PENENTUAN PARAMETER TERBAIK MODEL FASTER R-CNN DENGAN ARSITEKTUR INCEPTION-V2 UNTUK FACE RECOGNITION PADA KAMERA CCTV

Abstract

Face recognition merupakan tulang punggung teknologi pada masa kini. Penggunaan face recognition mulai meningkat pada bidang keamanan informasi, hiburan, smart card, bidang hukum, dan surveillance. Pada bidang surveillance, face recognition dapat diterapkan dengan beberapa cara, salah satunya dengan face recognition pada kamera CCTV. Demi meningkatkan keamanan, sudah banyak lapangan parkir yang memasang perangkat kamera CCTV. Dalam penerapannya, deep learning memiliki hasil yang cukup baik dalam melakukan deteksi dan rekognisi wajah. Salah satu metode yang terkenal dalam melakukan deteksi wajah adalah Faster R-CNN. Namun dalam penerapannya, Faster R-CNN terbukti baik dalam pendeteksian objek namun kurang dalam melakukan klasifikasi. Arsitektur Inception V2 dipilih karena merupakan salah satu arsitektur yang memiliki tingkat keakurasian tinggi di antara arsitektur Convolutional Neural Network yang lain. Tujuan dari penelitian ini adalah menentukan parameter learning rate dan epoch terbaik model Faster R-CNN dalam melakukan face recognition. Pada penelitian ini, dataset terdiri dari 6 orang yang masing-masing terdapat 50 citra wajah yang akan digunakan sebagai data latih, data uji, dan data validasi. Penelitian dilakukan menggunakan learning rate 0,001 dan 0,0001 dengan epoch 25.000 Aplikasi face recognition dengan learning rate 0,001 menghasilkan akurasi sebesar 72,5%, sedangkan aplikasi face recognition dengan learning rate 0,0001 menghasilkan akurasi sebesar 60%. Parameter terbaik berdasarkan penelitian yang telah dilakukan adalah learning rate 0,001 pada epoch 25.000. Kata Kunci : Face Recognition, Convolutional Neural Network, Inception, Faster R-CNN