ANALISIS KINERJA ALGORITMA DEEP LEARNING UNTUK PENGENALAN WAJAH

Abstract

Pengenalan wajah dalam dunia teknologi memiliki kemampuan yang cukup baik dalam melakukan tugasnya. pengenalan wajah memiliki berbagai masalah yang dapat ditemui seperti kesalahan posisi gambar wajah, bagian mata, hidung maupun telinga yang tidak terlihat secara keseluruhan dan juga dengan adanya penambahan aksesoris seperti kacamata, janggut pada gambar wajah yang mempengaruhi akurasi pengenalan wajah. Algoritma pengenalan wajah menggunakan Deep Learning dengan model jaringan saraf tiruan Convolutional Neural Network (CNN). Hasil dari penelitian yang dilakukan mengukur analisis algoritma Deep Learning dengan metode Convolutional Neural Network untuk pengenalan wajah menggunakan Notasi Big-O. Dengan tingkat akurasi prediksi model mencapai 0.99928075 atau sekitar 99.93%. model berhasil identifikasi pengenalan citra wajah dengan benar. Total waktu eksekusi 26.18 detik yang dibutuhkan untuk memproses citra melakukan prediksi dengan model CNN. Eksekusi kompleksitas waktu algoritma Big-O Notation (O) dalam pengenalan citra wajah yang dilakukan tidak meningkat secara signifikan dengan ukuran gambar (tetap dalam model CNN), dengan hasil tetap dari model CNN kompleksitas waktu sebagai konstan atau O(1) waktu eksekusi tercatat sekitar 26 detik. Berdasarkan hasil proses pengujian training dataset dari masing – masing dua kelas citra wajah Rose dan Jiso, sebanyak 170 citra wajah data training, dan dataset validation sebanyak 80 citra wajah. Proses pengujian dan waktu eksekusi model menghasilkan tingkat akurasi pada epoch ke 25 val_accuracy sebesar 1.00% dan total waktu eksekusi epoch sebesar 151.587 detik. Yang menunjukkan bahwa algoritma deep learning metode CNN mampu mengidentivikasi pengenalan wajah seseorang dengan baik.