ABSTRAK
Teknologi pengenalan wajah berbasis biometrik banyak diterapkan pada
sistem absensi karena bersifat otomatis dan mampu mengurangi kecurangan. Salah
satu pendekatan yang digunakan adalah Convolutional Neural Network (cnn) yang
dikombinasikan dengan algoritma FaceNet untuk menghasilkan representasi
numerik wajah (embedding). Namun, kinerja sistem deteksi wajah tidak hanya
dipengaruhi oleh model, tetapi juga oleh kualitas citra masukan, khususnya jarak
potret antara wajah dan kamera. Penelitian ini bertujuan untuk menganalisis
pengaruh eksplorasi jarak potret terhadap kinerja deteksi wajah menggunakan
metode Convolutional Neural Network (cnn) dengan FaceNet sebagai alat analisis
fitur wajah. Studi kasus dilakukan di PT. Fiber Networks Indonesia dengan
pengambilan citra wajah karyawan pada tiga kategori jarak potret, yaitu jarak dekat
(< 30 cm), jarak ideal (40–70 cm), dan jarak jauh (> 80 cm). Metode penelitian
meliputi pengumpulan data, pra-pemrosesan citra, deteksi wajah , pembentukan
embedding menggunakan FaceNet, serta pengujian akurasi dan validasi jarak
embedding. Hasil penelitian menunjukkan bahwa jarak potret normal menghasilkan
performa deteksi wajah dan stabilitas embedding terbaik dibandingkan jarak terlalu
dekat maupun terlalu jauh. Hasil ini dapat dijadikan rekomendasi dalam penerapan
sistem absensi berbasis deteksi wajah yang lebih akurat dan andal.
Kata kunci: deteksi wajah, Convolutional Neural Network, FaceNet, jarak potret,absensi.