> ## Documentation Index
> Fetch the complete documentation index at: https://help.dingtalk.io/llms.txt
> Use this file to discover all available pages before exploring further.

# Pengenalan AI untuk Foto Absen Bermasalah

> Fitur DingTalk 'Pengenalan AI Cerdas untuk Foto Absen Bermasalah' memanfaatkan model besar (LLM) dan teknologi pemahaman gambar untuk mendeteksi foto tidak valid, wajah yang tidak terlihat, pakaian yang tidak sesuai, serta absen bermasalah lainnya secara otomatis, membantu Admin melakukan pengawasan jarak jauh yang efisien dan akurat.

Dalam manajemen absensi sehari-hari, semakin banyak Organisasi menggunakan "absen dengan foto" untuk memverifikasi apakah Karyawan benar-benar hadir di lokasi atau menyelesaikan tugas kunjungan toko. Namun, dalam praktiknya sering muncul beberapa masalah berikut:

* Foto yang diunggah Karyawan berupa gambar tidak valid, seperti langit-langit, lantai, layar hitam, atau dinding kosong;
* Foto tidak memuat wajah, sehingga tidak dapat membuktikan kehadiran Karyawan yang bersangkutan;
* Foto rak atau display saat kunjungan toko buram atau salah sudut, sehingga tidak mencerminkan kondisi sebenarnya;
* Posisi khusus (seperti pemakaian helm keselamatan, rompi reflektif, atau kesesuaian riasan) tidak memiliki alat pemeriksaan yang efektif;
* Admin harus meninjau ratusan hingga ribuan foto secara manual satu per satu, memakan waktu dan tenaga, sehingga efisiensi manajemen menjadi rendah.

## Solusi produk

Untuk mengatasi tantangan manajemen di atas, DingTalk meluncurkan fitur "Pengenalan AI Cerdas untuk Foto Absen Bermasalah" yang mendeteksi perilaku absen tidak sesuai secara otomatis melalui teknologi model besar (LLM) dan pemahaman gambar, membantu Admin Organisasi mewujudkan pengawasan jarak jauh yang efisien dan akurat.

## Sorotan fitur utama

<CardGroup cols={2}>
  <Card title="Pengenalan gambar bermasalah">Mengenali foto dengan skenario tidak wajar seperti layar hitam, layar putih, langit-langit, dan lantai secara otomatis.</Card>
  <Card title="Deteksi pengenalan wajah">Menilai apakah foto memuat wajah manusia.</Card>
  <Card title="Mekanisme notifikasi Error">Menghasilkan laporan Error secara otomatis dan mengirim Push ke Admin untuk ditindaklanjuti.</Card>
  <Card title="Kanban visualisasi statistik">Menyediakan gambaran umum data kualitas foto di Admin Console Absensi.</Card>
</CardGroup>

## Detail fitur dan jalur penggunaan

<div style={{display:'flex', flexWrap:'wrap', gap:'16px', justifyContent:'center', margin:'16px 0'}}>
  <img src="https://alidocs.oss-cn-zhangjiakou.aliyuncs.com/res/YdgOk2bv3LgBgq4B/img/d49dd7ba-40bb-4c67-968d-6649677ac213.png" alt="Contoh statistik foto absen" style={{width:'48%', minWidth:'240px', borderRadius:'8px', boxShadow:'0 2px 12px rgba(0,0,0,0.08)', margin:0}} />

  <img src="https://alidocs.oss-cn-zhangjiakou.aliyuncs.com/res/YdgOk2bv3LgBgq4B/img/3776f58a-30d7-4c9b-8d22-89cb005849ab.png" alt="Contoh hasil pengenalan Error" style={{width:'48%', minWidth:'240px', borderRadius:'8px', boxShadow:'0 2px 12px rgba(0,0,0,0.08)', margin:0}} />
</div>

**Jalur akses**: Aplikasi Absensi > Statistik > Statistik Lainnya > Statistik Foto Absen.

**Konten produk**: Setelah masuk, Anda dapat melihat hasil analisis foto absen hari ini atau riwayat, meliputi total jumlah foto absen, jumlah foto yang memenuhi vs tidak memenuhi syarat, klasifikasi tipe Error, serta dapat klik Lihat Detail untuk memeriksa foto satu per satu.

**Waktu pembuatan**: Saat ini menggunakan mode pengenalan asinkron pasca-kejadian; analisis biasanya diselesaikan dan hasilnya tersedia pada pagi hari setelah tanggal absen.

## Nilai utama

* **HR / Admin**: Mengurangi beban peninjauan manual lebih dari 90% dan menemukan pelanggaran dengan cepat;
* **Supervisor bisnis**: Mewujudkan pengendalian proses standar untuk kunjungan toko, absensi lapangan, dan operasi di lokasi;
* **Organisasi secara keseluruhan**: Meningkatkan pelaksanaan aturan serta memperkuat kedisiplinan Organisasi dan Standar manajemen Keamanan.

## Skenario aplikasi umum

| Skenario                                                    | Deskripsi aplikasi                                                                                             | Contoh industri                        |
| ----------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------- | -------------------------------------- |
| Pemeriksaan pemakaian helm keselamatan di lokasi konstruksi | Mendeteksi pemakaian helm keselamatan saat absensi lapangan secara otomatis                                    | Konstruksi bangunan, pengawasan proyek |
| Pemeriksaan kepatuhan topi higienis di dapur                | Mendeteksi pemakaian topi higienis saat staf dapur absen masuk                                                 | Kuliner, pengolahan makanan            |
| Pemeriksaan riasan Karyawan toko                            | Karyawan bagian penjualan mengambil foto sebelum mulai bekerja, dan sistem membantu menilai kelengkapan riasan | Kosmetik, gerai berantai               |
| Pemeriksaan kepatuhan tampilan produk                       | Foto rak diambil saat kunjungan toko untuk menilai kesesuaian tampilan dengan Standar                          | Ritel, barang konsumsi cepat           |