Implementasi Algoritma Cnn Dalam Pengenalan Wajah Menggunakan VGG16
DOI:
https://doi.org/10.29407/yav23265Keywords:
CNN, Pengenalan Wajah, VGG16, Flask, PythonAbstract
Salah satu kemajuan tercepat dalam teknologi biometrik adalah pengenalan wajah. Ini digunakan dalam berbagai aplikasi, seperti personalisasi layanan, absensi, dan keamanan. Tujuan dari penelitian ini adalah untuk membuat dan menerapkan sistem pengenalan wajah berbasis web yang menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur VGG16. CNN ini dimaksudkan untuk memproses data wajah dari berbagai sudut pandang. Penelitian ini mencakup studi literatur untuk mendapatkan pemahaman tentang algoritma yang relevan, pengumpulan dan pelabelan data dengan platform Roboflow, pembagian dataset menjadi data pelatihan 80% dan pengujian 20%, dan implementasi sistem menggunakan framework Flask dan bahasa pemrograman Python. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat mendeteksi dan mengenali wajah dengan akurasi 85% pada kondisi pencahayaan tertentu. Namun, akurasi berkurang ketika sudut pandang berubah dan pencahayaan ekstrem. Sistem berbasis web mempermudah aksesibilitas tanpa memerlukan instalasi perangkat lunak tambahan. Namun, ini memerlukan koneksi internet yang kuat untuk beroperasi. Meskipun sistem ini menawarkan solusi praktis untuk pengelolaan identitas kontemporer, diperlukan pengembangan lebih lanjut untuk mengatasi keterbatasan yang ditimbulkan oleh lingkungan yang berubah-ubah. Diharapkan bahwa penelitian ini akan menjadi landasan bagi pengembangan sistem pengenalan wajah yang lebih fleksibel dan presisi. Khususnya, masalah terkait pencahayaan rendah, variasi ekspresi wajah, dan perlindungan data pengguna akan dibahas dalam penelitian ini.
Downloads
References
A. Purbasari, E. Sumarya, and R. Mardhiyah, “Penerapan Metode Studi Waktu Dan Gerak Pada Proses Packing Di Pt. Abc,” Sigma Tek., vol. 6, no. 2, pp. 290–299, 2023, doi: 10.33373/sigmateknika.v6i2.5633.
N. Dewi and F. Ismawan, “Implementasi Deep Learning Menggunakan Cnn Untuk Sistem Pengenalan Wajah,” Fakt. Exacta, vol. 14, no. 1, p. 34, 2021, doi: 10.30998/faktorexacta.v14i1.8989.
A. Ahadi Ningrum and Ihsanudin, “Penerapan Framework Flask Pada Machine Learning Dalam Memprediksi Umur Transformer,” Konvergensi, vol. 19, no. 2, pp. 51–59, 2023.
C. Widi Wiguna, J. Dedy Irawan, and M. Orisa, “Penerapan Metode Convolutional Neural Network Pada Aplikasi Deteksi Wajah Buronan Berbasis Web,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 1051–1058, 2023, doi: 10.36040/jati.v6i2.5438.
R. M. A. Nur Arkhamia Batubara, “TUTORIAL OBJECT DETECTION PLATE NUMBER WITH CONVOLUTION NEURAL NETWORK (CNN),” Kreatif, 2020, p. 41. [Online]. Available: https://www.google.co.id/books/edition/TUTORIAL_OBJECT_DETECTION_PLATE_NUMBER_W/JAgHEAAAQBAJ?hl=id&gbpv=1&dq=Convolution+Neural+Network&pg=PP6&printsec=frontcover
M. L. Septipalan, M. S. Hibrizi, N. Latifah, R. Lina, and F. Bimantoro, “Klasifikasi Tumor Otak Menggunakan CNN Dengan Arsitektur Resnet50,” Semin. Nas. Teknol. Sains, vol. 3, no. 1, pp. 103–108, 2024, doi: 10.29407/stains.v3i1.4357.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Salfa Kholida Eka Putri, Fera Hidayatul Adiba, Alfiana Kurnia Sari
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
