<![CDATA[Nilai threshold Euclidean Distance berperan penting dalam sistem pengenalan wajah berbasis FaceNet karena menentukan keputusan penerimaan atau penolakan identitas pengguna. Pemilihan threshold yang tidak tepat dapat meningkatkan risiko kesalahan pengenalan, baik berupa penerimaan identitas yang salah maupun penolakan identitas yang benar. Penelitian ini bertujuan menganalisis pengaruh variasi nilai threshold terhadap akurasi, False Acceptance Rate (FAR), False Rejection Rate (FRR), dan Equal Error Rate (EER) pada sistem absensi real-time berbasis pengenalan wajah. Sistem yang dikembangkan menggunakan Multi-task Cascaded Convolutional Neural Network (MTCNN) untuk deteksi wajah dan FaceNet512 berbasis InceptionResNetV1 dengan bobot VGGFace2 untuk ekstraksi embedding wajah berdimensi 512. Pengujian dilakukan pada 19 variasi nilai threshold, yaitu 0,10 sampai 1,00, menggunakan dataset yang terdiri atas 40 identitas dan 200 citra wajah. Hasil penelitian menunjukkan bahwa nilai threshold optimal sebesar 0,75 menghasilkan akurasi 98,62%, FAR 0,00%, FRR 36,67%, dan EER 18,42%. Validasi operasional terhadap 1.389 transaksi absensi menunjukkan success rate sebesar 96,5%. Hasil ini menunjukkan bahwa kombinasi MTCNN dan FaceNet512 dengan optimasi threshold secara sistematis mampu menghasilkan performa yang lebih baik dibandingkan beberapa penelitian sejenis dengan akurasi pada rentang 92,00% hingga 96,50%. Dengan demikian, pendekatan yang diusulkan efektif untuk mendukung sistem absensi biometrik berbasis wajah yang akurat, aman, dan layak digunakan secara real-time.]]>
Copyrights © 2026
