Penggunaan Augmentasi Data pada Convolutional Neural Network (CNN) untuk Meningkatkan Akurasi Pengenalan Wajah Dosen
DOI:
https://doi.org/10.31004/joecy.v5i2.1772Keywords:
Convolutional Neural Network, Augmentasi Data, Pengenalan Wajah, GoogLeNet, InceptionV3Abstract
Pengenalan wajah adalah salah satu bentuk penerapan teknologi kecerdasan buatan yang mempunyai peran yang sangat penting dalam berbagai bidang, diantaranya sistem pengenalan wajah dalam bidang pendidikan. Penelitian ini bertujuan untuk meningkatkan akurasi pengenalan wajah dosen pada Convolutional Neural Network (CNN) dengan menggunakan teknik augmentasi data. Teknik augmentasi yang digunakan ialah rotasi, pencahayaan, translasi, flipping, dan scaling untuk meningkatkan variasi dataset tanpa menambah data baru. Adapun arsitektur Convolutional Neural Network (CNN) yang digunakan adalah GoogLeNet (InceptionV3), dan proses pelatihan dilakukan dengan menggunakan augmentasi data dan tanpa augmentasi data. Dataset yang digunakan pada penelitian ini adalah sebanyak 40 kelas dosen, masing-masing melalui proses cropping dan resize. Hasil evaluasi menunjukkan bahwa model Convolutional Neural Network (CNN) tanpa augmentasi menghasilkan akurasi 100%, sedangkan model Convolutional Neural Network (CNN) dengan augmentasi mencapai akurasi 86.67%. Walaupun demikian, model dengan augmentasi lebih robust terhadap variasi data dan mampu menghindari overfitting. Penelitian ini menyimpulkan bahwa penggunaan augmentasi data dapat meningkatkan generalisasi model dan layak diterapkan untuk pengenalan wajah di lingkungan pendidikan.
References
Al, P. J., Taigman, Y., Yang, M., & Ranzato, M. (2015). Deep face recognition. British Machine Vision Conference (BMVC).
Deng, J., Guo, J., Xue, N., & Zafeiriou, S. (2019). ArcFace: Additive angular margin loss for deep face recognition. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 4690–4699.
He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 770–778.
Huang, G., Liu, Z., Van Der Maaten, L., & Weinberger, K. Q. (2017). Densely connected convolutional networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 4700–4708.
Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25, 1097–1105.
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539
Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C. Y., & Berg, A. C. (2016). SSD: Single shot multibox detector. European Conference on Computer Vision, 21–37.
Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, real-time object detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 779–788.
Schroff, F., Kalenichenko, D., & Philbin, J. (2015). FaceNet: A unified embedding for face recognition and clustering. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 815–823.
Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R. (2014). Dropout: A simple way to prevent neural networks from overfitting. Journal of Machine Learning Research, 15(1), 1929–1958.
Suartika, I. W. E. P., & Wijaya, S. R. A. Y. (2016). Klasifikasi citra menggunakan Convolutional Neural Network (CNN) pada Caltech 101. Jurnal Teknik ITS, 5(1), A76–A80. http://repository.its.ac.id/48842/
Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., ... & Rabinovich, A. (2015). Going deeper with convolutions. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 1–9.
Turk, M., & Pentland, A. (1991). Eigenfaces for recognition. Journal of Cognitive Neuroscience, 3(1), 71–86.
Zhang, X., Zou, J., He, K., & Sun, J. (2018). Accelerating very deep convolutional networks for classification and detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 38(10), 1943–1955.
Zhao, Z. Q., Zheng, P., Xu, S. T., & Wu, X. (2019). Object detection with deep learning: A review. IEEE Transactions on Neural Networks and Learning Systems, 30(11), 3212–3232.
Zufar, M., & Setiyono, B. (2016). Convolutional Neural Networks untuk pengenalan wajah secara real-time. Jurnal Sains dan Seni ITS, 5(2), 2337–3520. https://repository.its.ac.id/72552/1/1212100076-Undergraduate%20Thesis.pdf
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Maria D. Elsoin, Alfian Nara Weking , Dominikus Boli Watomakin
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
