Pengenalan Wajah Manusia untuk Sistem Absensi Menggunakan Implementasi Deep Learning dengan Metode Convolutional Neural Network

Abstract

Pendekatan deep learning berbasis Convolutional Neural Network dimanfaatkan untuk melakukan proses identifikasi dan pengelompokan berbagai citra wajah manusia berdasarkan perbedaan karakteristiknya. Dalam sistem pengenalan wajah menggunakan model jaringan saraf tiruan konvolusional (CNN) yang diimplementasikan dengan TensorFlow, dilengkapi dengan teknik augmentasi data untuk mencegah overfitting. Model dilatih dan divalidasi menggunakan dataset yang khusus disiapkan, dengan evaluasi kinerja melalui grafik loss dan akurasi serta matriks kebingungan. Sistem ini juga mendukung pengenalan wajah real-time menggunakan OpenCV, yang mengidentifikasi wajah dalam video dan mencatat kehadiran subjek secara otomatis jika identifikasi berhasil melewati ambang batas kepercayaan yang ditentukan. Ini menunjukkan potensi integrasi Deep Learning dalam aplikasi otomasi pengenalan wajah dan pencatatan kehadiran. Saat proses melakukan pelatihan data selesai, tahap berikutnya adalah pengujian model untuk menilai seberapa baik kinerja model tersebut. Data untuk pengujian diambil secara acak dengan memanfaatkan pustaka Python. Hasil dari proses ini akan menunjukkan tingkat akurasi dari metode yang digunakan. Dengan menggunakkan Confusion Matrix sebagai metode untuk menghitung nilai akurasi pada Deep learning. Proses pengujian akan dilakukan dengan proses klasifikasi menggunakan metode Convolutional Neural Network. Akurasi model berdasarkan Confusion Matrix adalah sekitar 97%