Perpustakaan Digital ITB

Pandemi COVID-19 telah mendorong pengembangan teknologi pengenalan wajah tanpa sentuhan dan otomatis. Dalam upaya mengendalikan penyebaran virus, studi tentang deteksi dan pengenalan wajah bermasker adalah solusi yang relevan. Untuk mencegah penularan virus COVID-19, diperlukan sistem tanpa kontak manusia, yang mampu menganalisis dan mengidentifikasi individu yang mengenakan masker. Penelitian ini berfokus pada verifikasi wajah yang menentukan apakah wajah-wajah tersebut milik orang yang sama dan mengklasifikasikan wajah-wajah tersebut ke dalam identitas tertentu untuk proses presensi. Penelitian ini dibangun dan dirancang pada kasus wajah yang tidak terekspos secara sempurna, mengevaluasi kemampuan Generative Adversarial Networks (GANs) dan algoritma YOLOv5 dengan melihat hasil metrik standarnya, meliputi loss, accuracy, precision, recall, dan f1-score. Performansi yang dicapai pada sistem pengenalan wajah bermasker untuk implementasi secara real-time adalah accuracy = 94,61%, precision = 94,33% , recall = 97,01%, dan f1-score = 93,05%. Di sisi lain dengan menggunakan validasi yang ditetapkan oleh GAN menghasilkan accuracy = 95.71%, precision = 95,87% , recall = 96,65%, dan f1-score = 95,15%. Sedangkan training loss yang telah dicapai pada penelitian ini adalah 20,6 dan validation loss yang dicapai adalah 33,4. Algoritma YOLOv5 diimplementasikan pada proses pendeteksian untuk mendapatkan bounding box pada wajah yang didaftarkan. Sementara itu, metode pelatihan GAN digunakan untuk pengenalan wajah bermasker yang telah diintegrasikan ke dalam mesin presensi yang dirancang. Sistem yang diusulkan berhasil mendeteksi nama dengan tingkat akurasinya meskipun menggunakan masker.