Implementasi Multi-Output Classification Menggunakan EfficientNet-V2 Pada UTKFace Dataset Untuk Prediksi Usia, Jenis Kelamin, Dan Ras=[Implementation of Multi-Output Classification Using EfficientNet-V2 on the UTKFace Dataset for Age, Gender, and Race Prediction

Perkembangan teknologi pengenalan wajah seringkali dihadapkan pada tantangan untuk mengklasifikasikan berbagai atribut yang kompleks secara bersamaan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan model Multi-Output Classification menggunakan arsitektur EfficientNet-V2 untuk memprediksi usia, jenis kelamin, dan ras secara simultan menggunakan dataset UTKFace. Pada tahap prapemrosesan, dataset diproses menggunakan algoritma RetinaFace untuk deteksi dan penyelarasan wajah secara presisi. Model dibangun menggunakan EfficientNet-V2 Small sebagai backbone pengekstraksi fitur yang dihubungkan dengan tiga head klasifikasi terpisah, serta diimplementasikan ke dalam aplikasi berbasis web menggunakan framework Streamlit. Hasil evaluasi model menunjukkan performa yang sangat stabil pada prediksi jenis kelamin dengan tingkat akurasi 95% dan F1-Score 0.95. Untuk prediksi ras, model mencapai akurasi keseluruhan sebesar 84%, dengan performa pengenalan tertinggi pada kelas Asian dan White, meskipun mengalami tantangan pada kelas Other akibat ketidakseimbangan jumlah data. Pada pengujian prediksi usia, model mencatatkan nilai Mean Absolute Error (MAE) sebesar 5.15. Pendekatan klasifikasi multi-output menggunakan arsitektur EfficientNet-V2 ini terbukti efisien dan telah berhasil diintegrasikan untuk memberikan hasil prediksi secara real-time melalui aplikasi web.