Muhammad Firdaus Primary Author mixed material bibliography Banda Aceh Fakultas Matematika dan Ilmu Pengetahua 2025 id Indonesia

Skripsi

Penggunaan masker wajah sejak pandemi COVID-19 telah menimbulkan tantangan signifikan dalam sistem pengenalan wajah, karena beberapa fitur wajah menjadi tertutup dan menyebabkan penurunan akurasi. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja dua model deep learning, yaitu VGGFace dan FaceNet512, dalam mengenali wajah dengan dan tanpa masker. Dataset yang digunakan terdiri dari data sekunder (dari Kaggle) dan data primer (pengambilan langsung), yang kemudian diproses melalui tahap pra-pemrosesan seperti resize, normalisasi, dan augmentasi data. Model dilatih menggunakan pendekatan transfer learning, dengan pengujian terhadap data validasi dan data dunia nyata. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa model VGGFace memperoleh akurasi sebesar 93,33% pada data validasi dan 86,67% pada data primer, sedangkan FaceNet512 menghasilkan akurasi sebesar 88,33% pada data validasi dan 80,00% pada data primer. Sistem juga diimplementasikan dalam aplikasi sederhana dengan fitur anti-spoofing ke dalam file CSV. Penelitian ini memberikan kontribusi terhadap pengembangan sistem pengenalan wajah yang lebih adaptif dalam kondisi wajah tertutup masker. IMAGE PROCESSING - COMPUTER SCIENCE 006.42 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 169477 2025-08-15 19:57:31 2025-08-19 10:54:23 machine generated