Implementasi Pustaka Deep Face untuk Mengukur Kemiripan Wajah Menggunakan Ekstraksi Dlib

Emerson, Farrel (2024) Implementasi Pustaka Deep Face untuk Mengukur Kemiripan Wajah Menggunakan Ekstraksi Dlib. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025201082-Undergraduate.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Penelitian ini membahas implementasi pustaka Deep Face untuk mengukur kemiripan wajah
menggunakan ekstraksi Dlib dalam konteks pencatatan kehadiran mahasiswa di laboratorium.
Dengan meningkatnya kebutuhan akan sistem pengenalan wajah yang akurat dan efisien,
penelitian ini bertujuan untuk mengembangkan metode yang dapat membandingkan dan
mengukur tingkat kemiripan antara wajah yang diregistrasi menggunakan aplikasi Android
dengan wajah yang ditangkap oleh kamera webcam yang berfungsi sebagai CCTV di
laboratorium.
Metode yang digunakan melibatkan penggunaan aplikasi Android untuk registrasi wajah
pengguna, yang kemudian disimpan dalam database. Sistem menggunakan pustaka Deep Face
dengan ekstraksi fitur Dlib untuk memproses citra wajah. Metode cosine similarity
diaplikasikan untuk membandingkan fitur-fitur wajah yang diekstraksi, memungkinkan
pengukuran kemiripan yang akurat. Pengujian dilakukan dalam lingkungan laboratorium
dengan berbagai kondisi pencahayaan dan sudut pengambilan gambar.
Hasil penelitian menunjukkan bahwa sistem memiliki tingkat akurasi sebesar 72.24%, precision
91.93%, recall 75.22%, dan F1-Score 82.74%. Meskipun hasil ini menunjukkan kinerja yang
cukup baik, terutama dalam hal precision, masih terdapat ruang untuk peningkatan, khususnya
dalam hal recall. Penelitian ini membuktikan bahwa pustaka Deep Face dengan ekstraksi Dlib
layak digunakan sebagai metode pengukur kemiripan wajah, dengan database yang dibentuk
menggunakan aplikasi Android. Implementasi ini memanfaatkan teknologi pengenalan wajah
dan komputasi visual untuk menyediakan sistem yang efektif dalam mengidentifikasi dan
mencatat kehadiran mahasiswa di laboratorium.
============================================================
This project discusses the implementation of the Deep Face library to measure facial similarity
using Dlib extraction in the context of recording student attendance in the laboratory. With the
increasing need for accurate and efficient facial recognition systems, this project aims to
develop a method that can compare and measure the similarity between faces registered using
an Android application and faces captured by a webcam functioning as CCTV in the laboratory.
The method used involves the use of an Android application for user face registration, which is
then stored in a database. The system uses the Deep Face library with Dlib feature extraction to
process facial images. The cosine similarity method is applied to compare the extracted facial
features, allowing for accurate similarity measurement. Testing was conducted in a laboratory
environment with various lighting conditions and image capture angles.
The research results show that the system has an accuracy rate of 72.24%, precision of 91.93%,
recall of 75.22%, and an F1-Score of 82.74%. Although these results indicate fairly good
performance, particularly in terms of precision, there is still room for improvement, especially
in terms of recall. This project proves that the Deep Face library with Dlib extraction is suitable
for use as a method for measuring facial similarity, with a database formed using an Android
application. This implementation leverages facial recognition and visual computing technology
to provide an effective system for identifying and recording student attendance in the
laboratory.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	android, cosine similiarity, dlib, face recognition. android, cosine similiarity, dlib, face recognition.
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Farrel Emerson
Date Deposited:	02 Aug 2024 21:34
Last Modified:	02 Aug 2024 21:34
URI:	http://repository.its.ac.id/id/eprint/111687

Actions (login required)

View Item