Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN
(1) Manajemen Sistem Informasi, Universitas Gunadarma
(2) Teknik Informatika, Universitas Gunadarma
(3) Manajemen Sistem Informasi, Universitas Gunadarma
(*) Corresponding Author
Abstrak
Perkembangan teknologi berkembang dengan sangat cepat, sehingga memberikan banyak manfaat khususnya dalam bidang Teknologi Informasi. Permintaan layanan dengan penggunaan teknologi semakin banyak dibutuhkan oleh perusahaan. Salah satu perusahaan yang membutuhkannya adalah perusahaan perbankan. Perkembangan teknologi memudahkan perusahaan untuk bisa menyelesaikan masalah, salah satunya masalah dalam sistem keamanan. Sistem kemanan dibutuhkan dalam setiap perusahaan dalam segala aspek. Sistem keamanan untuk pintu akses pegawai merupakan permintaan sebuah perusahaan bank yang dibuat dalam penelitian ini. Pada penelitian ini, dilakukan sistem keamanan pintu akses pegawai bank dengan menggunakan face recognition. Teknologi Face Recognition menggunakan pembahasan Deep Learning. Pembuatan aplikasi ini menggunakan algoritma Convolutional Neural Network (CNN). Bahasa pemrograman yang digunakan dalam pembuatan program ini yaitu python. Proses pembuatan aplikasi ini dengan tahapan pembuatan Face Recognition yaitu akuisisi gambar, preprocessing, ektraksi, klasifikasi, dan identifikasi data gambar. Penelitian ini berhasil menggunakan Face Recognition oleh 5 orang dataset wajah pegawai bank yang terdiri dari 70 data wajah pada masing-masing orang. Sehingga total data wajah yang digunakan 350 data wajah. Dataset tersebut dipisahkan menjadi 3 tahapan data yaitu data train, data validasi, dan data uji. Hasil dari pengujian ketiga dataset tersebut berhasil mengidentifikasi wajah yang ditangkap oleh kamera dengan persentase keakuratan 95%. Program pada penelitian ini berhasil digunakan bank untuk pintu akses ruangan perkantoran oleh pegawai bank.
Kata Kunci
Teks Lengkap:
PDFReferensi
[1] I. M. M. Yusa, Sinergi Sains, Teknologi Dan Seni: Dalam Proses Berkarya Kreatif Di Dunia Teknologi Informasi. STIMIK STIKOM INDONESIA ISBN:978-602-70665-0-2 [Maret 31, 2016].
[2] W. Taringan, “Pengenalan Wajah Dengan Menggunakan Metode Discriminateive Local Difference Patterns,” Undergraduate thesis, Universitas Kristen Maranata, Bandung, 2017.
[3] Nurhayati, Busman, Rayi P.I. (2019, June) Pengembangan Algoritma Unsupervised Learning Technique pada Big Data Analysis Di Media Sosial Sebagai Media Promosi Online Bagi Masyarakat. JURNAL TEKNIK INFORMATIKA, [S.l.], v. 12, n. 1, p. 79-96, Available at: http://journal.uinjkt.ac.id/index.php/ti/article/view/11342 [Feb 15, 2020].
[4] X. Luo, R. Shen, J. Hu, L. Hu, Q. Guan. “A Deep Convolution Neural Network Model for Vehicle Recognition and Face Recognition,” Procedia Computer Science. 107. 715-720. 10.1016/j.procs.2017.03.153. [December, 2017]
[5] Danukusumo, K. P., Pranowo, & Maslim, M. “Indonesia ancient temple classification using Convolutional Neural Network,” In 2017 International Conference on Control, Electronics, Renewable Energy and Communications (ICCREC) (pp. 50–54). IEEE. https://doi.org/10.1109/ICCEREC.2017.822670. [September, 2017].
[6] Sepritahara, “Sistem Pengenalan Wajah (Face recognition) Menggunakan Metode Hidden Markov Model (HMM),” Undergraduate thesis, Universitas Indonesia, Depok, 2016.
[7] S. Huang, Z. Xu, D. Tao, & Y. Zhang, “Part-Stacked CNN for Fine-Grained Visual Categorization,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 1173–1182. [June, 2016].
[8] S. Yang, P. Luo, C. C. Loy and X. Tang, "WIDER FACE: A Face Detection Benchmark," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, 2016, pp. 5525-5533. [June, 2016].
[9] O. M. Parkhi, A. Vedaldi, A. Zisserman. “Deep Face Recognition,” In Xianghua Xie, Mark W. Jones, and Gary K. L. Tam, editors, Proceedings of the British Machine Vision Conference (BMVC), pages 41.1-41.12. BMVA Press. [September 2015].
[10] J. Fu, H. Zheng and T. Mei, "Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-Grained Image Recognition," 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, HI, 2017, pp. 4476-4484. [Mei, 2017].
[11] J. Utama, “Akuisisi Citra Digital Menggunakan Pemrograman Matlab.” Undergraduate thesis, Universitas Komputer Indonesia, Bandung, 2018.
[12] O.N Akbar, I. I. Tritoasmoro, R. D. Atmaja, “Multi Face Recognition Menggunakan Complete Fuzzy Fisher Linear Discriminant,” Undergraduate thesis, Telkom Univeristy, Bandung, 2015.
[13] Y. Nabuasa, “Pengolahan Citra Dicangital Perbandingan Metode Histogram Equalization dan Spesification pada citra abu – abu,” Jurnal Komputer Dan Informatika, vol. 7(1), pp. 87-95. https://doi.org/10.35508/jicon.v7i1.889 [Maret, 2019].
[14] C. N. Santi. “Mengubah Citra Berwarna Menjadi Gray-Scale dan Citra Biner”, dinamik, vol. 16, no. 1. [Jan, 2011].
[15] M.S. Ramadhan, Ledya N., Susatio E. “Sistem Pengenalan Individu Berbasis Citra Wajah 3D dengan Jaringan Syaraf Tiruan,” Techné : Jurnal Ilmiah Elektroteknika. Vol. 18. pp. 1-14. 10.31358/techne.v18i01.180. [April, 2019].
[16] A. Yudhana, Sunardi, S. Saifullah. “Perbandingan Segmentasi Pada Citra Asli dan Citra Kompresi Wavelet Untuk Identifikasi Telur,” ILKOM Jurnal Ilmiah, vol. 8, no. 3, 2016, pp. 190-196, doi:10.33096/ilkom.v8i3.75.190-196 [December, 2016].
Artikel Statistik
PDF telah dilihat : 1767 kali
Refbacks
- Saat ini tidak ada refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 | Alamat Redaksi : Departemen Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat email: teknosi@fti.unand.ac.id |
Jumlah Pengunjung :
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.