Analisis Performa YOLO, CNN, dan EfficientNet Pada Masked-Face Recognition

Syah, Muhammad Abby Rafdi (2023) Analisis Performa YOLO, CNN, dan EfficientNet Pada Masked-Face Recognition. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 04191044_cover.pdf Restricted to Registered users only until 7 October 2025. Download (83kB) | Request a copy
	Text 04191044_statement_of_authenticity.pdf Restricted to Registered users only until 7 October 2025. Download (156kB) | Request a copy
	Text 04191044_publishing_agreement.pdf Restricted to Registered users only until 7 October 2025. Download (134kB) | Request a copy
	Text 04191044_approval_sheet.pdf Restricted to Registered users only until 7 October 2025. Download (366kB) | Request a copy
	Text 04191044_preface.pdf Restricted to Registered users only until 7 October 2025. Download (145kB) | Request a copy
	Text 04191044_abstract_id.pdf Restricted to Registered users only until 7 October 2025. Download (116kB) | Request a copy
	Text 04191044_abstract_en.pdf Restricted to Repository staff only until 7 October 2025. Download (114kB) | Request a copy
	Text 04191044_table_of_content.pdf Restricted to Repository staff only until 7 October 2025. Download (123kB) | Request a copy
	Text 04191044_Illustrations.pdf Restricted to Repository staff only until 7 October 2025. Download (120kB) | Request a copy
	Text 04191044_tables.pdf Restricted to Repository staff only until 7 October 2025. Download (132kB) | Request a copy
	Text 04191044_chapter_1.pdf Restricted to Repository staff only until 7 October 2025. Download (212kB) | Request a copy
	Text 04191044_chapter_2.pdf Restricted to Repository staff only until 7 October 2025. Download (469kB) | Request a copy
	Text 04191044_chapter_3.pdf Restricted to Repository staff only until 7 October 2025. Download (570kB) | Request a copy
	Text 04191044_chapter_4.pdf Restricted to Repository staff only until 7 October 2025. Download (850kB) | Request a copy
	Text 04191044_conclusions.pdf Restricted to Repository staff only until 7 October 2025. Download (143kB) | Request a copy
	Text 04191044_bibliography.pdf Restricted to Registered users only until 7 October 2025. Download (181kB) | Request a copy
	Text 04191044_enclosure.pdf Restricted to Repository staff only until 7 October 2025. Download (833kB) | Request a copy
	Text 04191044_presentation.pdf Restricted to Repository staff only until 7 October 2025. Download (1MB) | Request a copy
	Text 04191044_Form. TA-020.pdf Restricted to Repository staff only until 7 October 2025. Download (146kB) | Request a copy

Abstract

Untuk mencegah penyebaran virus COVID-19 dengan efektif, penggunaan masker telah menjadi kebiasaan umum di tengah epidemi virus corona. Namun, hal ini telah mengakibatkan tantangan bagi teknologi pengenalan wajah konvensional dalam berbagai konteks seperti kontrol akses perusahaan, absensi wajah, dan pemeriksaan keamanan wajah di bandara. Oleh karena itu, diperlukan peningkatan kinerja teknologi pengenalan wajah dalam mengenali individu yang menggunakan masker. Penelitian ini bertujuan untuk mengevaluasi kemampuan algoritma YOLOv5, CNN, dan EfficientNet dalam pengenalan wajah bermasker. Dengan 3 label dataset wajah dan wajah bermasker dan membandingkannya kedalam metode CNN, EfficientNet dan algoritma YOLOv5, hasil uji coba menunjukkan bahwa metode CNN memiliki tingkat akurasi tinggi (98% untuk wajah bermasker dan 99% untuk wajah tanpa masker), namun dengan kecepatan pemrosesan yang lebih lambat (3.27 FPS). Di sisi lain, algoritma YOLO memiliki kecepatan pemrosesan yang lebih tinggi (3.8 FPS), namun dengan akurasi yang sedikit lebih rendah (80% untuk wajah bermasker dan 83% untuk wajah tanpa masker). Dalam arsitektur EfficientNet menunjukkan kecepatan pemrosesan yang rendah (1.3 FPS), namun dengan akurasi hampir sebanding dengan CNN sebesar 96%. Analisis Confusion Matrix juga memberikan wawasan penting dalam memahami performa masing-masing model. Penelitian ini memberikan kontribusi penting dalam pengembangan aplikasi pengenalan wajah bermasker dengan mempertimbangkan faktor performa model, akurasi dan kecepatan pemrosesan.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Jurusan Teknologi Industri dan Proses > Teknik Elektro
Depositing User:	Muhammad Abby Rafdi Syah
Date Deposited:	13 Jul 2023 06:06
Last Modified:	13 Jul 2023 06:06
URI:	http://repository.itk.ac.id/id/eprint/19708

Actions (login required)

View Item