<![CDATA[Untuk saat ini masih banyak aplikasi yang menggunakan metode autentikasi berupa Single Factor Authentication atau SFA yaitu penggunaan password. Penggunaan metode autentikasi berupa password dinilai memliki banyak celah pada keamanannya seperti dapat dilakukan hacking atau peretasan oleh hacker untuk mendapatkan data yang diinginkan oleh hacker. Maka dari itu, diperlukannya metode autentikasi tambahan dengan menggunakan autentikasi biometrik. Salah satu contoh dari autentikasi biometrik adalah penggunaan pengenalan wajah dari pengguna. Salah satu dari algoritma yang menggunakan pengenalan wajah adalah MTCNN. MTCNN atau Multi-Task Cascaded Convolutional Network adalah perombakan dari gabungan model CNN dengan 3 lapisan jaringan yaitu P-Net, R-Net, O-Net yang menggunakan pengelompokan kandidat dan klasifikasi untuk mendapatkan hasil deteksi wajah yang efisien dan cepat. Metode penelitian yang dilakukan adalah dengan menggunakan 10 orang dengan 5 kali percobaan pada 2 kondisi yaitu kondisi didalam ruangan dengan nilai lux antara 100 - 200 dan kondisi di luar ruangan dengan nilai lux diatas 160x10. Dari hasil penelitian yang telah dilakukan terhadap sepuluh orang dengan lima kali percobaan maka dapat ditarik kesimpulan mengenai penerapan MTCNN untuk deteksi wajah adalah algoritma mtcnn memiliki tingkat akurasi sebesar 76% untuk keadaan di dalam ruangan dan 84% untuk keadaan di luar ruangan yang dipengaruhi oleh faktor pencahayaan yang dideteksi oleh lux meter, jarak kamera dengan pengguna, dan kemiringan dari wajah pengguna. Dan dari percobaan yang sama yang dilakukan terhadap sepuluh orang yang sama dengan lima kali percobaan, algoritma MTCNN memerlukan waktu 3.78224 detik untuk melakukan proses autentikasi di dalam ruangan dan 3.56268 detik untuk melakukan proses autentikasi di luar ruangan. Waktu proses pendeteksian dipengaruhi oleh faktor dari performa virtual machine yang digunakan.]]>
