DETEKSI WAJAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERDASARKAN EKSPLORASI JARAK POTRET

Abstract

Penelitian ini membahas penerapan teknologi deteksi wajah sebagai sistem absensi modern yang lebih efisien dibandingkan metode konvensional seperti tanda tangan manual dan fingerprint. Permasalahan dalam penelitian ini adalah pengaruh jarak pengambilan citra terhadap akurasi deteksi dan pengenalan wajah pada sistem absensi berbasis kamera. Penelitian bertujuan menganalisis performa metode Convolutional Neural Network (cnn) yang dikombinasikan dengan algoritma FaceNet berdasarkan eksplorasi jarak potret wajah karyawan di PT. Fiber Networks Indonesia. Metode penelitian meliputi pengumpulan dataset citra wajah menggunakan webcam dengan tiga kategori jarak, yaitu jarak dekat (<30 cm), jarak ideal (40–70 cm) dan jarak jauh (>80 cm). Tahapan penelitian terdiri dari preprocessing citra, deteksi wajah menggunakan Convolutional Neural Network (cnn), ekstraksi fitur menggunakan FaceNet untuk menghasilkan embedding wajah, serta evaluasi performa sistem. Hasil penelitian menunjukkan bahwa jarak potret mempengaruhi akurasi dan stabilitas deteksi wajah. Jarak ideal menghasilkan embedding wajah yang lebih stabil dan tingkat pengenalan yang lebih baik dibandingkan jarak terlalu dekat maupun terlalu jauh. Jarak terlalu dekat menyebabkan distorsi wajah, sedangkan jarak terlalu jauh mengurangi kejelasan fitur wajah