<> "The repository administrator has not yet configured an RDF license."^^ . <> . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION"^^ . "Dalam dekade terakhir, terjadi kemajuan yang signifikan dalam teknologi\r\npengenalan biometrik yaitu teknologi face recognition yang menjadi salah satu\r\naspek yang paling menarik perhatian dimana teknologi ini mampu untuk\r\nmengidentifikasi individu berdasarkan ciri wajah. Meskipun teknologi face\r\nrecognition telah diadopsi oleh sejumlah organisasi sebagai solusi untuk\r\nmanajemen kehadiran, beberapa tantangan penting masih ada seperti variasi kondisi\r\npencahayaan, variasi ekspresi wajah, serta perubahan sudut pandang yang dapat\r\nmempengaruhi akurasi sistem secara signifikan. Oleh karena itu, peningkatan\r\nakurasi dan ketahanan terhadap perubahan lingkungan merupakan kunci dalam\r\nmeningkatkan efektivitas teknologi face recognition dalam manajemen kehadiran.\r\nPenelitian ini bertujuan untuk mengatasi tantangan-tantangan yang masih ada\r\ndalam manajemen kehadiran dengan menggabungkan teknologi face recognition\r\nberbasis deep learning dengan menggunakan 2 perbandingan arsitektur GoogleNet\r\ndan Inception-V3 dalam rangka pengembangan sistem presensi berbasis\r\npengenalan wajah. Studi ini menggunakan dataset yang dilakukan augmentasi,\r\ndataset diaugmentasi menjadi 4 bagian, dan akan dibedakan menjadi 3 variasi\r\nhyperparameter, dengan total iterasi 12 pelatihan. Hasil yang didapatkan\r\nmenunjukkan bahwa arsitektur Inception-V3 mengungguli performa arsitektur\r\nGoogleNet dalam 11 dari 12 percobaan. Dengan hasil performa Inception-V3\r\nmencapai akurasi maksimum sebesar 88%, dibandingkan dengan performa akurasi\r\nmaksimum pada model GoogleNet sebesar 60%. Temuan ini menunjukkan bahwa\r\narsitektur Inception-V3 lebih cocok untuk pengenalan wajah dalam sistem\r\nkehadiran, karena performa akurasi dan konsistensi hasil pelatihan yang unggul.\r\nStudi ini memberikan wawasan yang signifikan mengenai pemilihan arsitektur\r\npembelajaran mendalam yang optimal untuk aplikasi berbasis pengenalan wajah.\r\nKata kunci: Deep Learning, GoogleNet, Inception-V3, Pengenalan Wajah, Sistem\r\nPresensi, Perbandingan Model, Augmentasi Datasets, Machine Learning.\r\n\r\nABSTRACT\r\n\r\nUTILIZATION OF DEEP LEARNING USING GOOGLENET\r\nARCHITECTURE AND INCEPTION-V3 FOR DEVELOPMENT OF A\r\nFACE RECOGNITION BASED PRESENCE SYSTEM\r\n\r\nBy\r\n\r\nARIB YUSRON HAMDANI\r\n\r\nIn the last decade, there has been significant progress in biometric recognition\r\ntechnology, namely facial recognition technology, which has become one of the\r\naspects that has attracted the most attention, where this technology is able to identify\r\nindividuals based on facial characteristics. Although facial recognition technology\r\nhas been adopted by a number of organizations as a solution for attendance\r\nmanagement, several important challenges still exist such as variations in lighting\r\nconditions, variations in facial expressions, and changes in viewing angles that can\r\nsignificantly affect system accuracy. Therefore, increasing accuracy and resilience\r\nto environmental changes is key to increasing the effectiveness of facial recognition\r\ntechnology in attendance management. This research aims to overcome the\r\n\r\nchallenges that still exist in attendance management by combining deep learning-\r\nbased facial recognition technology using 2 comparisons of the GoogleNet and\r\n\r\nInception-V3 architectures in the context of developing a facial recognition-based\r\nattendance system. This study uses a dataset that has been augmented, the dataset\r\nis augmented into 4 parts, and will be divided into 3 hyperparameter variations,\r\n\r\nwith a total of 12 training iterations. The results obtained show that the Inception-\r\nV3 architecture outperforms the GoogleNet architecture in 11 out of 12\r\n\r\nexperiments. With the performance results, Inception-V3 reaches a maximum\r\naccuracy of 88%, compared to the maximum accuracy performance on the\r\nGoogleNet model of 60%. These findings indicate that the Inception-V3\r\narchitecture is more suitable for face recognition in presence systems, due to its\r\nsuperior accuracy performance and consistency of training results. This study\r\nprovides significant insights into the selection of optimal deep learning\r\narchitectures for facial recognition-based applications.\r\nKeywords: Deep Learning, GoogleNet, Inception-V3, Face Recognition, Presence\r\nSystems, Model Comparison, Datasets Augmentation, Machine Learning."^^ . "2024-06-10" . . . . . "FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM"^^ . . . . . . . "YUSRON HAMDANI"^^ . "ARIB "^^ . "YUSRON HAMDANI ARIB "^^ . . . . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (File PDF)"^^ . . . "[Draft] Abstrak - 2017051078 - Arib Yusron Hamdani.pdf"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (File PDF)"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (File PDF)"^^ . . . "[Draft] Skripsi - 2017051078 - Tanpa Pembahasan - Arib Yusron Hamdani.pdf"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "lightbox.jpg"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "preview.jpg"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "medium.jpg"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "small.jpg"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "indexcodes.txt"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "indexcodes.txt"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "lightbox.jpg"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "preview.jpg"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "medium.jpg"^^ . . . "PEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR\r\nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN\r\nSISTEM PRESENSI BERBASIS FACE RECOGNITION (Other)"^^ . . . . . . "small.jpg"^^ . . "HTML Summary of #87018 \n\nPEMANFAATAN DEEP LEARNING MENGGUNAKAN ARSITEKTUR \nGOOGLENET DAN INCEPTION-V3 UNTUK PENGEMBANGAN \nSISTEM PRESENSI BERBASIS FACE RECOGNITION\n\n" . "text/html" . . . "004 Pemrosesan data dan ilmu komputer" . . . "500 ilmu pengetahuan alam dan matematika" . .