Electronic Theses and Dissertation

Etnis merupakan konsep yang mencakup kesamaan budaya dan identitas melalui nilai-nilai budaya yang mempengaruhi perilaku dan cara berpikir. telah banyak dilakukan penelitian tentang klasifikasi etnis di beberapa tempat dan di berbagai belahan dunia, namun penelitian tentang klasifikasi etnis aceh berdasarkan citra wajah belum pernah dilakukan. penelitian ini mengangkat tema klasifikasi etnis aceh dan etnis non-aceh. selanjutnya, pengklasifikasian etnis secara manual umumnya sulit dilakukan karena keterbatasan kemampuan manusia dalam menangkap perbedaan detail fitur wajah dari individu etnis yang diklasifikasikan. oleh karena itu, penelitian ini bertujuan membangun model deep learning yang dapat mengklasifikasikan individu-individu etnis aceh dan etnis non-aceh. model dibangun dengan menggunakan algoritma convolutional neural network (cnn) khususnya arsitektur resnet dan vgg, serta dengan memanfaatkan dataset primer yang berisi citra wajah individu etnis aceh dan etnis non-aceh. dataset yang dibangun untuk penelitian ini terdiri dari 1.000 citra wajah individu yang terbagi merata ke dalam dua kelas etnis aceh dan etnis non-aceh. hasil penelitian menunjukkan bahwa model terbaik diperoleh dari arsitektur resnet50 dengan learning rate 0,001 pada epoch ke-80, yang berhasil mencapai akurasi klasifikasi sebesar 89,00%; precision 87,80%; recall 95,00%, dan f1-score 91,24%. hasil penelitian ini diharapkan dapat membantu pendataan etnis aceh serta mendukung pelestarian budaya lokal.

Ethnicity is a concept that encompasses cultural and identity similarities through values that influence behavior and ways of thinking. Numerous studies on ethnic classification have been conducted in various regions around the world; however, research focusing on the classification of Acehnese ethnicity based on facial images has not been previously carried out. This study addresses the classification of Acehnese and non-Acehnese ethnic groups. Manual ethnic classification is generally challenging due to human limitations in perceiving subtle differences in facial features among individuals of different ethnic backgrounds. Therefore, this research aims to develop a deep learning model capable of classifying individuals as either Acehnese or non-Acehnese based on facial images. The model is built using Convolutional Neural Network (CNN) algorithms, particularly the ResNet and VGG architectures, and leverages a primary dataset consisting of facial images of individuals from both ethnic groups. The dataset developed for this study comprises 1,000 facial images, evenly divided into two classes: Acehnese and non-Acehnese. The results show that the best-performing model was obtained using the ResNet50 architecture with a learning rate of 0.001 at the 80th epoch, achieving a classification accuracy of 89.00%; precision of 87.80%; recall of 95.00%; and an F1-score of 91.24%. This research is expected to contribute to the documentation of Acehnese ethnicity and support the preservation of local cultural heritage.