini diharapkan dapat menjadi solusi inovatif untuk menciptakan proses presensi mahasiswa yang lebih andal di lingkungan akademik.

Unduhan

Data unduhan tidak tersedia.

Referensi

[1] Atritus, Jetro Jonathan, dan Hudori. (2025). Penerapan Algoritma Regresi Logistik untuk Deteksi Dini. Jurnal Ilmiah Saintekom, Volume 01 No. 01. Juni 2025; 63 – 65.

[2] Gejala Serangan Jantung

[3] B. Hartono, "Cara Mudah dan Cepat Sistem Informasi," 2021.

[4] F. N. Hasanah, "Buku Ajar Rekayasa Perangkat Lunak," 2020.

[5] J. P. Tanjung and B. A. Wijaya, "Facial Recognition Implementation using K–NN and PCA Feature Extraction in Attendance System," SinkrOn, vol. 5, no. 1, pp. 43–50, 2020.

[6] N. A. Tanjung and S. Sanwani, "Face Recognition using Webcam with K Nearest Neighbors Algorithm for Employee Presence," The IJICS, vol. 5, no. 3, p. 353, 2021.

[7] R. L. Thiosdor, K. Gunadi, and L. P. Dewi, "Implementasi Program Presensi Mahasiswa dengan menggunakan Face Recognition," 2021.

[8] N. A. Irawan and A. R. Kadafi, "Perancangan Sistem Informasi Presensi Online Karyawan Berbasis Website dengan Face Record dan Geo Location," Bulletin of Computer Science Research, vol. 3, no. 6, pp. 413–419, 2023.

[9] B. Hasta Yanto et al., "Attendance Mobile Application With Face Recognition and Detect Location," Jurnal Teknologi Dan Open Source, vol. 5, no. 1, pp. 51–63, 2022.

Unduhan

Diterbitkan

30-09-2025

Terbitan

Bagian

Articles

Cara Mengutip

Penerapan Algoritma K-Nearest Neighbors dan Support Vector Machineuntuk Pemindaian Kehadiran Mahasiswa Berdasarkan Based Location dan Face Recognition. (2025). Jurnal SAINTEKOM (Sains Dan Teknologi Komputasi), 1(2), 29-36. https://doi.org/10.36350/jskom.v1i2.40