STMIK BANJARBARUSTMIK BANJARBARU

Progresif: Jurnal Ilmiah KomputerProgresif: Jurnal Ilmiah Komputer

Perkembangan teknologi informasi dan komunikasi telah meningkatkan kebutuhan akan sistem autentikasi yang lebih aman dan efisien pada perangkat mobile, mengingat kasus kebocoran data dan pencurian identitas yang semakin marak. Penelitian ini menggunakan metode komposisi Eigenface-CNN untuk meningkatkan performa model autentikasi biometrik. Metode Eigenface menggunakan analisis komponen utama (PCA) untuk mereduksi dimensi data dan mengekstraksi fitur utama dari citra wajah, sementara CNN digunakan untuk mengidentifikasi fitur wajah yang lebih kompleks. Hasil penelitian menunjukkan bahwa metode ini mampu mengenali wajah dengan akurasi tinggi, dengan nilai confidence rata-rata mencapai 87.95% dan nilai tertinggi 97.53%, serta menunjukkan ketahanan terhadap variasi pencahayaan dan pose wajah. Temuan ini menunjukkan bahwa metode komposisi Eigenface-CNN layak diimplementasikan dalam sistem autentikasi biometrik pada perangkat mobile untuk meningkatkan keamanan dan kenyamanan pengguna.

Metode komposisi Eigenface-CNN terbukti efektif dalam meningkatkan akurasi dan kecepatan pengenalan wajah pada aplikasi mobile.53%, model menunjukkan performa yang sangat baik dan konsisten dalam berbagai kondisi pencahayaan dan pose wajah.Metode ini layak diimplementasikan dalam sistem autentikasi biometrik pada perangkat mobile untuk meningkatkan keamanan dan kenyamanan pengguna.Untuk riset selanjutnya, disarankan menguji metode ini pada dataset yang lebih besar dan beragam, menggabungkannya dengan teknik GAN, atau menambahkan fitur multi-modal biometrik.

Penelitian lanjutan dapat menguji metode Eigenface-CNN pada dataset yang lebih besar dan beragam untuk memvalidasi keandalannya dalam skenario nyata. Selain itu, kombinasi metode ini dengan teknik GAN (Generative Adversarial Networks) bisa dieksplorasi untuk meningkatkan ketahanan terhadap serangan spoofing. Penelitian juga dapat mengeksplorasi integrasi multi-modal biometrik, seperti pengenalan suara atau sidik jari, untuk menciptakan sistem autentikasi yang lebih komprehensif. Dengan pendekatan ini, peneliti dapat mengembangkan solusi yang lebih efektif dalam meningkatkan keamanan dan keandalan sistem biometrik pada perangkat mobile.

  1. Real-Time Face Recognition with Eigenface Method. real time face recognition eigenface method journal... doi.org/10.5815/ijigsp.2019.11.01Real Time Face Recognition with Eigenface Method real time face recognition eigenface method journal doi 10 5815 ijigsp 2019 11 01
  2. Implementation of Artificial Intelligence in Aquaculture and Fisheries: Deep Learning, Machine Vision,... ojs.bonviewpress.com/index.php/JCCE/article/view/803Implementation of Artificial Intelligence in Aquaculture and Fisheries Deep Learning Machine Vision ojs bonviewpress index php JCCE article view 803
  3. Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi... ejournal.undip.ac.id/index.php/jsinbis/article/view/10510Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi ejournal undip ac index php jsinbis article view 10510
Read online
File size585.53 KB
Pages10
DMCAReport

Related /

ads-block-test