Cara Kerja Absensi Wajah untuk Sekolah, Dijelaskan Sederhana

Tim SiTuntas · 3 Juli 2026

Ditulis oleh Isep Nursamsi, S.T. · guru Informatika yang membangun dan memakai SiTuntas setiap hari di sekolah negeri.

Kok bisa sebuah kamera hafal ratusan wajah siswa dan tidak tertukar? Pertanyaan itu hampir selalu muncul saat sekolah pertama kali melihat absensi wajah bekerja. Jawabannya sebenarnya bisa dijelaskan dengan bahasa sehari-hari, tanpa istilah teknik yang bikin pusing. Mari kita bongkar pelan-pelan, dari saat wajah didaftarkan sampai kehadiran tercatat dan aman.

Wajah diubah menjadi "sidik angka", bukan disimpan sebagai foto

Saat siswa mendaftar, sistem melakukan tiga langkah cepat. Pertama, mendeteksi posisi wajah di dalam gambar. Kedua, meluruskan wajah itu ke posisi standar supaya perbandingan adil. Ketiga, dan ini yang paling penting, mengubah wajah menjadi deretan angka yang mewakili ciri khasnya. Di SiTuntas, satu wajah dipetakan menjadi 512 angka yang unik untuk orang itu, memakai keluarga model pengenalan wajah modern (ArcFace) yang jamak dipakai di industri.

Deretan angka inilah yang disimpan dan dicocokkan, bukan fotonya. Analoginya seperti sidik jari yang diringkas jadi kode: dari kode itu Anda tidak bisa menggambar ulang wajah aslinya, tetapi kode dari orang yang sama akan selalu mirip. Konsekuensinya dua hal sekaligus: pencocokan jadi ringan dan cepat, dan privasi lebih terjaga karena yang tersimpan bukan potret yang bisa disebar.

Saat absen, sistem mencocokkan dalam sepersekian detik

Ketika siswa berdiri di depan kiosk, kamera mendeteksi ada wajah, mengubahnya menjadi sidik angka dengan cara yang sama, lalu membandingkannya dengan seluruh data siswa untuk mencari yang paling cocok. Dalam istilah teknis ini disebut pencocokan satu-ke-banyak. Membandingkan deretan angka adalah pekerjaan ringan buat komputer, jadi satu siswa hanya butuh sekitar dua detik. Bandingkan dengan antre tanda tangan atau menempel jari satu per satu di pagi hari.

Supaya tidak asal cocok, sistem memakai ambang kemiripan. Kalau kemiripan di bawah ambang, sistem memilih tidak mengenali daripada salah menebak. Prinsip ini penting: lebih baik minta siswa mengulang sekali daripada mencatatkan kehadiran ke nama yang keliru.

Seberapa akurat teknologinya?

Pengenalan wajah sudah jauh lebih matang dibanding satu dekade lalu. Lembaga standar Amerika Serikat, NIST, rutin menguji ratusan algoritma dari seluruh dunia lewat program Face Recognition Vendor Test. Temuan mereka: antara 2014 dan 2018 saja, akurasi pencarian membaik sekitar 20 kali lipat, dan terus meningkat sesudahnya. Artinya, dengan kondisi pengambilan yang wajar, teknologi ini sekarang sangat andal.

Meski begitu, akurasi tetap dipengaruhi kondisi lapangan: cahaya yang terlalu gelap atau menyilaukan, wajah yang terlalu miring, atau kamera yang buram. Karena itu SiTuntas menambahkan pemeriksaan kualitas sebelum mencocokkan, yang memberi aba-aba kalau terlalu gelap, terlalu jauh, atau gambarnya goyang. Tujuannya sederhana: memastikan yang dicocokkan adalah gambar yang layak, bukan tebakan dari gambar seadanya.

Bagaimana dengan foto yang dipakai menipu?

Pertanyaan yang sehat: bagaimana kalau ada yang iseng menunjukkan foto temannya? Untuk mencegah ini, SiTuntas menjalankan pemeriksaan keaslian (liveness detection) secara aktif sebelum kehadiran dicatat. Sistem meminta gerakan acak yang berbeda tiap kali, misalnya kedipkan mata, buka mulut, atau menoleh ke kiri dan kanan. Selembar foto atau video yang diam di layar tidak bisa menuruti permintaan acak itu, sehingga langsung ditolak.

Pemeriksaan ini berjalan langsung di perangkat dengan membaca titik-titik wajah, jadi tidak ada gambar yang dikirim ke mana pun hanya untuk pengecekan keaslian. Sistem juga sengaja bersikap gagal-aman: kalau keaslian tidak bisa dipastikan, kehadiran tidak dicatat daripada berisiko salah. Titik absen yang diletakkan di tempat terawasi seperti gerbang atau lobi menjadi lapisan pelengkap.

Dari kecocokan menjadi catatan kehadiran

Begitu wajah cocok, sistem mencatat kehadiran lengkap dengan jamnya, lalu membandingkannya dengan jam masuk yang sekolah atur sendiri. Datang sebelum batas, tercatat hadir. Lewat dari batas, otomatis tercatat terlambat. Kiosk SiTuntas bahkan menyapa siswa dengan menyebut namanya lewat suara, sentuhan kecil yang membuat anak-anak senang sekaligus menjadi tanda bahwa dirinya sudah dikenali.

Ke mana data kehadiran itu pergi?

Kehadiran masuk ke rekap kelas secara langsung. Wali kelas melihat siapa yang belum datang pagi itu juga, TU tidak lagi merekap manual di akhir bulan, dan data yang sama tertaut ke jurnal mengajar guru. Jadi dari satu kali pindai di gerbang, beberapa pekerjaan administrasi ikut beres sekaligus.

Soal keamanan, prinsipnya sudah disinggung di atas: yang disimpan adalah sidik angka, bukan foto, dan database tiap sekolah berdiri sendiri sehingga tidak tercampur antar sekolah. Data wajah tergolong data pribadi spesifik menurut UU Pelindungan Data Pribadi, jadi pemakaiannya berbasis persetujuan orang tua. Pembahasan lengkap soal ini ada di artikel Keamanan Data Siswa dan UU PDP dan Apakah Absensi Wajah Aman dan Sesuai UU PDP.

Pertanyaan yang sering diajukan

Apakah foto siswa disimpan di server?

Tidak. Yang disimpan adalah deretan angka hasil olahan (sekitar 512 angka per wajah), bukan foto yang bisa ditayangkan atau disebar. Dari angka itu wajah asli tidak bisa direka ulang.

Apakah butuh mesin atau kamera khusus?

Tidak. SiTuntas berjalan dari browser dengan kamera biasa, baik dari laptop, tablet, maupun HP. Tidak ada perangkat mahal yang harus dibeli sekolah.

Bagaimana kalau siswa berkacamata atau ganti gaya rambut?

Perubahan kecil seperti kacamata atau potongan rambut umumnya masih dikenali karena yang dibandingkan adalah ciri wajah, bukan penampilan keseluruhan. Kalau wajah berubah cukup banyak, siswa tinggal didaftar ulang sebentar.

Apakah bisa tertukar dengan siswa lain yang mirip?

Sistem memakai ambang kemiripan dan memilih tidak mengenali daripada menebak. Untuk kembar identik, sekolah tetap bisa mengandalkan pengawasan petugas di titik absen sebagai pelengkap.

Referensi

• Face Recognition Vendor Test (FRVT), tolok ukur akurasi pengenalan wajah, NIST
• Keluarga model ArcFace untuk pengenalan wajah, InsightFace
• UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi, JDIH BPK RI

Ingin mencoba sendiri? Di halaman depan situntas.id ada demo pemindai wajah yang bisa Anda jalankan langsung dari browser, tanpa memasang apa pun.