SISTEM IDENTIFIKASI UNTUK TERMINAL TRANSAKSI BERBASIS PENGENALAN WAJAH MENGGUNAKAN MACHINE LEARNING DAN DEEP LEARNING = Identification System For Transaction Terminal Based On Face Recognition Using Machine Learning And Deep Learning

AHMAD MARUF FIRMAN. Sistem Identifikasi Untuk Terminal Transaksi Berbasis Pengenalan Wajah Menggunakan Machine Learning dan Deep Learning. (dibimbing oleh Zahir Zainuddin, dan Muhammad Niswar).

Penelitian ini bertujuan untuk merancang dan menguji tiga arsitektur terminal yang berbeda untuk proses identifikasi wajah sehingga menghasilkan sistem yang efektif dan dapat diakses menggunakan jumlah data besar. Terdapat 2 metode yang digunakan pada penelitian ini, yaitu Machine Learning dan Deep Learning. Pertama wajah dideteksi menggunakan metode Viola-Jones, ekstraksi fitur menggunakan Local Binary Pattern Histogram, klasifikasi menggunakan Euclidean Distance dan percobaan menggunakan metode Convolutional Neural Network untuk keseluruhan proses pada sistem. Penelitian ini menggunakan 50.560 citra sampel dari 2.528 orang sebagai data pelatihan, dengan setiap individu diwakili oleh 20 gambar. Arsitektur 1 menggunakan mata sebagai variabel utama, Arsitektur 2 menggunakan seluruh bagian wajah sebagai variabel utama, dan Arsitektur 3 menggunakan wajah sebagai variabel utama dengan proses training data langsung di terminal. Waktu yang dibutuhkan untuk proses identifikasi metode Machine Learning adalah arsitektur 1 : 1,07 detik, arsitektur 2 : 0,82 detik, dan arsitektur 3 : 0,83 detik. Sedangkan metode Deep Learning membutuhkan waktu arsitektur 1 : 1,17 detik, arsitektur 2 : 0,81 detik, dan arsitektur 3 : 0,88 detik. Hasil eksperimen dengan metode Machine Learning menghasilkan akurasi sebesar 86,4%, sementara metode Deep Learning mencapai akurasi sebesar 94,6%.