Implementasi Smart CCTV Surveillance System Berbasis Computer Vision Untuk Deteksi Kedatangan dan Kepulangan Siswa

Latar belakang. Pengawasan kedatangan dan kepulangan siswa di lingkungan sekolah masih banyak dilakukan secara manual, sehingga berisiko menimbulkan kelalaian, keterlambatan pencatatan, serta kesulitan dalam melakukan verifikasi ketika terjadi permasalahan. Tujuan. Penelitian ini bertujuan mengimplementasikan dan menganalisis kinerja smart monitoring system berbasis computer vision yang mampu mendeteksi, melacak, mengenali identitas, serta mencatat aktivitas kedatangan dan kepulangan siswa secara otomatis. Metode. Sistem mengintegrasikan YOLOv26 sebagai model deteksi objek, ByteTrack sebagai algoritma pelacakan, RetinaFace untuk mendeteksi wajah, dan ArcFace dengan backbone IResNet50 untuk mengenali identitas siswa. Hasil pemrosesan dicatat dalam data log, ditampilkan melalui website monitoring, dan diteruskan kepada orang tua melalui notifikasi WhatsApp. Hasil. Hasil pengujian menunjukkan bahwa kombinasi YOLOv26s dan ByteTrack memberikan performa tracking terbaik dengan nilai Multiple Object Tracking Accuracy (MOTA) sebesar 0,964, Multiple Object Tracking Precision (MOTP) sebesar 0,181, dan IDF1 sebesar 0,973. YOLOv26n dan ByteTrack memperoleh kecepatan pemrosesan sebesar 49,19 FPS, sedangkan YOLOv26s dan ByteTrack memperoleh 47,33 FPS. Pada tahap pengenalan wajah, ArcFace berhasil mengenali 43 dari 46 sampel wajah dengan akurasi sebesar 93,48%. Pipeline lengkap menggunakan YOLOv26s, ByteTrack, RetinaFace, dan ArcFace mampu memproses 3.738 frame dalam waktu 238,05 detik dengan kecepatan 15,70 FPS. Kesimpulan. Sistem berhasil diimplementasikan untuk mendukung pemantauan kedatangan dan kepulangan siswa secara otomatis, terintegrasi, dan terdokumentasi melalui data log, website, serta notifikasi WhatsApp.