<![CDATA[Perkembangan sistem cerdas berbasis pengolahan citra digital telah mendorong penerapan identifikasi jenis kelamin secara automatic pada berbagai bidang, seperti pada keamanan dan pengawasan. Namun, pada kondisi dunia nyata seperti rekaman CCTV atau penggunaan alat pelindung diri, wajah seseorang sering tertutup sebagian sehingga metode identifikasi berbasis wajah penuh menjadi kurang efektif. Pada penelitian ini, mengusulkan sebuah sistem pengenalan gender secara otomatis berbasis analisis citra mata dengan mengombinasikan pretrained Convolutional Neural Network (CNN) dan Haar Cascade Classifier. CNN digunakan dalam melakukan klasifikasi gender, sedangkan Haar Cascade digunakan dalam melakukan deteksi dan ekstraksi area mata sebagai Region of Interest (ROI). Dua arsitektur CNN yang menjadi rekomendasi yaitu VGG16 dan MobileNetV2, dibandingkan untuk mengevaluasi performa dari sistem. Adapun proses preprocessing meliputi perubahan ukuran citra (resize), normalisasi nilai piksel, serta augmentasi data untuk meningkatkan generalisasi suatu model. Evaluasi dilakukan dengan menggunakan metrik accuracy, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa VGG16 memberikan performa terbaik dengan akurasi sebesar 96%, sedangkan MobileNetV2 mencapai akurasi 94%. Selain itu, VGG16 juga menunjukkan kemampuan yang lebih baik dalam mengenali kelas minoritas. Hasil implementasi pada sistem membuktikan bahwa pendekatan yang diusulkan mampu bekerja secara efektif pada kondisi wajah tertutup sebagian, sehingga berpotensi diterapkan pada sistem pengawasan berbasis kamera dengan keterbatasan visual.]]>
Copyrights © 2026
