EPrints Universitas Amikom YogyakartaPERBANDINGAN KINERJA ALGORITMA KLASIFIKASI DALAM SISTEM PENGENALAN WAJAHDavid Chandra PutraRiantoauthorSistem pengenalan wajah menggunakan biometrik kini memiliki peran penting dalam keamanan dan verifikasi digital, tetapi tantangan utama yang sering muncul adalah mencari keseimbangan yang ideal antara ketepatan pengenalan dan efisiensi pemrosesan. Kesalahan dalam pemilihan struktur model dapat menyebabkan rendahnya kehandalan sistem keamanan atau meningkatnya beban pemrosesan data. Penelitian ini berfokus pada penyelesaian masalah tersebut melalui analisis perbandingan kinerja dari tiga arsitektur model algoritma Convolutional Neural Network (CNN), yakni ResNet50, MobileNetV2, dan VGG16. Pendekatan yang digunakan dalam penelitian ini adalah Transfer Learning pada dataset wajah yang bersifat publik, yang mencakup langkah-langkah seperti pra-pemrosesan gambar, pelatihan model, dan evaluasi menggunakan matriks kebingungan. Hasil dari studi menunjukkan bahwa ResNet50 menghasilkan kinerja terbaik dengan akurasi mencapai 99,62% dan tingkat presisi yang sangat unggul, diikuti oleh VGG16 yang memiliki akurasi 98,85%. Sementara itu, MobileNetV2 memperoleh akurasi 80,92% dengan desain model yang lebih ramping. Penemuan ini memberikan dampak yang signifikan bagi pengembang perangkat lunak dan peneliti di bidang visi komputer dalam memilih arsitektur yang sesuai dengan kebutuhan penggunaan. Di mana ResNet50 direkomendasikan untuk sistem keamanan yang sangat penting, sedangkan MobileNetV2 cocok digunakan di lingkungan dengan sumber daya komputasi yang terbatas.000 Ilmu komputer, informasi dan pekerjaan umum005 Pemrograman komputer, program dan data2025-12-17Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.