Pengenalan Wajah pada Aplikasi Sistem Kehadiran Mahasiswa (SIKEMAS) dengan Metode Convolutional Neural Netrwork

Diana, Anisah Putri (2019) Pengenalan Wajah pada Aplikasi Sistem Kehadiran Mahasiswa (SIKEMAS) dengan Metode Convolutional Neural Netrwork. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
05111540000135-Undergraduate_Theses.pdf

Download (4MB) | Preview

Abstract

Teknologi machine learning saat ini sudah banyak diimplementasikan di berbagai aplikasi seperti aplikasi desktop, web, maupun mobile. Salah satu aplikasi yang mengimplementasikan machine learning adalah sistem kehadiran mahasiswa (SIKEMAS) yaitu menggunakan pengenalan wajah. Pada penelitian sebelumnya, machine learning yang digunakan di aplikasi SIKEMAS menggunakan klasifikasi SVM dan LDA. Terdapat beberapa kelemahan pada penelitian sebelumnya seperti tingkat akurasi yang rendah dan waktu komputasi yang lama. Evaluasi pada metode SVM pada dataset SIKEMAS menghasilkan akurasi sebesar 88,5% dengan waktu prediksi model 15,32 detik sementara ukuran ruang model sebesar 73,2 MB. Sementara pada LDA menghasilkan akurasi 93,4% dengan waktu prediksi 0,50 detik dan ukuran ruang model sebesar 70,1 MB. Sehingga diusulkan sebuah metode untuk memperbaiki masalah dalam klasifikasi dan pengenalan wajah pada SIKEMAS menggunakan metode deep learning Convolutional Neural Network (CNN). Metode ini digunakan karena kemampuan CNN yang terbukti pada beberapa penelitian yang ada, baik dalam mengenali citra atau gambar, mengklasterkan berdasarkan kemiripannya, dan menampilkan pengenalan objek dengan layer. Hasil evaluasi pada dataset wajah sistem kehadiran mahasiswa (SIKEMAS) dengan uji coba parameter optimizer rmsprop menghasilkan nilai akurasi model terbaik sebesar 97,8% dengan loss sebesar 0,101, waktu prediksi 0.73 detik dan ukuran ruang model sebesar 1,8 MB. ================================================================================================ Machine learning technology is now widely implemented in various applications such as desktop, web, and mobile applications. One application that implements machine learning is the student attendance system (SIKEMAS), which uses face recognition. In previous studies, machine learning used in the SIKEMAS application used the SVM and LDA classifications. There are several weaknesses in previous studies such as low accuracy and long computing time. The evaluation on the SVM method in the SIKEMAS dataset resulted in an accuracy of 88.5% with a model prediction time of 15.32 seconds while the model size was 73.2MB. While the LDA produces an accuracy of 93.4% with a prediction time of 0.50 seconds and the model size is 70.1MB. So that a method was proposed to fix problems in face classification and recognition in SIKEMAS using the deep learning method Convolutional Neural Network (CNN). This method is used because of the ability of CNN which is proven in several existing studies, both in recognizing images, clustering based on their similarity, and displaying object recognition with layers. The evaluation results on the student attendance system (SIKEMAS) dataset with the rmsprop optimizer parameter test resulted in the best model accuracy value of 97.8% with a loss of 0.101, prediction time of 0.73 seconds and model space size of 1.8 MB.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 006.42 Dia p-1 2109
Uncontrolled Keywords: convolutional neural network, deep learning, klasifikasi, pengenalan wajah, SIKEMAS
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Q Science > QA Mathematics > QA76.9.A25 Computer security. Digital forensic. Data encryption (Computer science)
T Technology > T Technology (General) > T57.5 Data Processing
Divisions: Faculty of Information and Communication Technology > Informatics > 55201-(S1) Undergraduate Thesis
Depositing User: Anisah Putri Diana
Date Deposited: 30 Jun 2021 03:43
Last Modified: 30 Jun 2021 03:43
URI: https://repository.its.ac.id/id/eprint/60557

Actions (login required)

View Item View Item