<![CDATA[Wajah adalah salah satu bagian dari manusia yang memiliki ciri-ciri berbeda. Teknologi pengenalan wajah merupakan suatu teknologi yang dapat mengidentifikasi atau memverifikasi seseorang dari sebuah gambar atau video. Teknologi pengenalan wajah bermanfaat untuk bidang keamanan, pengawasan, verifikasi identitas umum, sistem peradilan pidana, investigasi basis data gambar. Mungkin saja seorang DPO menggunakan penyamaran, baik secara sengaja maupun tidak sengaja, untuk menyembunyikan diri atau berpura-pura menjadi orang lain, misalnya menggunakan jenggot, kumis, dan gaya rambut yang diubah yang menyebabkan kebingungan dalam mengenali orang. Selain itu, aksesori penyamaran seperti wig, topi, syal, helm, kerudung, kacamata hitam, atau masker dapat membuat bagian wajah terlihat berbeda. Riasan tebal atau prosedur eksternal seperti operasi plastik juga dapat mengubah bentuk, tekstur, dan warna wajah, sehingga menyulitkan mengenali seseorang. Dalam makalah ini, mengusulkan sebuah algoritma pengenalan wajah tersamar,dimana algoritma ini mengubah arsitektur VGG pada tahap klasifikasi. Perubahan ini mencakup penambahan lapisan flatten yang disatukan dengan metode SVM. Tujuan dari modifikasi ini adalah untuk meningkatkan nilai akurasi dalam pengenalan wajah tersamar. Dalam penelitian ini memanfaatkan arsitektur VGG untuk ekstraksi fitur, SVM digunakan sebagai metode klasifikasi dalam pengenalan wajah. Sistem pengenalan wajah yang dikembangkan terdiri dari empat tahap utama: pengambilan data, pengolahan data, ekstraksi fitur, dan klasifikasi. Data wajah diambil secara langsung di depan kamera berupa wajah tanpa tersamar dan wajah tersamar dengan lima posisi wajah yaitu wajah menghadap ke kanan, ke kiri, ke depan,ke atas dan ke bawah. Sistem ini diimplementasikan menggunakan library Keras, Sklearn, dan Numpy untuk mengolah data. Untuk meningkatkan nilai akurasi diperlukan pengaturan parameter dari klasifikasi SVM yaitu Cost (C) dan gamma (ℽ). Hasil dari pengujian menunjukkan bahwa metode yang diterapkan dalam sistem pengenalan wajah tersamar ini menghasilkan nilai akurasi yang lebih baik dibandingkan dengan penelitian yang lain, walaupun masih ada beberapa kekurangan dari metode yang diterapkan dalam penelitian ini]]>
Copyrights © 2025
