Template Review Journal

Artikel ini disusun sebagai contoh template penulisan review jurnal yang membahas satu penelitian utama secara ringkas namun mendalam. Fokus pembahasan diarahkan pada tujuan penelitian, karakteristik subjek, metode yang digunakan, hasil temuan, serta analisis kekuatan dan kelemahan penelitian.

Template Penulisan Review Jurnal

Contoh Artikel Review Jurnal

Artikel Review Jurnal 1

Implementasi Face Detection dan Penghitungan Jumlah Menggunakan Raspberry Pi 4 dan Kamera Raspberry NoIR

Judul Jurnal: Implementasi Face Detection dan Penghitungan Jumlah Menggunakan Raspberry Pi 4 dan Kamera Raspberry NoIR
Jurnal: e-Proceeding of Engineering
Volume dan Halaman: Vol. 11, Halaman 129
Tahun: 2024
Penulis: Ibram Muharam Bachri, Muhammad Ary Murti, dan Azam Zamhuri Fuadi
Reviewer: Meilina Eka
Tanggal Review: 31 Desember 2025

Penelitian ini membahas implementasi sistem deteksi wajah (face detection) dan penghitungan jumlah wajah dengan memanfaatkan perangkat Raspberry Pi 4 dan kamera Raspberry NoIR. Rumusan masalah dalam penelitian ini berfokus pada bagaimana merancang sistem deteksi wajah yang mampu bekerja secara real-time pada perangkat dengan sumber daya terbatas, namun tetap menghasilkan akurasi yang tinggi dalam berbagai kondisi lingkungan.

Tujuan utama penelitian adalah mengembangkan sistem yang mampu mendeteksi wajah manusia pada citra atau video serta menghitung jumlah wajah yang terdeteksi secara akurat. Selain itu, penelitian ini juga bertujuan untuk mengevaluasi kinerja sistem melalui serangkaian pengujian pada kondisi pencahayaan yang berbeda, termasuk pencahayaan rendah dan normal, serta variasi posisi dan ekspresi wajah.

Metode penelitian yang digunakan melibatkan Raspberry Pi 4 sebagai platform utama dan kamera Raspberry NoIR sebagai perangkat pengambil citra, yang memiliki keunggulan dalam kondisi cahaya rendah karena sensitivitas inframerahnya. Algoritma deteksi wajah yang digunakan adalah Haar Cascade dari library OpenCV, dengan model haarcascade_frontalface_default.xml yang telah dilatih sebelumnya. Setelah proses deteksi, sistem melakukan penghitungan jumlah wajah pada setiap frame menggunakan pendekatan pengolahan citra. Sistem ini juga terintegrasi dengan platform Antares (IoT) untuk mengirimkan data hasil deteksi ke cloud. Seluruh perangkat lunak dikembangkan menggunakan bahasa pemrograman Python.

Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi wajah manusia dengan akurasi yang tinggi dan menghitung jumlah wajah secara tepat. Sistem berjalan dengan baik pada Raspberry Pi 4 dan dapat beroperasi secara real-time. Pengujian dalam berbagai kondisi lingkungan menunjukkan bahwa sistem tetap mampu mengenali wajah dengan performa yang memuaskan, termasuk pada kondisi pencahayaan rendah.

Kekuatan utama penelitian ini terletak pada akurasi deteksi yang tinggi, efisiensi penggunaan perangkat embedded, kemampuan real-time processing, serta integrasi dengan sistem IoT untuk analisis lanjutan. Namun demikian, penelitian ini juga memiliki kelemahan, yaitu performa sistem masih dapat menurun pada kondisi pencahayaan yang sangat minim atau ketika posisi wajah berada pada sudut ekstrem.

Secara keseluruhan, penelitian ini menyimpulkan bahwa sistem deteksi wajah dan penghitungan jumlah menggunakan Raspberry Pi 4 dan kamera Raspberry NoIR memberikan hasil yang memuaskan serta memiliki potensi aplikasi yang luas, khususnya dalam bidang pengawasan, pemantauan keramaian, dan sistem berbasis visi komputer.

---

Artikel Review Jurnal 2

Face Recognition sebagai Sistem Pendataan dan Akses Masuk Perpustakaan Daerah

Judul Jurnal: Face Recognition sebagai Sistem Pendataan dan Akses Masuk Perpustakaan Daerah
Jurnal: Prosiding SEMNASTERA (Seminar Nasional Teknologi dan Riset Terapan), Politeknik Sukabumi
Volume dan Halaman: Tidak disebutkan
Tahun: 2020
Penulis: Risyaf Fawwaz Pradipta, Denny Darlis, dan Syahban Rangkuti
Reviewer: Meilina Eka
Tanggal Review: 31 Desember 2025

Penelitian ini mengangkat permasalahan terkait sistem pendataan dan akses masuk di perpustakaan daerah yang masih dilakukan secara manual, seperti pencatatan nama, nomor identitas, waktu kunjungan, dan tanda tangan. Proses manual tersebut dinilai tidak efisien, memakan waktu, serta rentan terhadap kesalahan manusia, terutama ketika jumlah pengunjung meningkat secara signifikan.

Tujuan utama penelitian ini adalah merancang dan mengimplementasikan sistem face recognition sebagai solusi digital untuk pendataan pengunjung dan pengendalian akses masuk perpustakaan. Sistem ini diharapkan mampu menggantikan proses manual, meningkatkan efisiensi layanan, mendukung peningkatan literasi, serta berfungsi sebagai sistem absensi bagi staf perpustakaan.

Metode yang digunakan dalam penelitian ini melibatkan algoritma Viola-Jones untuk proses deteksi wajah karena kecepatan dan tingkat deteksinya yang baik. Untuk pengenalan wajah, digunakan algoritma Local Binary Pattern Histogram (LBPH) yang memanfaatkan histogram sebagai ciri khas wajah. Sistem dirancang dalam tiga tahap utama, yaitu pengumpulan data wajah, proses pelatihan (training) menggunakan LBPH, dan proses pengenalan wajah secara real-time dengan membandingkan citra wajah terhadap data yang tersimpan pada basis data lokal.

Hasil penelitian menunjukkan bahwa sistem bekerja secara optimal ketika jumlah sampel citra wajah lebih dari 10, jarak kamera berada pada rentang 30–100 cm, dan ekspresi wajah dalam kondisi normal. Akurasi tertinggi mencapai 100% pada kondisi ideal, sementara akurasi terendah terjadi pada ekspresi wajah tertentu, seperti tertawa, serta pada pengguna yang mengenakan kacamata.

Kekuatan penelitian ini terletak pada kemampuannya menggantikan sistem pendataan manual menjadi sistem otomatis yang lebih cepat dan efisien. Kombinasi algoritma Viola-Jones dan LBPH menghasilkan sistem yang cukup andal dengan tingkat akurasi tinggi pada kondisi optimal. Namun, kelemahan penelitian ini adalah sensitivitas sistem terhadap variasi ekspresi wajah, penggunaan aksesoris seperti kacamata, serta keterbatasan informasi metadata publikasi, seperti volume jurnal yang tidak dicantumkan.

Kesimpulan dari penelitian ini menyatakan bahwa sistem face recognition yang dikembangkan mampu meningkatkan efisiensi pendataan dan akses perpustakaan secara signifikan dibandingkan metode manual, meskipun masih memerlukan penyempurnaan dalam menangani variasi kondisi pengguna.

---

Artikel Review Jurnal 3

Sistem Presensi Pegawai dengan Face Recognition Menggunakan Deep Learning CNN

Judul Jurnal: Sistem Presensi Pegawai dengan Face Recognition Menggunakan Deep Learning CNN
Jurnal: Jurnal Informatika Atma Jogja
Volume dan Halaman: Volume 4, Nomor 2, Halaman 163–168
Tahun: 2023
Penulis: Axell Marvelino Wijaya, Joseph Eric Samodra, dan Suyoto
Reviewer: Meilina Eka
Tanggal Review: 31 Desember 2025

Penelitian ini membahas pengembangan sistem presensi pegawai di Universitas Atma Jaya Yogyakarta yang sebelumnya masih menggunakan metode fingerprint dan QR code, yang dinilai kurang efisien dan berpotensi menimbulkan antrean. Rumusan masalah difokuskan pada bagaimana merancang sistem presensi berbasis face recognition yang mampu bekerja secara real-time dengan tingkat akurasi yang tinggi.

Tujuan penelitian ini adalah mengembangkan sistem presensi berbasis Deep Learning Convolutional Neural Network (CNN) yang dapat mempercepat proses presensi, mengurangi antrean, serta menyimpan data kehadiran pegawai secara otomatis dan terstruktur.

Metode penelitian meliputi studi literatur, pengumpulan dataset wajah dengan berbagai variasi pose dan pencahayaan, serta pengembangan perangkat lunak menggunakan bahasa pemrograman Python dengan IDE PyCharm. Sistem memanfaatkan library dlib, face_recognition, dan OpenCV dengan arsitektur CNN berbasis ResNet, serta menggunakan GPU (CUDA dan cuDNN) untuk mempercepat proses komputasi. Pengujian dilakukan secara real-time dan hasil presensi disimpan dalam file CSV.

Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi wajah secara real-time dengan waktu pemrosesan 60–66 milidetik dan mencapai tingkat akurasi sebesar 92,5%. Sebagian besar data wajah dikenali dengan benar, meskipun masih ditemukan kasus false positive pada sebagian kecil data.

Kekuatan penelitian ini terletak pada penggunaan CNN yang memberikan akurasi tinggi serta kemampuan sistem untuk beroperasi secara real-time. Namun, kelemahan penelitian ini adalah kebutuhan spesifikasi hardware yang tinggi, belum tersedianya antarmuka pengguna, serta ketergantungan akurasi terhadap kualitas dataset wajah.

Kesimpulan penelitian menyatakan bahwa sistem presensi berbasis face recognition menggunakan CNN terbukti lebih efisien dibandingkan metode konvensional, meskipun masih diperlukan pengembangan lanjutan untuk meningkatkan akurasi dan kemudahan penggunaan.

Referensi

Bachri, I. M., Murti, M. A., & Fuadi, A. Z. (2024). Implementasi face detection dan penghitungan jumlah menggunakan Raspberry Pi 4 dan kamera Raspberry NoIR. e-Proceeding of Engineering, 11(1), 129.

Pradipta, R. F., Darlis, D., & Rangkuti, S. (2020). Face recognition sebagai sistem pendataan dan akses masuk perpustakaan daerah. Dalam Prosiding SEMNASTERA (Seminar Nasional Teknologi dan Riset Terapan) (hlm. 126–130). Politeknik Sukabumi.

Wijaya, A., Samodra, N. J. E., & Suyoto, N. (2023). Sistem Presensi Pegawai dengan Face Recognition Menggunakan Deep Learning CNN. Jurnal Informatika Atma Jogja, 4(2), 163–168. https://doi.org/10.24002/jiaj.v4i2.7660