UNJUNJ

JURNAL PENDIDIKAN VOKASIONAL TEKNIK ELEKTRONIKA (JVoTE)JURNAL PENDIDIKAN VOKASIONAL TEKNIK ELEKTRONIKA (JVoTE)

Penelitian ini bertujuan untuk merancang prototype face recognition berbasis YOLO11 dengan menggunakan Raspberry Pi. Pembagian dataset adalah 80% (200) gambar wajah untuk training, 8% (20) gambar wajah untuk testing, dan 12% (30) gambar wajah untuk validasi. Berdasarkan hasil pengujian alat pada 10 video bergerak didapatkan nilai akurasi sebesar 95 %, presisi 100% recall 89.6%, dan F1-Score sebesar 94%. Meskipun demikian, performa identifikasi rentan terhadap kondisi pencahayaan backlight, motion blur, dan pose wajah yang terlalu menoleh ekstrem dapat mengurangi akurasi deteksi. Pengujian Task Success Rate untuk mengukur kinerja speaker mencapai 100%, menandakan fungsi notifikasi sistem dalam memberitahukan hasil identifikasi sesuai dengan hasil pembacaan info log, membuktikan kelayakan prototype face recognition berbasis YOLO11 dengan menggunakan Raspberry Pi.

Berdasarkan rumusan masalah penelitian dan telah dilaksanakannya penelitian rancang bangun prototype face recognition berbasis YOLO11 menggunakan Raspberry Pi, penelitian ini menggunakan metodologi penelitian dan pengembangan (R&D) dapat disimpulkan bahwa sistem telah berhasil dirancang sesuai dengan tujuan penelitian yang diharapkan oleh peneliti, yaitu mengidentifikasi identitas berdasarkan face recognition dengan data yang sudah tersimpan pada database sebelumnya.Penelitian ini menggunakan 250 foto dari 10 orang, dengan dataset tersebut akan mengidentifikasi 10 identitas wajah.Pembagian dataset adalah 80% (200) gambar wajah untuk training, 8% (20) gambar wajah untuk testing, dan 12% (30) gambar wajah untuk validasi.Berdasarkan hasil pengujian menggunakan Confusion Matrix dengan menggunakan 10 video wajah bergerak dengan pembagian 5 identitas terdaftar dan 5 identitas belum terdaftar.Didapatkan akurasi sebesar 95 %, presisi 100% recall 89,6%, dan F1-Score sebesar 94%.Dan hasil percobaan Task Success Rate untuk mengetahui nilai persentase kinerja speaker mengeluarkan pemberihauan identitas ketika kamera berhasil mendeteksi gambar sebesar 100% sehingga uji performa pada alat berjalan dengan semestinya.Sistem stabil pada Raspberry Pi 4B dengan konsumsi daya minimal.

Untuk penelitian lanjutan, dapat dipertimbangkan pengembangan prototipe face recognition ini dengan fokus pada peningkatan akurasi dan ketahanan terhadap kondisi pencahayaan dan gerakan. Hal ini dapat dicapai melalui optimasi algoritma YOLO11 dan InsightFace, serta peningkatan kualitas dataset. Selain itu, penelitian juga dapat mengeksplorasi penggunaan teknik-teknik pengolahan citra lanjutan untuk meningkatkan performa sistem, seperti pengurangan noise dan peningkatan kualitas citra. Dengan demikian, prototipe face recognition ini dapat menjadi lebih akurat dan andal dalam berbagai skenario praktis.

  1. Real-time object detection and face recognition system to assist the visually impaired - IOPscience.... doi.org/10.1088/1742-6596/1706/1/012149Real time object detection and face recognition system to assist the visually impaired IOPscience doi 10 1088 1742 6596 1706 1 012149
  2. IMPLEMENTASI METODE VIOLA-JONES DAN YOLOV9 UNTUK MENDETEKSI WAJAH BERGERAK MENGUNAKAN OPENCV | Mahera... jurnal.ar-raniry.ac.id/index.php/cyberspace/article/view/24528IMPLEMENTASI METODE VIOLA JONES DAN YOLOV9 UNTUK MENDETEKSI WAJAH BERGERAK MENGUNAKAN OPENCV Mahera jurnal ar raniry ac index php cyberspace article view 24528
Read online
File size440.92 KB
Pages9
DMCAReport

Related /

ads-block-test