PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) PADA IDENTIFIKASI WAJAH MAHASISWA DI DALAM RUANG PERKULIAHAN

Abdullah, Rahman M. (2026) PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) PADA IDENTIFIKASI WAJAH MAHASISWA DI DALAM RUANG PERKULIAHAN. Jurnal Ilmu Komputer, Teknologi Dan Informasi, 4 (1). pp. 15-24. ISSN 2963-0169

[img] Text (Artikel Rahman M. Abdullah)
ARTIKEL RAHMAN M. ABDULLAH.pdf

Download (2MB)
Official URL: https://journal.grahamitra.id/index.php/jurikti

Abstract

Presensi mahasiswa secara manual masih memiliki berbagai keterbatasan, seperti potensi manipulasi data, human error, serta rendahnya efisiensi pada kelas dengan jumlah mahasiswa besar. Penelitian ini bertujuan menerapkan metode Convolutional Neural Network (CNN) untuk mengidentifikasi wajah mahasiswa secara simultan di dalam ruang perkuliahan. Dataset penelitian terdiri dari 1.740 citra wajah yang diperoleh dari 58 mahasiswa menggunakan webcam 2K Full HD dengan variasi sudut pengambilan dan kondisi pencahayaan berbeda. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan citra, augmentasi data, pelatihan model CNN, serta evaluasi menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Model CNN yang dikembangkan diberi nama FACENET V5 dan dirancang menggunakan TensorFlow dengan tiga blok convolutional layer, batch normalization, max pooling, dropout, serta softmax classifier. Pengujian dilakukan menggunakan variasi ukuran citra 100×100, 200×200, 300×300, dan 400×400 piksel dengan beberapa skenario pembagian dataset. Hasil penelitian menunjukkan bahwa ukuran citra 100×100 dengan pembagian data 90:10 menghasilkan performa terbaik dengan akurasi validasi sebesar 98,28% dan loss sebesar 0,1127. Selain itu, model FACENET V5 dibandingkan dengan ResNet50V2, MobileNetV2, dan VGG16. Hasil komparasi menunjukkan bahwa FACENET V5 memiliki performa paling optimal dalam mengenali wajah mahasiswa secara simultan. Penelitian ini membuktikan bahwa CNN mampu diimplementasikan secara efektif sebagai sistem presensi otomatis berbasis pengenalan wajah di lingkungan akademik.

Item Type: Article
Uncontrolled Keywords: Identifikasi Wajah; Convolutional Neural Network; FACENET V5; Presensi Otomatis; Biometrik
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Sains dan Ilmu Komputer > Program Studi Ilmu Komputer
Depositing User: Rahman M. Abdullah
Date Deposited: 14 Jul 2026 06:11
Last Modified: 14 Jul 2026 06:11
URI: http://repository.umgo.ac.id/id/eprint/6867

Actions (login required)

View Item View Item