Electronic Theses and Dissertation

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%.

Kata kunci: Pengenalan Wajah Berhijab, Biometrik, Deep Learning, CNN.

Biometrics can be defined as the most practical method to identify and authenticate human individuals in a reliable and fast way through unique biometric characteristics. Everyone is known to have a different structure and face. Indonesia is a country with the most adherents of Islam in the world, with most of its citizens wearing the hijab. So this is one of the problems in facial recognition because most of the hijab styles used are the same. The hijab is worn on the area adjacent to the face, which makes the face narrower because the face is covered by the hijab. For recognition of hijab-wearing faces, researchers used a deep learning-based method with the Convolutional Neural Network (CNN) algorithm with three architectures, namely ResNet, MobileNet, and EfficientNet. Researchers used 500 datasets in the form of photos of women wearing hijab. The results showed the best performance of the ResNet50 and MobileNetV2 architectures when using 200 epochs and the EfficientNetB0 architecture when using 100 epochs. The best learning rate is obtained when using 10-3. Accuracy obtained by ResNet-50 and EfficientNetB0 is 100%, and MobileNetV2 is 97%. Keywords: Hijab Face Recognition, Biometrics, Deep Learning, CNN.