IMPLEMENTATION OF FACE RECOGNITION FOR ATTENDANCE USING YOLO V3 METHOD
DOI:
https://doi.org/10.29407/inotek.v6i2.2559Abstract
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.
Keywords:
face recognition, presensi, real time, YOLO V3##plugins.themes.default.displayStats.downloads##
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).
Downloads
Published
Issue
Section
License
Copyright (c) 2022 Hanania Oki Kurnia Sugianto; Made Ayu Dusea Widyadara, Ahmad Bagus Setiawan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- 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 this journal.
- 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.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
