<![CDATA[Pengenalan wajah merupakan salah satu metode biometrik yang paling banyak digunakan dalam sistem identifikasi modern karena keunikan karakteristik setiap individu. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi algoritma YOLOv9 dalam pengenalan wajah sebagai identifier. Data set yang digunakan terdiri dari 580 citra wajah dengan variasi pose, ekspresi dan pencahayaan, yang diperoleh secara langsung. Data kemudian melalui tahap prapemrosesan meliputi resizing, normalisasi, dan argumentasi untuk meningkatkan kualitas dan keragaman data. Data set dibagi menjadi data pelatihan, validasi, dan pengujian. Model YOLOv9 dilatih menggunakan platform Google Colab dengan penyesuaian parameter seperti batch size, epoch, dan learning rate untuk mengoptimalkan kinerja model. Evaluasi dilakukan menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan akurasi sebesar 97%, presisi 85%, recall 85%, dan F1-score 85%. Hasil ini menunjukkan bahwa YOLOv9 memiliki performa yang baik dalam tugas pengenalan wajah dan mampu memberikan keseimbangan antara akurasi dan efisiensi. Oleh karena itu, metode ini berpotensi untuk diterapkan dalam berbagai sistem identifikasi berbasis citra. Penelitian ini juga membuka peluang pengembangan lebih lanjut untuk meningkatkan performa sistem melalui optimasi model dan penambahan data set yang lebih besar dan beragam.]]>
