Implementasi Algoritma One Class Classification dalam Sistem Guest Book Berbasis Face Recognition (Studi Kasus: PT. Trans Indonesia Superkoridor)

Penelitian ini bertujuan membangun sistem buku tamu otomatis berbasis face recognition yang mampu membedakan antara wajah karyawan (dikenal) dan tamu (tidak dikenal) secara real-time. Sistem ini menggunakan algoritma One-Class Support Vector Machine (OC-SVM) sebagai pendekatan klasifikasi satu kelas, yang hanya dilatih menggunakan data wajah karyawan. Untuk mengurangi kompleksitas komputasi dan meningkatkan akurasi, Principal Component Analysis (PCA) diterapkan sebagai metode reduksi dimensi terhadap vektor embedding wajah yang dihasilkan oleh model FaceNet. Pengujian dilakukan pada perangkat Raspberry Pi menggunakan webcam sebagai input citra wajah. Hasil evaluasi menunjukkan bahwa sistem dengan PCA mampu mencapai akurasi sebesar 96%, precision 100%, recall 93%, dan F1-score 96,3%. Sebagai perbandingan, sistem tanpa PCA hanya mencapai akurasi 60%. Rata-rata waktu respons sistem tercatat sebesar 44,5 detik, yang masih berada dalam batas waktu yang dapat diterima untuk interaksi real-time. Sistem juga menunjukkan performa yang cukup stabil meskipun terjadi variasi lingkungan seperti pencahayaan, sudut pandang, dan ekspresi wajah. Dengan hasil tersebut, sistem yang dikembangkan terbukti efektif dan efisien dalam melakukan verifikasi identitas karyawan serta mengarahkan tamu untuk mengisi formulir digital. Penelitian ini menunjukkan bahwa kombinasi PCA dan OC-SVM dapat diimplementasikan secara nyata pada sistem identifikasi berbasis wajah dengan perangkat berdaya komputasi rendah.