Pengecekan Foto Pasport Menggunakan Metode Dnn Dan Facenet Sebagai Pengenalan Wajah

Abstract

Examination of passport photos at this time still uses a manual system or requires human labor. In carrying out inspections, of course, this inspection procedure has several limitations, namely human error because officers also have limited manpower to carry out checks. The aim of this research is can recognize someone's face thougharea face covered by objects or accessories. The method used as face detection vizDNN and methods for facial recognition viz FaceNet. For the results of testing the training model FaceNet has produced the best models with 97.48% accuracy to 5191 test image and for image testing is obtained image accuracy of 97% with test images of 412 and for testing in real time u got the result For normal facial conditions as big 90%, facial condition using glasses as big 83%, condition of the face using a maskas big70%, condition of the face using a hatas big 81% and facial condition using all accessories as big 66%.There forethe system has been running as expected and the methodFaceNet has been able to be implemented in real time on a facial recognition system with the accuracy of facial recognition Very good.Pemeriksaan foto paspor pada saat ini masih menggunakan system manual atau membutuhkan tenaga manusia. Dalam melakukan pemeriksaan tentunya tata cara pemeriksaan seperti ini memiliki beberapa keterbatasan yaitu human error karena petugas juga memiliki keterbatasan tenaga dalam melakukan pengecekan. Tujuan dari penelitian ini adalah dapat mengenali wajah seseorang meskipun area wajah tertutup oleh objek atau aksesoris. Metode yang digunakan sebagai deteksi wajah yaitu DNN dan metode untuk pengenalan wajah yaitu FaceNet. Untuk hasil pengujian training model FaceNet telah menghasilkan model terbaik dengan akurasi 97,48% terhadap 5191 citra uji dan untuk testing gambar didapat akurasi gambar sebesar 97% dengan citra uji 412 dan untuk pengujian secara realtime didapat hasil untuk kondisi wajah normal sebesar 90%, kondisi wajah menggunakan kacamata sebesar 83%, kondisi wajah menggunakan masker sebesar 70%, kondisi wajah menggunakan topi sebesar 81% dan kondisi wajah menggunakan semua aksesoris sebesar 66%. Dengan begitu sistem telah berjalan sesuai dengan yang diharapkan dan metode FaceNet telah dapat diimplementasikan secara realtime pada sistem pengenalan wajah dengan akurasi pengenalan wajah yang sangat baik