Keywords
presensi
real time
YOLO V3
How to Cite
Abstract
Wajah dari setiap orang tentu berbeda-beda, bahkan orang yang memiliki wajah yang hamper serupa. Wajah adalah ciri ciri khas dari seseorang itu sendiri, dan dapat dikenali perbedaannya satu sama lain. Pengenalan wajah secara realtime dapat dinilai efektif karena pengenalan tersebut mengambil sampel wajah secara terus menerus sehingga cepat dalam membaca ciri-ciri dari wajah seseorang. Pengenalan wajah pada saat presensi yang ada pada saat ini adalah dengan deep learning, atau jaringan saraf tiruan manusia dengan tujuan agar komputer dapat mengetahui objek pada gambar seperti halnya manusia. Deep learning memiliki salah satu algoritma yang bagus, yaitu You Only Look Once (YOLO). Secara garis besar, metode YOLO V3 adalah metode yang cepat dan tepat karena memiliki tingkat akurasi yang tinggi serta performa yang bagus dalam pendeteksian sebuah objek.
References
Lubis, F., A., Sunandar, H., Ginting, G., L., Sianturi, L., T. 2016. IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH. Jurnal Riset Komputer (JURIKOM). Vol. 3 No. 4:22-24.
Fajri, Effendi, T., R., Fadillah, N. 2020. Sistem Absensi Berbasis Pengenalan Wajah Secara Real Time menggunakan Metode Fisherface. InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan. Vol. 4 No. 2:350-352.
Harani, N., H., Prianto, C., Hasanah, M. 2019. Deteksi Objek Dan Pengenalan Karakter Plat Nomor Kendaraan Indonesia Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Python. Jurnal Teknik Informatika. Vol. 11 No. 3:47-48.
Baihaqi, A., K., Cahyana, Y. 2021. Application of Convolution Neural Network Algorithm for Rice Type Detection Using Yolo V3. SYSTEMATICS. Vol. 3 No. 2:272-275.
Hartiwi, Y., Rasywir, E., Pratama, Y., Jusia, P., A. 2019. Eksperimen Pengenalan Wajah dengan fitur Indoor Positioning System menggunakan Algoritma CNN. Paradigma – Jurnal Informatika dan Komputer. Vol. 22 No. 2:109-111.
Hartiwi, Y., Rasywir, E., Pratama, Y., Jusia, P., A. 2019. Eksperimen Pengenalan Wajah dengan fitur Indoor Positioning System menggunakan Algoritma CNN. Paradigma – Jurnal Informatika dan Komputer. Vol. 22 No. 2:109-111
Aini, Q., Lutfiani, N., Kusumah, H., Zahran, M., S. 2021. Deteksi Dan Pengenalan Objek Dengan Model Machine Learning: Model Yolo. CESS (Journal of Computer Engineering System and Science). Vol. 6 No. 2:192-199.
Zufar, M., & Setiyono, B. (2016). Convolutional Neural Networks for Real-Time Face Recognition. Jurnal Sains dan Seni ITS, 5(2), 2337-3520.
Dutt, A., Dutt, A. 2017. Handwritten Digit Recognition Using Deep Learning. International Journal of Advanced Research in Computer Engineering & Technology (IJARCET). Vol. 6 Issue 7:994-996.
Hakim, M., Rohana, T., & Kusumaningrum, D. (2020). PEREKAMAN OTOMATIS BERDASARKAN DETEKSI OBJEK MANUSIA PADA CCTV MENGGUNAKAN METODE YOU ONLY LOOK ONCE V3 (YOLOV3). Conference on Innovation and Application of Science and Technology (CIASTECH), 3(1), 699-708.
Nurfita, R. D., & Gunawan Ariyanto, S. T. (2018). Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari (Doctoral dissertation, Universitas Muhammadiyah Surakarta).
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2022 Hanania Oki Kurnia Sugianto; Made Ayu Dusea Widyadara, Ahmad Bagus Setiawan