T.M. SYAHRIL NUR ALAMSYAH Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika 2022

Skripsi

Dalam pengembangan model pengenalan wajah (face recognition), jumlah citra wajah setiap orang harus banyak agar model memiliki kinerja yang baik. Oleh karena itu, dibutuhkan teknik augmentasi menggunakan deep learning untuk memperbanyak data dan menghasilkan variasi pose yang baru berdasarkan pergerakan sudut kepala (Yaw, Pitch, dan Roll). Penelitian ini menggunakan metode deep learning untuk mengklasifikasikan wajah yaitu Convolutional Neural Networks (CNN), arsitektur CNN yang digunakan adalah ResNet-50, MobileNetV3-Large dan SeResNet18. Pelatihan ini dilakukan dalam dua tahap yaitu tahap pertama menggunakan dataset FaceScrub untuk menguji akurasi dari setiap augmentasi yang dilakukan menggunakan hyperparameter dengan nilai batch size sebesar 20, learning rate 1x10-3 , dan epoch sebanyak 150 epochs. Setelah dilakukannya teknik augmentasi, arsitektur SeResNet18 memperoleh nilai akurasi tertinggi yaitu 0,8719 dengan loss 1,5106 dimana sebelum dilakukan teknik augmentasi hanya mendapatkan nilai akurasi yaitu 0,8108 dengan loss 1,5513. Tahap kedua menggunakan data kecil yaitu dataset sivitas akademika mahasiswa untuk menguji akurasi dari augmentasi terbaik. Arsitektur SeResNet18 juga menghasilkan model terbaik pada pelatihan ini dengan nilai akurasi awal adalah 0,8874 dengan loss 0,6495 dan setelah menggunakan teknik augmentasi hasil akurasinya meningkat menjadi 0,937 dengan loss 0,3931. Kata kunci: Pengenalan Wajah, Augmentasi, Convolutional Neural Network, ResNet50, MobileNetV3-Large, SeResNet18 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 106585 2022-12-06 13:46:06 2022-12-06 14:45:15 machine generated