Desain Absensi Mahasiswa Dengan Tanda Tangan Digital Terverifikasi Berbasis Convolutional Neural Network di Masa Pandemi Covid-19

Abstract

Pandemi Covid-19 telah membawa banyak perubahan dalam pelaksanaan proses pembelajaran. Sebelum pandemi Covid-19, proses pembelajaran dilaksanakan secara luring dengan memanfaatkan berbagai media. Namun, pandemi Covid-19 membuat proses pembelajaran berubah menjadi daring. Selama proses pembelajaran online yang telah dijalankan pada masa pandemi Covid-19 ini, absensi tidak dilakukan oleh mahasiswa melainkan oleh dosen dengan cara melihat kehadiran mahasiswa saat melakukan tatap muka melalui video conference. Akan tetapi proses absensi seperti ini dirasa kurang efektif dan memiliki kendala seperti kecurangan kehadiran yang dilakukan oleh mahasiswa dengan cara tetap online saat video conference tetapi mahasiswa bersangkutan tidak ikut interaktif di dalamnya, dosen kesulitan dalam menentukan syarat mengikuti UAS yakni sebesar 75%. Oleh sebab itu, penggunaan tanda tangan digital terverifikasi dalam proses absensi mahasiswa perlu diterapkan di lingkungan UM Pontianak. Tujuan dari penelitian ini adalah mencari tingkat similaritas dari model dengan gambar tanda tangan  dengan menggunakan Convolutional Neural Network. Metode dalam penelitian ini adalah menggunakan Siamese Convolutional Neural Network dengan tahapan sebagai berikut : collect tanda tangan digital, ReLu, Max Pooling dan Dropout, Flatten and Dense serta Softmax dan pengujian. Hasil dari penelitian ini adalah Model yang telah dibuat telah berhasil melakukan uji similaritas sehingga dapat membedakan mana tanda tangan asli dan palsu. Siamese Convolutional Neural Network sangat baik dalam melakukan modelling terhadap data gambar dan video