Munawarah Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika 2023

Skripsi

Pengenalan wajah merupakan salah satu aspek yang penting dalam sistem keamanan dan identitas personal. Sistem pengenalan wajah terkhusus verifikasi wajah harus mampu mendeteksi secara akurat kebenaran wajah seseorang berdasarkan identitas yang diberikan. Sistem ini masih memiliki beberapa keterbatasan, seperti kesulitan mengenali wajah yang memiliki fitur yang tidak biasa, seperti mata sipit atau hidung lebar, atau wajah yang terlalu terang atau telalu gelap. Oleh karena itu, penelitian ini menggunakan pendekatan penggabungan keputusan untuk meningkatkan akurasi model pengenalan wajah dengan memanfaatkan dataset FaceScrub dan sivitas akademika. Model pengenalan wajah yang digunakan adalah VGG-Face, FaceNet, OpenFace, dan ResNet-50, yang merupakan model Convolutional Neural Network (CNN) yang dapat mengevaluasi dan membedakan wajah sesuai dengan identitasnya menggunakan berbagai kesamaan berdasarkan identitasnya. Penelitian ini memberikan kontribusi ilmiah dengan mengusulkan beberapa metode penggabungan keputusan model pengenalan wajah, seperti if any true, if all true, base on threshold, if tie = true, dan if tie = false, untuk melakukan verifikasi wajah. Standar pengukuran kesamaan yang digunakan adalah jarak kosinus dan jarak Euclidean_L2. Kinerja klasifikasi dari setiap model diukur dengan menggunakan matriks konfusi. Hasil penelitian menunjukkan bahwa penggabungan keputusan pada kombinasi 2 model VGG-Face dan FaceNet menghasilkan akurasi terbaik mencapai 91,6% pada dataset FaceScrub dan 91,5% pada dataset sivitas akademika menggunakan pengukuran jarak kosinus. Penggabungan keputusan dengan pengukuran jarak kosinus juga menunjukkan peningkatan akurasi yang lebih baik dibandingkan dengan pengukuran jarak Euclidean_L2. Selain itu, proses penggabungan keputusan tidak menambah waktu eksekusi secara signifikan. Kata kunci: Pengenalan wajah, verifikasi wajah, pengukuran kesamaan, penggabungan keputusan, CNN, VGG-Face, FaceNet, OpenFace, ResNet-50 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 115624 2023-09-21 09:27:05 2023-09-21 16:06:33 machine generated