IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK IDENTIFIKASI JENIS KELAMIN DAN RAS PADA CITRA WAJAH

SONI PUTRA, NOTASONDA (2023) IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK IDENTIFIKASI JENIS KELAMIN DAN RAS PADA CITRA WAJAH. S1 thesis, UNIVERSITAS JAMBI.

[img] Text
Notasonda Soni Putra - F1E119028 (Halaman Judul).pdf

Download (90kB)
[img] Text
Notasonda Soni Putra - F1E119028 (Halaman Persetujuan).pdf

Download (142kB)
[img] Text
Notasonda Soni Putra - F1E119028 (Bab I).pdf

Download (104kB)
[img] Text
Notasonda Soni Putra - F1E119028 (Bab V).pdf

Download (90kB)
[img] Text
Notasonda Soni Putra - F1E119028 (Daftar Pustaka).pdf

Download (123kB)
[img] Text
Notasonda Soni Putra - F1E119028 (Full).pdf

Download (4MB)
Official URL: https://repository.unja.ac.id/

Abstract

Citra pada wajah manusia memiliki banyak informasi yang bisa didapatkan, diantaranya yaitu informasi mengenai jenis kelamin, usia, ras, dan juga ekspresi. Untuk mendapatkan informasi tersebut maka diperlukan proses identifikasi citra pada wajah manusia dengan menggunakan teknologi deep learning. Salah satu algoritma yang terdapat dalam teknologi deep learning adalah algoritma Convolutional Neural Network. Pada penelitian ini dataset yang digunakan terdiri dari UTKFace dataset, CelebA dataset, Racial Faces in-the-Wild (RFW) dataset, Fairface dataset, dan Chicago Face (CFD) dataset. Pengujian dilakukan dengan jumlah data citra pada data jenis kelamin sebanyak 36.000 citra dan 27.000 citra untuk data ras dengan menggunakan dua skenario, yaitu dengan menggunakan batch_size sebesar 15 dan 30, serta dengan menggunakan jumlah epoch sebanyak 10 dan 50. Dari hasil pengujian didapatkan nilai akurasi rata-rata tertinggi untuk ras berada di batch 30 dan epoch 50 dengan nilai akurasi rata-rata sebesar 82% dan berdasarkan hasil pengujian dengan data jenis kelamin didapatkan nilai akurasi tertinggi berada di batch 15 dengan epoch 50 sebesar 94%.

Type: Thesis (S1)
Uncontrolled Keywords: Convolutional Neural Network Jenis Kelamin Ras
Subjects: L Education > L Education (General)
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: Putra
Date Deposited: 22 Feb 2023 03:28
Last Modified: 22 Feb 2023 03:28
URI: https://repository.unja.ac.id/id/eprint/45273

Actions (login required)

View Item View Item