Pengembangan Sistem Pengenalan Wajah dengan Masker Menggunakan Metode Deep Convolutional Neural Network

Abstract

Face in each individual can be recognized by the biometric system because it has unique characteristics in the form of pattern that can be measured and analyzed in the process of detection or authentication. Facial recognition system is one of the biometric technologies utilized in terms of personal identification. During the COVID-19 pandemic, face mask is considered as an important protector and prevention in daily life against the coronavirus. There are even systems that implement facial recognition to avoid direct contact, such as attendance systems and door access control systems. In this study, the authors developed a system that can recognize faces by using masks or not. The study used the FaceNet model as the feature extraction built with the Deep Convolutional Neural Network (DCNN) and Support Vector Machine (SVM) method as classifier. The system is designed to identify faces in real time on android devices. The facial image used as training data in this study has 7 conditions, namely facial imagery with normal expression, smile, one of eyes closed, both eyes closed, using hijab, using eyeglasses and using mask. The test in this study consists of 2 types, namely testing with different facial conditions and light intensity and testing for all faces in the dataset. The success rate of testing with different facial conditions and light intensity has an accuracy of 92.5% and for all faces in the dataset has an accuracy of 95%.

Wajah pada setiap individu dapat dikenali sistem biometrik karena memiliki ciri-ciri unik berupa karakteristik dari pola wajah yang dapat diukur dan dianalisis dalam proses deteksi atau autentifikasi. Sistem pengenalan wajah menjadi salah satu teknologi biometrik yang dimanfaatkan dalam hal identifikasi personal. Dalam masa pandemi COVID-19, masker wajah dianggap sebagai pelindung dan pencegahan yang penting dalam kehidupan sehari-hari melawan virus corona. Bahkan terdapat sistem yang mengimplementasikan pengenalan wajah untuk menghindari kontak langsung, seperti sistem kehadiran dan kontrol akses pada pintu. Dalam penelitian ini, penulis mengembangkan sistem yang dapat mengenali wajah dengan masker maupun tidak. Penelitian ini menggunakan model FaceNet sebagai ekstraksi fitur wajah yang dibangun dengan metode Deep Convolutional Neural Network (DCNN) dan Support Vector Machine (SVM) sebagai pengklasifikasi. Sistem dirancang untuk mengidentifikasi wajah secara real time pada perangkat android. Citra wajah yang digunakan sebagai data latih dalam penelitian ini memiliki 7 kondisi, yaitu citra wajah dengan ekspresi normal, senyum, mata tertutup sebelah, kedua mata tertutup, menggunakan hijab, kacamata, dan masker. Pengujian dalam penelitian ini terdiri dari 2 jenis, yaitu pengujian dengan kondisi wajah dan intensitas cahaya yang berbeda serta pengujian untuk semua wajah yang ada di dataset. Tingkat keberhasilan pengujian dengan kondisi wajah dan intensitas cahaya yang berbeda memiliki akurasi sebesar 92.5% serta untuk semua wajah yang ada di dataset memiliki akurasi sebesar 95%.