Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pengembangan Sistem Face Recognition menggunakan Cloud Service, Raspberry Pi dan Convolutional Neural Network (CNN) Rosa Andrie Asmara; Muhammad Ridwan; Gunawan Budi P; Anik Nur Handayani
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1181

Abstract

Wajah manusia menjadi bagian terpenting dalam tubuh manusia sebagai karakteristik masing-masing individu manusia. Wajah juga memiliki tekstur yang lebih kaya dan area yang luas. Teknik pengenalan wajah telah dilakukan oleh banyak peneliti dengan berbagai macam metode dan pendekatan. Implementasi tentang Cloud Server untuk penyimpanan data Real Time menggunakan Raspberry Pi telah diterapkan. Peneliti tersebut telah membangun Server Cloud Private yang dapat diatur di Raspberry Pi dan digunakan sebagai perangkat penyimpanan untuk aplikasi real time. Hasil dari penerapan ini adalah penggunaan Raspberry Pi, mikroprosesor dengan harga terjangkau. Komputasi dilakukan menggunakan layanan cloud computing, dikarenakan spesifikasi perangkat keras pada Raspberry Pi yang tidak terlalu baik. Infrastruktur cloud computing dapat diperoleh dengan menggunakan platform Cloud yang disediakan oleh vendor cloud tertentu. Penggunaan Cloud sebagai monitoring melalui pengenalan wajah menggunakan metode Gabor dan fitur CS-LBP diterapkan oleh peneliti. Sedangkan penulis tertarik ingin mengembangkan sistem Face Recognition menggunakan Cloud Service pada Raspberry Pi, menggunakan metode Convolutional Neural Network (CNN). Dari hasil pengujian metode deteksi wajah antara Haar Cascade dengan CNN dengan berbagai variasi dan kondisi dari data pengujian, untuk Haar Cascade diperoleh akurasi rata-rata sebesar 81,12%, sedangkan jika menggunakan CNN diperoleh akurasi sebesar 86,53%. Pada pengujian encoding pengenalan wajah dengan CNN, tingkat akurasi yang lebih tingkat tinggi diperoleh jenis model pengenalan arcface yakni 67,69% sedangkan facenet hanya memperoleh akurasi 66,46%.