IMPLEMENTASI ARSITEKTUR RESNET50 DAN RESNET101 PADA SISTEM KEHADIRAN BERBASIS FACE RECOGNITION

Ervan, Chodry (2024) IMPLEMENTASI ARSITEKTUR RESNET50 DAN RESNET101 PADA SISTEM KEHADIRAN BERBASIS FACE RECOGNITION. Fakultas MIPA, Universitas Lampung.

Preview	File PDF ABSTRAK (ABSTRACT).pdf Download (1049Kb) | Preview
	File PDF FILE SKRIPSI FULL.pdf Restricted to Hanya staf Download (3879Kb) | Minta salinan
Preview	File PDF FILE SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (3272Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Salah satu bidang yang berkembang pesat setelah munculnya teknologi machine learning adalah teknologi face recognition. Convolutional Neural Network (CNN) merupakan salah satu metode yang sangat berperan dalam perkembangan teknologi face recognition. CNN memiliki berbagai jenis arsitektur yang dapat digunakan pada teknologi face recognition. Penelitian ini bertujuan untuk mengetahui akurasi dari model CNN dengan arsitektur ResNet50 dan ResNet101 yang diimplementasikan pada teknologi face recognition. Penelitian ini dilaksanakan di Jurusan Ilmu Komputer, Universitas Lampung, pada bulan Oktober - Desember 2023. Dataset yang digunakan adalah 400 gambar wajah dari 20 mahasiswa. Dataset tersebut dibagi menjadi 40 data uji dan 360 data latih. Data latih yang telah dipisahkan kemudian melalui proses preprocessing dan augmentasi hingga jumlahnya meningkat menjadi total 14400 gambar. Data latih tersebut kemudian dibagi kembali menjadi 11520 data latih dan 2880 data validasi. Hasil validasi pada saat training model menunjukkan model ResNet50 mendapat akurasi terbaik dengan nilai 96% dan model ResNet101 mendapat akurasi terbaik sebesar 85%. Namun hasil pengujian menunjukkan kedua model hanya mendapat akurasi sebesar 60%. Hal ini diduga karena jumlah dataset yang digunakan masih sangat sedikit untuk jumlah class yang cukup banyak.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	2308203739 . Digilib
Date Deposited:	20 Feb 2024 04:01
Terakhir diubah:	20 Feb 2024 04:01
URI:	http://digilib.unila.ac.id/id/eprint/79030

Actions (login required)

Lihat Karya Akhir