title: PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR  GOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN  SISTEM PRESENSI BERBASIS FACE RECOGNITION
creator: ARIB , YUSRON HAMDANI
subject: 004 Pemrosesan data dan ilmu komputer
subject: 500 ilmu pengetahuan alam dan matematika
description: Dalam dekade terakhir, terjadi kemajuan yang signifikan dalam teknologi  pengenalan biometrik yaitu teknologi face recognition yang menjadi salah satu  aspek yang paling menarik perhatian dimana teknologi ini mampu untuk  mengidentifikasi individu berdasarkan ciri wajah. Meskipun teknologi face  recognition telah diadopsi oleh sejumlah organisasi sebagai solusi untuk  manajemen kehadiran, beberapa tantangan penting masih ada seperti variasi kondisi  pencahayaan, variasi ekspresi wajah, serta perubahan sudut pandang yang dapat  mempengaruhi akurasi sistem secara signifikan. Oleh karena itu, peningkatan  akurasi dan ketahanan terhadap perubahan lingkungan merupakan kunci dalam  meningkatkan efektivitas teknologi face recognition dalam manajemen kehadiran.  Penelitian ini bertujuan untuk mengatasi tantangan-tantangan yang masih ada  dalam manajemen kehadiran dengan menggabungkan teknologi face recognition  berbasis deep learning dengan menggunakan 2 perbandingan arsitektur GoogleNet  dan Inception-V3 dalam rangka pengembangan sistem presensi berbasis  pengenalan wajah. Studi ini menggunakan dataset yang dilakukan augmentasi,  dataset diaugmentasi menjadi 4 bagian, dan akan dibedakan menjadi 3 variasi  hyperparameter, dengan total iterasi 12 pelatihan. Hasil yang didapatkan  menunjukkan bahwa arsitektur Inception-V3 mengungguli performa arsitektur  GoogleNet dalam 11 dari 12 percobaan. Dengan hasil performa Inception-V3  mencapai akurasi maksimum sebesar 88%, dibandingkan dengan performa akurasi  maksimum pada model GoogleNet sebesar 60%. Temuan ini menunjukkan bahwa  arsitektur Inception-V3 lebih cocok untuk pengenalan wajah dalam sistem  kehadiran, karena performa akurasi dan konsistensi hasil pelatihan yang unggul.  Studi ini memberikan wawasan yang signifikan mengenai pemilihan arsitektur  pembelajaran mendalam yang optimal untuk aplikasi berbasis pengenalan wajah.  Kata kunci: Deep Learning, GoogleNet, Inception-V3, Pengenalan Wajah, Sistem  Presensi, Perbandingan Model, Augmentasi Datasets, Machine Learning.    ABSTRACT    UTILIZATION OF DEEP LEARNING USING GOOGLENET  ARCHITECTURE AND INCEPTION-V3 FOR DEVELOPMENT OF A  FACE RECOGNITION BASED PRESENCE SYSTEM    By    ARIB YUSRON HAMDANI    In the last decade, there has been significant progress in biometric recognition  technology, namely facial recognition technology, which has become one of the  aspects that has attracted the most attention, where this technology is able to identify  individuals based on facial characteristics. Although facial recognition technology  has been adopted by a number of organizations as a solution for attendance  management, several important challenges still exist such as variations in lighting  conditions, variations in facial expressions, and changes in viewing angles that can  significantly affect system accuracy. Therefore, increasing accuracy and resilience  to environmental changes is key to increasing the effectiveness of facial recognition  technology in attendance management. This research aims to overcome the    challenges that still exist in attendance management by combining deep learning-  based facial recognition technology using 2 comparisons of the GoogleNet and    Inception-V3 architectures in the context of developing a facial recognition-based  attendance system. This study uses a dataset that has been augmented, the dataset  is augmented into 4 parts, and will be divided into 3 hyperparameter variations,    with a total of 12 training iterations. The results obtained show that the Inception-  V3 architecture outperforms the GoogleNet architecture in 11 out of 12    experiments. With the performance results, Inception-V3 reaches a maximum  accuracy of 88%, compared to the maximum accuracy performance on the  GoogleNet model of 60%. These findings indicate that the Inception-V3  architecture is more suitable for face recognition in presence systems, due to its  superior accuracy performance and consistency of training results. This study  provides significant insights into the selection of optimal deep learning  architectures for facial recognition-based applications.  Keywords: Deep Learning, GoogleNet, Inception-V3, Face Recognition, Presence  Systems, Model Comparison, Datasets Augmentation, Machine Learning.
publisher: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
date: 2024-06-10
type: Skripsi
type: NonPeerReviewed
format: text
identifier: http://digilib.unila.ac.id/87018/1/%5BDraft%5D%20Abstrak%20-%202017051078%20-%20Arib%20Yusron%20Hamdani.pdf
format: text
identifier: http://digilib.unila.ac.id/87018/2/%5BDraft%5D%20Skripsi%20-%202017051078%20-%20Full%20-%20Arib%20Yusron%20Hamdani.pdf
format: text
identifier: http://digilib.unila.ac.id/87018/3/%5BDraft%5D%20Skripsi%20-%202017051078%20-%20Tanpa%20Pembahasan%20-%20Arib%20Yusron%20Hamdani.pdf
identifier:   ARIB , YUSRON HAMDANI  (2024) PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR GOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN SISTEM PRESENSI BERBASIS FACE RECOGNITION.  FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.     
relation: http://digilib.unila.ac.id/87018/