%A NIM.: 20236052005 Muhammad Khoirul Anwar
%O Dr. Ir. Bambang Sugiantoro, M.T., IPU., ASEAN Eng
%T PERBANDINGAN ARSITEKTUR DEEP LEARNING UNTUK PENGENALAN WAJAH DALAM SISTEM KEAMANAN
%X Pengenalan wajah merupakan salah satu teknologi biometrik yang semakin banyak diterapkan dalam sistem keamanan modern, seperti kontrol akses, verifikasi identitas, hingga perangkat digital. Teknologi ini memiliki keunggulan berupa kemudahan penggunaan, tidak memerlukan kontak fisik, serta tingkat keandalan yang tinggi. Keberhasilan pengenalan wajah sangat bergantung pada performa arsitektur deep learning yang digunakan dalam proses ekstraksi dan identifikasi fitur wajah. Penelitian ini bertujuan untuk   ndingkan kinerja tiga arsitektur deep learning yang umum digunakan, yaitu Convolutional Neural Network (CNN), VGG16, dan FaceNet512. Ketiganya memiliki pendekatan berbeda dalam mengolah
citra wajah dan menghasilkan representasi fitur. Metode yang digunakan adalah pendekatan kuantitatif dengan eksperimen komputasional menggunakan dataset gambar wajah. Evaluasi dilakukan berdasarkan metrik akurasi, precision, recall, dan f1-score guna menilai efektivitas
masing-masing model dalam tugas pengenalan wajah. Hasil penelitian menunjukkanperbedaan signifikan dalam performa tiap arsitektur, baik dari segi akurasi maupun efisiensi pemrosesan. Temuan ini diharapkan dapat memberikan kontribusi bagi pengembangan sistem keamanan berbasis
biometrik wajah yang lebih optimal, serta menjadi referensi dalam
pemilihan arsitektur deep learning yang sesuai untuk implementasi di berbagai kebutuhan praktis maupun akademis. Kata kunci: Pengenalan Wajah, Deep Learning, CNN, VGG16,
FaceNet512.
%K Pengenalan Wajah, Deep Learning, CNN, VGG16,
FaceNet512.
%D 2025
%I UIN SUNAN KALIJAGA YOGYAKARTA
%L digilib74171