<![CDATA[Abstrak Tugas akhir ini menganalisis desain sistem pengenalan wajah yang menggunakan Raspberry Pi 3 B+ sebagai pusat sistem. Sistem pada Tugas Akhir ini menggunakan Raspberry Pi 3 B+ dan Raspberry Pi Camera Module V2.1. Adapun sistem face recognition yang digunakan merupakan sistem face recognition dari pyimagesearch yang diperuntukkan untuk Raspberry Pi 3. Terdapat program encode_face.py untuk melakukan proses training image dari lima orang subjek penelitian. Terdapat pula program pi_face_recogition.py yang akan dijalankan dan diuji terhadap empat orang yang wajahnya sudah ada pada database yang telah di training sebelumnya dan terhadap seseorang yang wajahnya tidak ada pada database sistem face recognition. Metode yang digunakan untuk face recognition yaitu Deep Metric Learning dengan triplet training step. Sistem face recognition pada tugas akhir ini berdasarkan pada pi_face_recognition yang berasal dari pyimagesearch oleh Adrian. Face recognition tersebut menggunakan network architecture bernama dlib milik David King dan modul face recognition milik Adam Geutgey. Sedangkan face detection memanfaatkan haar cascade frontal face default berupa file xml. Dataset terdiri dari 5 orang dengan jumlah foto wajah perorang yaitu 30, sehingga totalnya yaitu 150 foto. Kemudian dataset tersebut di training menggunakan encode_face.py sehingga menghasilkan berkas TUGASAKHIR-5subjek.pickle. Pengujian sistem face recognition dilakukan pada empat kondisi jarak pengujian yang berbeda yaitu 1,5 meter, 2 meter, 2,5 meter, dan 3 meter. Terdapat tiga macam parameter pengujian yaitu parameter size, parameter scale factor, dan parameter neighbourhood. Variasi nilai dari parameter size yaitu 20×20, 25×25, 30×30, dan 35×35. Variasi nilai dari parameter scale factor yaitu 1.1, 1.2, 1.3, dan 1.4. Variasi nilai dari parameter neighboarhood yaitu 3, 4, 5, dan 6. Hasil pengujian menunjukkan nilai Accuracy tertinggi yaitu 80% dan True Positive Rate mencapai 100% dengan parameter terbaik yaitu parameter size 20×20, parameter scale factor 1,1, dan parameter neighbourhood bernilai 3. Kata Kunci: Raspberry Pi 3 B+, face recognition, Deep Metric Learning . Abstract This final project analyzes the design of a face recognition system that uses Raspberry Pi 3 B + as the center of the system. The system in this final project uses Raspberry Pi 3 B + and Raspberry Pi Camera Module V2.1. The face recognition system used is a face recognition system from Pyimageseearch which is intended for Raspberry Pi 3. There is an encode_face.py program to carry out the image training process of five research subjects. There is also the pi_face_recogition.py program which will be run and tested on four people whose faces have been in a database that has been previously trained and on someone whose face is not in the face recognition system database. The method used for face recognition is Deep Metric Learning with step training triplets. The face recognition system in this thesis is based on pi_face_recognition originating from pyimagesearch by Adrian. Face recognition uses a network architecture called David King's Dlib and Adam Geutgey's face recognition module. Whereas face detection utilizes a default frontal face haar cascade in the form of an xml file. The dataset consists of 5 people with 30 photos per face, so that the total is 150 photos. Then the dataset is trained using encode_face.py to produce the TUGASAKHIR-5subjek.pickle file. Face recognition system testing is carried out on four different test conditions, namely 1.5 meters, 2 meters, 2.5 meters and 3 meters. There are three types of testing parameters, namely size parameters, scale factor parameters, and neighborhood parameters. Variations in the value of the size parameter are 20x20, 25x25, 30x30, and 35x35. Variations in the values of the scale factor parameters are 1.1, 1.2, 1.3, and 1.4. Variation values of the neighboring parameters are 3, 4, 5, and 6. The test results show the highest Accuracy value is 80% and the True Positive Rate reaches 100% with the best parameters, namely the size parameter 20 × 20, scale factor parameters 1,1, and parameters neighborhood is worth 3. Keywords: Raspberry Pi 3 B+, face recognition, Deep Metric Learning]]>
