<![CDATA[Klasifikasi ras wajah merupakan salah satu permasalahan dalam bidang pengenalan pola citra yang memiliki potensi penerapan luas, mulai dari sistem verifikasi identitas hingga analisis demografis melalui data visual. Keterbatasan metode konvensional seperti PCA dan LBP dalam menangani variasi citra wajah mendorong pengembangan pendekatan yang lebih optimal. Penelitian ini bertujuan membangun sistem klasifikasi ras wajah menggunakan kombinasi model FaceNet sebagai ekstraktor fitur dan Support Vector Machine (SVM) sebagai pengklasifikasi. Dataset FairFace digunakan dengan empat kategori ras, yaitu Black, East Asian, Indian, dan White, dengan total 2.800 citra yang terbagi menjadi 2.400 data latih dan 400 data validasi secara seimbang. Model FaceNet berbasis InceptionResNetV1 pretrained menghasilkan embedding wajah berdimensi 512, yang selanjutnya diklasifikasikan menggunakan SVM berkonfigurasi kernel RBF. Hasil evaluasi menunjukkan akurasi validasi sebesar 88,75% dengan macro average F1-score 0,8875. Kelas East Asian mencatat performa tertinggi (F1-score 0,9500) sedangkan kelas Indian memperoleh nilai terendah (0,8200). Pendekatan ini memanfaatkan representasi pretrained sehingga dapat diterapkan pada kondisi data terbatas tanpa memerlukan pelatihan model dari awal.]]>
Copyrights © 2026
