Detail Cantuman Kembali

XML

PERBANDINGAN KINERJA METODE YOLO DAN FACENET DALAM REKOGNISI WAJAH


Perkembangan teknologi yang pesat telah mendorong kemajuan dalam
teknologi citra digital, khususnya face recognition. Meskipun pengenalan wajah
kompleks karena keunikan wajah manusia, sistem ini masih menghadapi
tantangan seperti faktor pencahayaan, ekspresi, dan perubahan atribut wajah.
Penelitian sebelumnya telah mengeksplorasi berbagai teknik pengenalan wajah
dan deteksi objek. Dua metode yang menonjol adalah YOLO dan FaceNet.
Penelitian ini bertujuan untuk membandingkan kinerja YOLO dan
FaceNet dalam rekognisi wajah. Dataset menggunakan foto wajah yang diperoleh
dari Kaggle dipilih 4 dari 5748 tokoh karena kebutuhan gambar wajah yang
banyak. Pengujian dilakukan dalam 2 skenario data train skenario 1 dengan 50
data train per tokoh dan skenario 2 dengan 100 data train per tokoh. Data test
terdiri dari 20 gambar wajah tokoh yang dilatih dan 5 gambar wajah tokoh acak
yang tidak dilatih. Dataset yang digunakan sama untuk kedua metode. Penelitian
ini diimplementasikan menggunakan bahasa pemrograman Python.
Hasil pengujian metode YOLO Skenario 1 menghasilkan rata-rata 90%
persentase keberhasilan mendeteksi wajah untuk data uji yang ada di database.
80% untuk data uji yang tidak ada di database. Skenario 2 menghasilkan rata-rata
100% persentase keberhasilan mendeteksi wajah untuk data uji yang ada di
database. 60% untuk data uji yang tidak ada di database. Pada metode FaceNet
Skenario 1 menghasilkan rata-rata 95% persentase keberhasilan mendeteksi wajah
untuk data uji yang ada di database. 100% untuk data uji yang tidak ada di
database. Skenario 2 menghasilkan rata-rata 100% persentase keberhasilan
mendeteksi wajah untuk data uji yang ada di database dan data uji yang tidak ada
di database.
Kata Kunci :Deteksi wajah, FaceNet, Persentase keberhasilan, Rekognisi wajah,
You Only Look Once (YOLO)
048 SUL P R.1
NONE
Text Skripsi
Indonesia
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2025
Yogyakarta
LOADING LIST...
LOADING LIST...