<![CDATA[Penelitian ini bertujuan untuk mengukur tingkat keberhasilan model algoritma Generative Adversarial Network (GAN) terhadap objek gambar wajah yang diimplemntasikan pada sistem presensi berbasis deteksi wajah di Kantor BPS Kota Cirebon. GAN terdiri dari dua jaringan terpisah, di antaranya ditargetkan satu sama lain. Kumpulan jaringan pertama adalah pengklasifikasi yang perlu dilatih untuk mengetahui apakah itu nyata atau salah, dan kumpulan jaringan kedua adalah generator yang menghasilkan sampel acak yang mirip dengan sampel nyata dan menggunakannya sebagai sampel palsu. GAN merupakan teknik deep learning yang digunakan untuk memproses data yang tidak terstruktur salah satunya gambar wajah. Beberapa tahapan dalam melakukan penelitian ini diantaranya adalah penyiapan dataset, pemrosesan data set, membuat model generator, membuat model diskriminator, menggabungkan model generator dan diskriminator , membuat proses training GAN dan menganalisis kemampuan generator dan diskriminator. Berdasarkan hasil eksperimen yang telah dilakukan pada sampel gambar wajah melalui 1000 epoch dengan 10 iterations setiap 1 epoch diperlukan waktu training selama 5 menit, dengan menghasilkan rata rata akurasi 66,06 %. Dari hasil dari proses training yang dilakukan, gambar yang diperoleh dapat dikatakan berhasil karena terlihat walaupun belum nampak dengan sangat jelas. Kata Kunci : Generative Adversarial Networks, Deep Learning, Epoch, Wajah]]>
Copyrights © 2022
