PERBANDINGAN PERFORMA FRAMEWORK MVC DALAM SISTEM KEHADIRAN BERBASIS PENGENALAN WAJAH

Authors

  • WAWAN SISMADI Universitas IPWIJA
  • BESAR AGUNG MARTONO Universitas IPWIJA
  • YODI SUSANTO Universitas IPWIJA
  • AMIN MUZAENI Universitas IPWIJA

DOI:

https://doi.org/10.51878/edutech.v5i1.4405

Keywords:

Framework MVC, Pengakuan Wajah, Absensi, DonatJS, Laravel, CodeIgniter

Abstract

This study aims to provide a comprehensive guide for developers in selecting the most suitable MVC framework for the specific needs of a facial recognition-based attendance application. The objective of this research is to identify, analyze in-depth, and compare the advantages, disadvantages, and implementation challenges of three popular frameworks: DonatJS, Laravel, and CodeIgniter, in the context of developing an attendance system utilizing facial recognition technology. The study evaluates the performance of each framework in a standardized environment using hardware (Intel Core i5 CPU, 8GB RAM) and the latest software. Each framework was tested three times using Google Lighthouse, ensuring the validity of measurable data through standardized methodology. The results reveal that DonatJS demonstrates superior performance in initial load time, with a First Contentful Paint (FCP) value of 1200 ms, but faces significant challenges in integrating facial recognition algorithms that require high processing resources. Meanwhile, CodeIgniter exhibits better stability when handling heavy application loads, with a recorded Total Blocking Time (TBT) of 490 ms. Laravel, on the other hand, offers a balanced performance between initial load speed and long-term stability, making it a compromise choice for implementation. The conclusion of this study suggests that the ideal framework selection should be based on the specific priorities of the application being developed, taking into account the purpose of development and different performance requirements. These priorities include efficiency in rendering or prioritizing system scalability and stability.

ABSTRAK
Penelitian ini bertujuan untuk memberikan panduan komprehensif kepada pengembang dalam memilih framework MVC yang paling sesuai dengan kebutuhan spesifik aplikasi absensi berbasis pengenalan wajah. Tujuan penelitian ini adalah mengidentifikasi, menganalisis secara mendalam, dan membandingkan keunggulan, kelemahan, serta tantangan implementasi dari tiga framework populer: DonatJS, Laravel, dan CodeIgniter, dalam konteks pembangunan sistem absensi berbasis teknologi pengenalan wajah. Penelitian ini mengevaluasi performa tiap-tiap framework dalam lingkungan standar menggunakan perangkat keras (CPU Intel Core i5, RAM 8GB) dan perangkat lunak terkini. Setiap framework diuji sebanyak tiga kali menggunakan alat Google Lighthouse, yang memastikan validitas data terukur melalui metodologi standar. Hasil penelitian mengungkapkan bahwa DonatJS menunjukkan performa unggul dalam waktu muat awal, ditandai dengan nilai First Contentful Paint (FCP) sebesar 1200 ms, tetapi menghadapi tantangan signifikan dalam integrasi algoritma pengenalan wajah yang membutuhkan sumber daya pemrosesan tinggi. Sementara itu, CodeIgniter memperlihatkan stabilitas yang lebih baik dalam menghadapi beban aplikasi berat, dengan Total Blocking Time (TBT) tercatat sebesar 490 ms. Laravel, di sisi lain, menawarkan performa yang seimbang antara kecepatan muat awal dan stabilitas jangka panjang, yang membuatnya menjadi pilihan yang kompromistis dalam implementasi. Kesimpulan penelitian ini adalah, pemilihan framework yang ideal seharusnya didasarkan pada prioritas spesifik dari aplikasi yang hendak dibangun, dan dipertimbangkan dari tujuan pembuatan, serta kebutuhan performa yang berbeda. Prioritas tersebut meliputi efisiensi dalam tampilan atau mengutamakan skalabilitas dan stabilitas sistem.

Downloads

Download data is not yet available.

References

Akhmad. (2023). Perancangan dan Implementasi Sistem Absensi Berbasis Teknologi Terkini Untuk Meningkatkan Efisiensi Pengelolaan Kehadiran Karyawan dalam Perusahaan. https://jti.publicascientificsolution.com/index.php/rp/article/view/21

Firmansyah. (2021). Implementasi deep learning menggunakan convolutional neural network untuk klasifikasi bunga. https://repository.uinjkt.ac.id/dspace/handle/123456789/55347

Kosmos, P. (2024, May 15). Bahasa Pemrograman Untuk Bangun Web Interaktif. D3 Rekayasa Perangkat Lunak Aplikasi. Retrieved January 16, 2025, from https://dif.telkomuniversity.ac.id/en/javascript-bahasa-pemrograman-untuk-bangun-web-interaktif/

Maeli, & Didik. (2022). Pengendalian Kecepatan Motor Induksi Tiga Fasa Menggunakan Variable Frequency-Drive (VFD) Untuk Mendeteksi Aliran dan Tekanan Air Pada Modul Pumps . . .. http://ftuncen.com/index.php/SAINTEK/article/view/74

MAILOPUW. (2024). ANALISIS PERBANDINGAN ANTARA FRAMEWORK CODEIGNITER DENGAN FRAMEWORK LARAVEL. https://eprints.utdi.ac.id/10541/

Margianto. (2024). EKSPLORASI METODE PENGENALAN WAJAH DALAM SISTEM KEAMANAN RUMAH PINTAR. https://journalpedia.com/1/index.php/jipt/article/view/1080

Mohammad, & Sirojul. (2022). Analisis dan Implementasi Restful API guna Pengembangan Sistem Informasi Akademik pada Perguruan Tinggi. https://journal.nurulfikri.ac.id/index.php/jit/article/download/409/261

Mukund. (2013). Traditional SDLC vs scrum methodology–a comparative study. https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=7740829e70c028a75780d3b7bd034345beb940c4

Rahmad, & Arief. (2024). Evaluasi Trade-off Akurasi dan Kecepatan YOLOv5 dalam Deteksi Kebakaran pada Edge Devices. https://jurnalsyntaxadmiration.com/index.php/jurnal/article/view/1626

Rotikan. (2016). Sistem Informasi Absensi Berbasis Web Untuk Kegiatan Konferensi. http://www.sisfotenika.stmikpontianak.ac.id/index.php/ST/article/view/104

Suhaili, Nurdin, & Taufiq. (2022). Tokopedia and Shopee Marketplace Performance Analysis Using Metrix Google Light-house. https://www.ijesty.org/index.php/ijesty/article/view/312

Sumarsono. (2024). Desain Pengembangan Website dengan Arsitektur Model View Controller pada Framework Laravel. http://jurnal.unidha.ac.id/index.php/jteksis/article/view/1497

Downloads

Published

2025-02-03

How to Cite

SISMADI, W., MARTONO, B. A. ., SUSANTO, Y. ., & MUZAENI, A. . (2025). PERBANDINGAN PERFORMA FRAMEWORK MVC DALAM SISTEM KEHADIRAN BERBASIS PENGENALAN WAJAH . EDUTECH : Jurnal Inovasi Pendidikan Berbantuan Teknologi, 5(1), 1-7. https://doi.org/10.51878/edutech.v5i1.4405

Issue

Section

Articles