Temuan Utama

Presensi atau kehadiran guru yang tepat tidak hanya mempengaruhi kelancaran proses belajar-mengajar, tetapi juga berkontribusi pada pembentukan karakter dan disiplin siswa, serta meningkatkan kualitas pendidikan secara keseluruhan. Penelitian ini bertujuan membangun aplikasi mobile presensi guru berbasis geofence, Firebase ID, dan face capture di SMAN 1 Ulakan Tapakis untuk mengatasi kelemahan sistem manual (kertas) dan fingerprint yang rentan kecurangan, rawan kehilangan data, tidak real-time, serta memakan waktu. Metode pengembangan menggunakan waterfall, dengan implementasi Kotlin Android, REST API arsitektur RSC, serta pengujian unit, fungsional, efisiensi, dan UAT. Temuan utama menunjukkan bahwa sistem berhasil diimplementasikan dengan tiga mekanisme validasi (lokasi, perangkat, wajah) yang berfungsi sesuai rancangan. Pengujian efisiensi membuktikan bahwa untuk 7 guru melakukan presensi bersamaan, waktu turun dari 107 detik (manual) menjadi hanya 18 detik (aplikasi)—5,94 kali lebih efisien. Pada pelaporan rekap, waktu berkurang dari 45–60 menit menjadi 15–60 detik, atau 60 kali lebih efisien. Hasil UAT terhadap kepala sekolah, admin, dan guru mencapai rata-rata 84,12% (kategori setuju hingga sangat setuju). Seluruh 26 item uji fungsional (14 mobile + 12 portal) dinyatakan “Sesuai” tanpa kesalahan.

Potensi Manfaat

1. Efisiensi waktu ekstrem – Presensi 5,94x lebih cepat, pelaporan 60x lebih cepat. Guru dan staf tidak perlu antre. 2. Akurasi data terjamin – Validasi 3 lapis (lokasi, perangkat, wajah) menutup celah kecurangan seperti penitipan absen. 3. Monitoring real-time – Kepala sekolah bisa memantau kehadiran guru kapan saja tanpa menunggu rekap manual. 4. Fitur perjalanan dinas terintegrasi – Nilai tambah administratif yang jarang ada di sistem presensi lain. 5. Eliminasi risiko kehilangan data – Tidak ada lagi berkas kertas yang hilang atau rusak. 6. Hemat biaya perawatan – Tidak seperti fingerprint yang rusak 2x, sistem ini hanya butuh smartphone dan koneksi internet. 7. Replikasi mudah – Dapat diadopsi oleh sekolah lain, kantor, atau perusahaan dengan penyesuaian minimal. 8. Potensi pengembangan lanjutan – Siap dikembangkan ke iOS (Kotlin Multiplatform) dan machine learning untuk face liveness detection.