Sistem Pengenalan Wajah Menggunakan Library Matlab Deep Learning Toolbox Pada Aplikasi Matlab

Authors

M. Ahmilurrizqi D , Budi Darmawan , I Made Ginarsa

DOI:

10.29303/jcar.v6i3.9472

Published:

2024-08-29

Issue:

Vol. 6 No. 3 (2024): Agustus 2024

Keywords:

Pengenalan Wajah; Matlab Deep Learning Toolbox; AlexNet; Convolutional Neural Network (CNN).

Articles

Downloads

How to Cite

Ahmilurrizqi D, M., Darmawan, B., & Ginarsa, I. M. (2024). Sistem Pengenalan Wajah Menggunakan Library Matlab Deep Learning Toolbox Pada Aplikasi Matlab . Journal of Classroom Action Research, 6(3). https://doi.org/10.29303/jcar.v6i3.9472

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

Abstract

Kecerdasan buatan (Artificial Intelligence/AI) telah mengalami kemajuan pesat dalam beberapa dekade terakhir, yang memungkinkan pengembangan sistem pengenalan wajah yang dapat mengidentifikasi seseorang berdasarkan fitur unik wajah mereka. Penelitian ini bertujuan untuk merancang sistem pengenalan wajah menggunakan Matlab Deep Learning Toolbox, dengan berfokus pada deteksi, pelatihan, dan pengenalan wajah menggunakan Convolutional Neural Network (CNN). Penelitian ini menggunakan dataset dari 10 individu orang dengan masing-masing 150 gambar wajah yang diubah ukurannya menjadi 227x227 piksel. Sistem dilatih menggunakan AlexNet, model pra-latih yang tersedia pada Matlab, dan diuji dengan parameter seperti Initial Learning Rate 0,001, Max Epochs 15, dan Mini Batch Size 30. Hasil pelatihan menunjukkan akurasi sebesar 100% dengan Mini-Batch Loss sebesar 0,0134, yang menunjukkan bahwa sistem dapat mengenali wajah dengan akurat secara real-time. Meskipun akurasi tinggi tercapai, penelitian ini menemukan beberapa keterbatasan, seperti potensi overfitting akibat kurangnya variasi data dan tantangan dalam mendeteksi wajah pada kondisi yang berbeda. Perbaikan lebih lanjut dapat dilakukan dengan meningkatkan variasi data dan kemampuan deteksi wajah.

References

Efanntyo, & Mitra, A. R. (2021). Perancangan Aplikasi Sistem Pengenalan Wajah Dengan Metode Convolutional Neural Network (CNN) Untuk Pencatatan Kehadiran Karyawan. Jurnal Instrumentasi dan Teknologi Informatika (JITI), Vol. 3 No. 1, November 2021, p-ISSN: 2746-7635, e-ISSN: 2808-5027. https://jurnal.poltek-gt.ac.id/index.php/jiti/

Fahrizal, A., Maulana, A., & Aritonang, S. D. (2021). Implementasi Sistem Pengenalan Wajah untuk Keamanan Akses Berbasis Ubuntu Menggunakan Python. JIKA (Jurnal Informatika) Universitas Muhammadiyah Tangerang, 4(2), 210-219. P-ISSN: 2549-0710, E-ISSN: 2722-2713.

Hartika, B., & Ahmad, D. (2021). Face Recognition Menggunakan Algoritma Haar Cascade Classifier dan Convolutional Neural Network. Journal of Mathematics UNP, 6(3), pp. 12-19.

Insan, M. A., Wiriasto, G. W., & Kanata, B. (2022). Implementasi Convolutional Neural Network (CNN) dengan Library Tensorflow pada untuk Pengenalan Wajah. Jurnal Teknik Elektro Universitas Mataram.

Mulyana, D. I., Saputry, Y. Y. A., Ramadan, A., & Saragih, S. (n.d.). Penerapan Face Recognition dengan Algoritma Haar Cascade untuk Sistem Absensi pada Yayasan Pusat Pengembangan Anak Jakarta. Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika. P-ISSN: 2828-495X, E-ISSN: 2721-4796.

Pratiwi, N. W., Fauziah, & Andryana, S., Gunaryati, A. (2018). Deteksi Wajah Menggunakan Hidden Markov Model (HMM) Berbasis MATLAB. Jurnal String, 3(1), 44. p-ISSN: 2527-9661, e-ISSN: 2549-2837.

Shedriko, & Firdaus, M. (2022). Pengenalan Wajah dengan Algoritma Local Binary Pattern Histogram Menggunakan Python. Remik: Riset dan E-Jurnal Manajemen Informatika Komputer, Volume 6, Nomor 2, April 2022, pp. 272. http://doi.org/10.33395/remik.v6i2.11557

Suroso, & Ermaya, S. K. (2018). Pengenalan Citra Wajah dengan Metode Eigen Face Menggunakan Matlab 7.11.0.548. JURNAL IPSIKOM, 6(1). ISSN: 2338-4093.

Tarigan, E., Naibaho, R. S., & Satria, A. (2023). Pengenal Wajah Menggunakan Metode Viola-Jones dengan Menggunakan Aplikasi MATLAB 2015. Djtechno: Jurnal Teknologi Informasi, 4(1), 82. E-ISSN: 2745-3758, P-ISSN: 2776-8546. DOI: 10.46576/djtechno.

Susim, T., & Darujati, C. (2021). Pengolahan Citra untuk Pengenalan Wajah (Face Recognition) Menggunakan OpenCV. Jurnal Syntax Admiration, 2(3), pp. 12-19. p-ISSN: 2722-7782, e-ISSN: 2722-5356.

Author Biographies

Budi Darmawan, Universitas Mataram

I Made Ginarsa, Universitas Mataram

License

Copyright (c) 2024 M. Ahmilurrizqi D, Budi Darmawan, I Made Ginarsa

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

  • Authors who publish with Journal of Classroom Action Research, agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution 4.0 International License (CC-BY License). This license allows authors to use all articles, data sets, graphics, and appendices in data mining applications, search engines, web sites, blogs, and other platforms by providing an appropriate reference. The journal allows the author(s) to hold the copyright without restrictions and will retain publishing rights without restrictions.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in Journal of Classroom Action Research.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).