IMPELEMENTASI CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN MODEL MOBILENET DALAM APLIKASI PRESENSI BERBASIS PENGENALAN WAJAH
CNN, DeepLearning, Mobilenet
Abstract
Kecerdasan buatan merupakan suatu kemampuan sistem untuk mengimpretasikan suatu data eksternal secara benar. Teknik Artificial intelegence (AI) menggunakan data dalam jumlah yang besar untuk membuat mesin atau sistem menjadi semakin cerdas yang bisa menangani tugas-tugas yang membutuhkan kecerdasan manusia. Pada penelitian ini mengungkapkan bahwa dengan menerapkan model deep learning menggunakan Model Deep Learning Mobilefacenet dapat mengenali objek wajah dengan prediksi yang sangat baik. Metode dalam penelitian ini menggunakan metode kuantitatif. Tujuan dari penelitian ini yaitu dengan menerapkan model Convolutional Neural Network atau CNN maka model untuk prediksi berdasarkan data citra dapat bekerja secara baik.. Dalam pengembangan model ini menghasilkan suatu aplikasi presensi yang dapat digunakan oleh pihak Sekolah sebagai media alternative dalam proses presensi.
Downloads
References
[2] H. Yang and X. Han, “Face recognition attendance system based on real-time video processing,” IEEE Access, vol. 8, pp. 159143–159150, 2020.
[3] Z. Syahputra, “Penerapan SSD-Mobilenet Dalam Identitas Jenis Buah Apel,” Indones. J. Educ. Comput. Sci., vol. 1, no. 1, pp. 1–7, 2023.
[4] M. Ridwan, I. Fitriati, I. Ilyas, and W. Wahyudin, “Perancangan Aplikasi Sistem E-Presensi Guru dan Siswa Berbasis Android Sebagai Sarana Digitalisasi Sekolah di SMPN 3 Monta,” J. Pendidik. Dan Media Pembelajaran, vol. 2, no. 2, pp. 1–8, 2023.
[5] A. Singh, S. Bhatt, V. Nayak, and M. Shah, “Automation of surveillance systems using deep learning and facial recognition,” Int. J. Syst. Assur. Eng. Manag., 2023, doi: 10.1007/s13198-022-01844-6.
[6] B. Mandal, A. Okeukwu, and Y. Theis, “Masked face recognition using resnet-50,” arXiv Prepr. arXiv2104.08997, 2021.
[7] B. Kocacinar, B. Tas, F. P. Akbulut, C. Catal, and D. Mishra, “A real-time cnn-based lightweight mobile masked face recognition system,” Ieee Access, vol. 10, pp. 63496–63507, 2022.
[8] Y. Firmansyah, R. Maulana, and M. S. Maulana, “Implementasi Metode SDLC Prototype Pada Sistem Informasi Indeks Kepuasan Masyarakat (IKM) Berbasis Website Studi Kasus Dinas Kependudukan Dan Catatan Sipil,” JUSTIN (Jurnal Sist. dan Teknol. Informasi), vol. 9, no. 3, pp. 315–323, 2021.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
An author who publishes in this Journal agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
