Penerapan face recognition dengan model FaceNet untuk sistem kehadiran studi kasus sistem kehadiran kuliah Lab. Sistem Informasi Universitas Ahmad Dahlan
Total View This Week0
Total View This Week0
Institusion
Universitas Ahmad Dahlan
Author
Atallah, Aditya
Subject
Q Science (General)
Datestamp
2024-10-30 01:22:48
Abstract :
Sistem Kehadiran merupakan salah satu metrik yang cukup berpengaruh didalam akademi. Sistem kehadiran sendiri juga dapat digunakan juga untuk melacak seberapa baik kinerja mahasiswa. Disatu sisi sistem kehadiran juga dapat melakukan kesalahan dalam mencatat kehadiran mahasiswa. Untuk meningkatkan kinerja sistem kehadiran, maka akan diterapkannya penggunaan teknologi pengenalan wajah (face recognition) Salah satu teknologi yang memiliki akurasi yang baik dalam face recognition adalah FaceNet. Pada tahap awal akan dilakukan pengumpulan dataset wajah, yang mana dataset tersebut akan di preprocessing melalui tiga tahapan deteksi wajah, pemotongan wajah dan resize wajah. Selanjutnya setiap gambar akan diekstrak fitur menggunakan model FaceNet yang menghasilkan 128 vektor. Hasil ektstrasi akan digunakan sebagai input dalam pelatihan model menggunakan Support Vector Machine (SVM). Dengan mengumpulkan 15 mahasiswa yang akan dijadikan sampel. Penelitian ini menghasilkan pengenalan wajah yang sangat akurat dengan menggunakan FaceNet sebagai Ektrasi Fitur dan SVM sebagai model klasifikasi. Hasil pengenalan wajah menunjukan rata-rata akurasi 96.34%, precision dengan ratarata 99.34% dan rata-rata recall bernilai 96.34%.
Sistem Kehadiran merupakan salah satu metrik yang cukup berpengaruh didalam akademi. Sistem kehadiran sendiri juga dapat digunakan juga untuk melacak seberapa baik kinerja mahasiswa. Disatu sisi sistem kehadiran juga dapat melakukan kesalahan dalam mencatat kehadiran mahasiswa. Untuk meningkatkan kinerja sistem kehadiran, maka akan diterapkannya penggunaan teknologi pengenalan wajah (face recognition) Salah satu teknologi yang memiliki akurasi yang baik dalam face recognition adalah FaceNet. Pada tahap awal akan dilakukan pengumpulan dataset wajah, yang mana dataset tersebut akan di preprocessing melalui tiga tahapan deteksi wajah, pemotongan wajah dan resize wajah. Selanjutnya setiap gambar akan diekstrak fitur menggunakan model FaceNet yang menghasilkan 128 vektor. Hasil ektstrasi akan digunakan sebagai input dalam pelatihan model menggunakan Support Vector Machine (SVM). Dengan mengumpulkan 15 mahasiswa yang akan dijadikan sampel. Penelitian ini menghasilkan pengenalan wajah yang sangat akurat dengan menggunakan FaceNet sebagai Ektrasi Fitur dan SVM sebagai model klasifikasi. Hasil pengenalan wajah menunjukan rata-rata akurasi 96.34%, precision dengan ratarata 99.34% dan rata-rata recall bernilai 96.34%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
