ANALISIS ALGORITMA K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH PENYANDANG TUNANETRA DENGAN ARSITEKTUR FACENET DAN VGG16Agung BudiPrastyoauthorPenelitian ini mengkaji efektivitas algoritma K-Nearest Neighbor (KNN) dalam sistem pengenalan wajah penyandang tunanetra menggunakan arsitektur FaceNet dan VGG16. Fokus utama studi adalah mengkomparasi tingkat akurasi kedua arsitektur tersebut dalam mengidentifikasi fitur wajah tunanetra yang memiliki karakteristik khusus, seperti ketidaksempurnaan pada area mata yang sering menjadi kendala deteksi. Menggunakan pendekatan eksperimental komparatif pada 160 dataset citra wajah. proses penelitian meliputi tahap deteksi wajah menggunakan MTCNN dan HaarCascade, ekstraksi fitur, serta klasifikasi KNN. Untuk menentukan model terbaik, dilakukan uji iterasi nilai K dari 1 hingga 20, di mana nilai K dengan akurasi tertinggi dari iterasi tersebut dipilih sebagai model final. Temuan riset menunjukkan bahwa pemilihan metode deteksi sangat krusial; MTCNN terbukti superior dengan keberhasilan deteksi 100%, melampaui HaarCascade yang hanya mampu mendeteksi 90% data. Dalam analisis akurasi validasi, kombinasi FaceNet-MTCNN mencatatkan performa puncak 96,88%, namun pengujian pada data gambar baru menunjukkan dinamika berbeda dengan tingkat keberhasilan prediksi sebesar 85% untuk VGG16-MTCNN, 80% untuk VGG16-HaarCascade, 70% untuk FaceNet-MTCNN, dan 55% untuk FaceNetHaarCascade. Berdasarkan evaluasi stabilitas dan konsistensi deteksi keseluruhan, disimpulkan bahwa integrasi FaceNet dan MTCNN tetap menjadi model yang paling direkomendasikan untuk pengembangan sistem ini, dengan saran penelitian mendatang untuk menambah jumlah dan memperkaya variasi dataset yang diharapkan dapat meningkatkan generalisasi model pada data baru supaya mendapatkan akurasi prediksi yang lebih baik.000 Ilmu komputer, informasi dan pekerjaan umum2025-12-01Universitas AMIKOM Yogyakarta;PJJ Magister InformatikaThesis