<![CDATA[Pengenalan wajah adalah salah satu bentuk penerapan teknologi kecerdasan buatan yang mempunyai peran yang sangat penting dalam berbagai bidang, diantaranya sistem pengenalan wajah dalam bidang pendidikan. Penelitian ini bertujuan untuk meningkatkan akurasi pengenalan wajah dosen pada Convolutional Neural Network (CNN) dengan menggunakan teknik augmentasi data. Teknik augmentasi yang digunakan ialah rotasi, pencahayaan, translasi, flipping, dan scaling untuk meningkatkan variasi dataset tanpa menambah data baru. Adapun arsitektur Convolutional Neural Network (CNN) yang digunakan adalah GoogLeNet (InceptionV3), dan proses pelatihan dilakukan dengan menggunakan augmentasi data dan tanpa augmentasi data. Dataset yang digunakan pada penelitian ini adalah sebanyak 40 kelas dosen, masing-masing melalui proses cropping dan resize. Hasil evaluasi menunjukkan bahwa model Convolutional Neural Network (CNN) tanpa augmentasi menghasilkan akurasi 100%, sedangkan model Convolutional Neural Network (CNN) dengan augmentasi mencapai akurasi 86.67%. Walaupun demikian, model dengan augmentasi lebih robust terhadap variasi data dan mampu menghindari overfitting. Penelitian ini menyimpulkan bahwa penggunaan augmentasi data dapat meningkatkan generalisasi model dan layak diterapkan untuk pengenalan wajah di lingkungan pendidikan.]]>
Copyrights © 2025
