<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="113556">
 <titleInfo>
  <title>ANALISIS PERBANDINGAN KINERJA ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM PENGENALAN WAJAH BERHIJAB</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>JUNIARTI</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Komputer</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Biometrik dapat didefinisikan sebagai metode paling praktis untuk mengidentifikasi dan mengotentikasi individu manusia dengan cara yang handal dan cepat melalui karakteristik biometrik yang unik. Setiap orang diketahui memiliki struktur dan wajah yang berbeda. Indonesia merupakan negara pemeluk agama islam terbanyak didunia, dengan kebanyakan warga yang berjenis kelamin perempuan mengenakan hijab. Maka ini adalah salah satu permasalahan dalam pengenalan wajah karena hijab yang digunakan sebagian besar modelnya sama. Hijab dipakai pada area yang berbatasan dengan wajah, yang mana membuat wajah semakin menyempit karena wajah tertutup oleh hijab. Untuk pengenalan wajah berhijab, peneliti menggunakan metode berbasis deep learning dengan algoritma Convolutional Neural Network (CNN) dengan tiga arsitektur yaitu ResNet, MobileNet, dan EfficientNet. Peneliti menggunakan 500 dataset yang berupa foto perempuan yang menggunakan hijab. Hasil penelitian menunjukkan kinerja terbaik dari arsitektur ResNet50 dan MobileNetV2 yaitu saat menggunakan 200 epoch dan arsitektur EfficientNetB0 yaitu saat menggunakan 100 epoch. Learning rate terbaik diperoleh saat menggunakan 10-3. Akurasi diperoleh ResNet-50 dan EfficientNetB0 sebesar 100%, dan MobileNetV2 sebesar 97%.   &#13;
&#13;
Kata kunci: Pengenalan Wajah Berhijab, Biometrik, Deep Learning, CNN.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>113556</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-08-23 12:14:12</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-08-23 14:44:07</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>