<![CDATA[Dalam era digital yang semakin maju, kebutuhan akan sistem keamanan yang canggih dan efisien menjadi semakin mendesak. Teknologi deteksi wajah dan pengenalan identitas menjawab tantangan ini dengan menggabungkan pengolahan citra digital, pembelajaran mesin, sistem pengawasan kamera, dan kecerdasan buatan untuk menciptakan solusi yang mampu mengenali individu dengan tingkat akurasi yang tinggi. Penelitian ini bertujuan untuk mengembangkan dan merancang sistem pengenalan wajah dengan menggunakan berbagai teknik pengolahan citra dan pembelajaran mesin yang mutakhir. Data yang digunakan dalam penelitian ini berupa gambar wajah yang telah diberi label. Data ini digunakan untuk melatih model pengenalan wajah, memungkinkan model mempelajari pola dan fitur yang relevan guna meningkatkan akurasi pengenalan. Proses penelitian mencakup beberapa tahap penting, yaitu pengumpulan data, pelatihan model, validasi data, dan pengujian kinerja sistem. Pada tahap pengumpulan data, berbagai teknik augmentasi diterapkan untuk meningkatkan variasi dan kualitas dataset. Pelatihan model dilakukan dengan menggunakan Convolutional Neural Networks (CNN) untuk mendeteksi fitur lokal dan komposisi hierarkis dari gambar wajah. Selanjutnya, validasi data dilakukan untuk menguji kinerja model dalam mengenali dan mengklasifikasikan fitur dari gambar yang diberikan. Evaluasi kinerja model dilakukan dengan menggunakan metrik-metrik seperti akurasi, presisi, recall, dan F1-score, serta visualisasi hasil validasi seperti ROC curve dan AUC. Hasil dari proses ini adalah output yang ditampilkan setelah validasi data, mencakup prediksi atau klasifikasi fitur wajah dengan menampilkan bounding box di sekitar wajah yang terdeteksi dan label identitas jika sesuai. Pengolahan citra dalam penelitian ini melibatkan konversi gambar ke dalam bentuk yang dapat diolah oleh model, baik dalam format optik, analog, maupun digital. Sistem pengenalan wajah yang dihasilkan mampu mengenali dan memverifikasi identitas wajah dengan membandingkan pola yang tersimpan dalam dataset, menggunakan pendekatan feature-based dan image-based. Pada pendekatan feature-based, fitur yang diekstraksi dari komponen wajah seperti mata, hidung, dan mulut digunakan untuk memodelkan hubungan geometris antar fitur. Sementara pada pendekatan image-based, informasi mentah dari piksel citra digunakan untuk klasifikasi identitas. Jika input berupa video, proses face tracking digunakan untuk mendeteksi wajah dalam urutan gambar secara berkelanjutan, memastikan bahwa wajah dapat terus diidentifikasi meskipun terdapat perubahan posisi atau orientasi. Hasil penelitian menunjukkan bahwa sistem pengenalan wajah ini dapat diimplementasikan secara efektif dalam berbagai sektor, seperti keamanan, perbankan, kesehatan, pendidikan, dan hiburan, di mana identifikasi yang cepat dan akurat sangat penting. Penggunaan sistem ini diharapkan dapat meningkatkan efisiensi dan akurasi pengawasan, serta memberikan kontribusi signifikan dalam berbagai aplikasi berbasis biometrik. Penelitian ini menegaskan bahwa dengan pengolahan citra yang tepat dan penggunaan algoritma pengenalan wajah yang efektif, sistem pengenalan wajah dapat menjadi alat yang andal dalam berbagai aplikasi nyata.]]>
