Klasifikasi Citra Wajah Untuk Rentang Usia Menggunakan Metode Artificial Neural Network

Abstract

Klasifikasi rentang usia dibentuk berdasarkan karakteristik dari fitur wajah. Agar klasifikasi usia berdasarkan citra wajah dapat membantu dalam sistem pengenalan wajah manusia secara efektif, penelitian ini berupaya untuk melakukan peningkatan kinerjanya. Namun, ketidakseimbangan dataset UTKFace menjadi kendala yang dapat menurunkan kinerja klasifikasi. Selain itu, pengenalan wajah seringkali juga mengalami sejumlah kesulitan dan tantangan karena variabilitas wajah seperti keriput, ekspresi, variasi kumis dan lain-lain. Oleh karena itu, penelitian ini menerapkan undersample data secara acak agar data menjadi seimbang. Kemudian, pretrained CNN menggunakan arsitektur VGG16 digunakan sebagai fitur ekstraktor yang mampu digunakan sebagai detektor ciri dengan kemampuan mengeliminasi parameter variabilitas wajah yang dinilai sering menggangggu dalam proses pengenalan wajah. Dengan penggunaan pretrained CNN arsitektur VGG16 sebagai fitur ekstraktor terbukti cukup baik digunakan untuk mengatasi permasalahan agar pengenalan usia berdasarkan wajah dapat dilakukan dengan lebih akurat. Hasil penelitian menunjukkan bahwa penerapan pretrained CNN arsiektur VGG16 sebagai ekstraktor fitur pada masalah pengenalan usia berbasis citra wajah berhasil mencapai akurasi sebesar 87% dan tingkat kesalahan sebesar 12% setelah melakukan percobaan tuning sebanyak 70 kali pada saat training dengan menggunakan metode Artificial Neural Network. Perhitungan akurasi didapatkan dengan melakukan pengujian confusion matrix. Dengan demikian penerapan pretrained CNN arsitektur VGG16 pada metode Artificial Neural Network untuk masalah pengenalan usia berdasarkan citra wajah cukup akurat dan dapat diimplementasikan.

Kata Kunci – Pengenalan Wajah, Klasifikasi Usia, Artificial Neural Network, , Pretrained CNN, VGG16.