Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology
Fara Diba
Universitas Ibn Khaldun Bogor
Computer Science & IT Economics, Econometrics & Finance Engineering Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Face Age Detection Menggunakan Computer Vision Untuk Identifikasi Rentang Usia Fahtir Angger Prabowo; Fara Diba; Alfiyyah Rima; Muhammad Iqbal Fauzi; Ilyas Lutfi Abdat; Hanif Zaidan Sinaga
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.11802

Abstract

Perkembangan Artificial Intelligence (AI), khususnya pada bidang Computer Vision, telah mendorong munculnya berbagai teknologi yang mampu melakukan analisis visual secara otomatis, salah satunya adalah Face Age Detection. Teknologi ini memungkinkan sistem untuk mengidentifikasi rentang usia seseorang berdasarkan citra wajah melalui analisis karakteristik visual yang berkaitan dengan proses penuaan. Penelitian ini bertujuan untuk mengimplementasikan teknologi Computer Vision menggunakan metode Face Age Detection berbasis Convolutional Neural Network (CNN) dalam mengidentifikasi rentang usia manusia berdasarkan citra wajah. Dataset yang digunakan berasal dari Kaggle dan terdiri atas citra wajah dengan berbagai karakteristik usia. Sebelum proses pelatihan, data melalui tahap preprocessing yang meliputi data cleaning, face detection, cropping, resize, normalisasi, dan data augmentation. Model CNN kemudian dilatih menggunakan data training dan dievaluasi menggunakan metrik Accuracy, Precision, Recall, F1-Score, dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan rentang usia dengan nilai Accuracy sebesar 84,27%, Precision sebesar 83,91%, Recall sebesar 82,75%, F1-Score sebesar 83,32%, serta MAE sebesar 4,18 tahun. Hasil tersebut menunjukkan bahwa model memiliki kemampuan yang baik dalam mengenali karakteristik wajah yang berkaitan dengan usia. Penelitian ini membuktikan bahwa implementasi Face Age Detection berbasis Computer Vision dapat digunakan sebagai solusi untuk identifikasi rentang usia secara otomatis dan memiliki potensi penerapan pada bidang keamanan, layanan publik, pendidikan, pemasaran digital, serta analisis demografi.
Co-Authors Alfiyyah Rima Fahtir Angger Prabowo Hanif Zaidan Sinaga Ilyas Lutfi Abdat Muhammad Iqbal Fauzi