@misc{eprints79030,
           month = {Januari},
           title = {IMPLEMENTASI ARSITEKTUR 
RESNET50 DAN RESNET101 PADA 
SISTEM KEHADIRAN BERBASIS FACE 
RECOGNITION},
          author = {Chodry Ervan},
         address = {Universitas Lampung},
       publisher = {Fakultas MIPA},
            year = {2024},
             url = {http://digilib.unila.ac.id/79030/},
        abstract = {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.}
}