<![CDATA[Wajah adalah elemen penting untuk identifikasi, komunikasi sosial, dan keamanan, sehingga teknologi deteksi wajah menjadi penting di berbagai aplikasi seperti keamanan, absensi, dan perangkat cerdas. Penelitian ini mengevaluasi algoritma Convolutional Neural Networks (CNN), khususnya Faster CNN dan Multi-task Cascaded Convolutional Networks (MTCNN), dalam mendeteksi wajah dengan atau tanpa masker pada kondisi lingkungan beragam, termasuk pencahayaan buruk, noise latar, dan variasi ekspresi.referensi ini dilakukan melalui tinjauan literatur sistematis dengan menganalisis aplikasi CNN, arsitektur, serta tantangan implementasinya. Dataset terdiri dari 10.165 gambar wajah, baik dengan maupun tanpa masker, diproses menggunakan arsitektur FaceNet. Hasilnya menunjukkan sistem mendeteksi hampir semua jenis masker, kecuali masker bergambar hidung dan mulut yang memiliki tingkat keberhasilan rendah karena outline menyerupai fitur wajah.Pengujian real-time menunjukkan akurasi tinggi dalam mendeteksi wajah dengan respons langsung melalui perangkat keras pendukung. Kesimpulan menunjukkan bahwa CNN efektif menggantikan sistem identifikasi konvensional dengan potensi besar pada aplikasi keamanan dan absensi. Optimalisasi lebih lanjut disarankan untuk meningkatkan akurasi dan efisiensi sistem, terutama dalam menghadapi tantangan lingkungan yang lebih kompleks.]]>
Copyrights © 2025
