Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN
DOI:
https://doi.org/10.25077/TEKNOSI.v6i1.2020.55-63Keywords:
Abstract
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.References
[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 Binerâ€, 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].
Downloads
Submitted
Accepted
Published
How to Cite
Issue
Section
License
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 