AIRAAIRA

Journal of Information Systems and Technology ResearchJournal of Information Systems and Technology Research

Pengembangan teknologi pengenalan wajah berbasis kecerdasan buatan (AI) telah menjadi topik penelitian penting di bidang komputasi dan keamanan. Di Institut Teknologi Sawit Indonesia (ITSI), teknologi pengenalan wajah berbasis AI diperkenalkan kepada mahasiswa untuk meningkatkan keterampilan mereka dalam mengembangkan aplikasi berbasis AI. Penelitian ini bertujuan untuk mengimplementasikan dan menguji sistem pengenalan wajah menggunakan program Python dengan memanfaatkan kumpulan data yang dihasilkan secara mandiri. Metode penelitian ini melibatkan beberapa tahapan, yaitu pengumpulan data wajah mahasiswa ITSI, pengolahan data, pembuatan model pengenalan wajah menggunakan algoritma machine learning, dan evaluasi performa model. Kumpulan data yang digunakan dikembangkan melalui sesi foto langsung yang melibatkan partisipasi aktif mahasiswa. Model pengenalan wajah dilatih menggunakan algoritma convolutional neural network (CNN) yang dioptimalkan untuk meningkatkan akurasi. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi pengenalan wajah yang tinggi, dengan tingkat akurasi rata-rata sebesar 92%. Diskusi mencakup analisis faktor-faktor yang memengaruhi akurasi, seperti variasi pencahayaan dan sudut pengambilan gambar, serta potensi penggunaan teknologi ini di lingkungan kampus, termasuk untuk kehadiran dan tujuan keamanan. Kesimpulan penelitian ini menunjukkan bahwa implementasi pengenalan wajah berbasis AI dapat diterapkan secara efektif di lingkungan akademis, serta memberikan mahasiswa pengalaman praktis dalam mengembangkan dan menguji aplikasi AI. Penelitian ini juga membuka peluang untuk penelitian lebih lanjut tentang peningkatan performa sistem pengenalan wajah dan penerapannya dalam berbagai skenario dunia nyata.

Penelitian ini berhasil mengembangkan sistem pengenalan wajah berbasis algoritma K-Nearest Neighbors (KNN) dengan akurasi rata-rata 92%.Model menunjukkan performa terbaik saat mengenali wajah tunggal yang menghadap ke depan, namun akurasinya menurun dalam kondisi cahaya rendah dan saat terdapat banyak subjek dalam satu gambar.Meskipun memiliki keterbatasan, hasil ini menunjukkan potensi penerapan sistem berbasis AI dalam lingkungan akademis, dan pengembangan lebih lanjut dengan teknik machine learning yang lebih canggih dapat meningkatkan akurasi dan ketahanan sistem.

Penelitian ini telah menunjukkan potensi besar pengenalan wajah, namun masih ada peluang untuk pengembangan lebih lanjut. Berdasarkan temuan bahwa akurasi menurun saat kondisi cahaya buruk dan banyak subjek, penelitian selanjutnya dapat difokuskan pada tiga arah utama. Pertama, bagaimana mengembangkan algoritma pra-pemrosesan gambar yang secara adaptif dapat meningkatkan kualitas visual wajah dalam kondisi pencahayaan rendah atau tidak merata sebelum tahap pengenalan, sehingga fitur wajah tetap dapat diekstraksi dengan baik? Kedua, apakah penerapan model deep learning yang lebih canggih, seperti Convolutional Neural Network (CNN) dengan arsitektur khusus untuk deteksi banyak objek (multi-object detection), dapat mengatasi tantangan pengenalan beberapa wajah sekaligus secara lebih akurat dibandingkan metode KNN? Ketiga, sejauh mana kehandalan sistem akan meningkat jika dikembangkan menggunakan dataset yang jauh lebih besar dan lebih beragam, yang mencakup berbagai ekspresi, sudut pengambilan gambar, serta kondensi penggunaan aksesoris seperti kacamata dan masker, untuk menguji ketahanan model dalam skenario dunia nyata yang lebih kompleks di kampus. Menjawab pertanyaan-pertanyaan ini akan membawa teknologi pengenalan wajah ini ke tingkat yang lebih tinggi dan siap diterapkan secara luas.

  1. Pre-Review Convolutional Neural Network for Detecting Object in Image Comprehensive Survey and Analysis... journal.aira.or.id/index.php/jistr/article/view/799Pre Review Convolutional Neural Network for Detecting Object in Image Comprehensive Survey and Analysis journal aira index php jistr article view 799
  2. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. increased accuracy game rock paper scissors jurnal... jurnal.iaii.or.id/index.php/RESTI/article/view/4222Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i increased accuracy game rock paper scissors jurnal jurnal iaii index php RESTI article view 4222
  3. Perancangan Sistem Keamanan Brangkas Menggunakan Pengenalan Wajah Berbasis Android | JURNAL MEDIA INFORMATIKA... ejurnal.stmik-budidarma.ac.id/index.php/mib/article/view/2149Perancangan Sistem Keamanan Brangkas Menggunakan Pengenalan Wajah Berbasis Android JURNAL MEDIA INFORMATIKA ejurnal stmik budidarma ac index php mib article view 2149
  4. Facial shape affects self-perceived facial attractiveness | PLOS One. facial shape affects self perceived... doi.org/10.1371/journal.pone.0245557Facial shape affects self perceived facial attractiveness PLOS One facial shape affects self perceived doi 10 1371 journal pone 0245557
  1. #deep learning model#deep learning model
  2. #pengenalan wajah#pengenalan wajah
File size788.44 KB
Pages10
DMCAReportReport

ads-block-test