CNN Modelling Untuk Deteksi Wajah Berbasis Gender Menggunakan Python

Abstract

Pendeteksian wajah (Face Detection) merupakan Pemanfaatan data Biologis (Biometrics) dengan mengidentifikasi ciri-ciri fisik yang ada pada manusia. Digitalisasi pengenalan gender sebagai sebuah teknologi untuk mengenali gender manusia dengan membedakan wajah wanita dan wajah pria berdasarkan fitur Ekstraksi. Keberadaan sistem ini secara implementatif dapat diaplikasikan untuk sistem pengawasan otomatis dan sistem monitoring atau segmentasi pasar berdasarkan trend demografis serta juga dapat diaplikasikan untuk pembatasan akses suatu ruangan. Penelitian ini menggunakan Convolutional Neural Network (CNN). CNN merupakan salah satu jenis neural network dimana metode ini dapat digunakan pada data image. CNN memiliki kemampuan untuk mengenali objek pada suatu image. Secara keseluruhan dataset yang digunakan memiliki 40 anotasi atribut untuk mendeskripsikan image wanita dan pria. Sistem deteksi wajah ini menggunakan python dan Keras sebagai library Machine Learning open source untuk nerve network,dikembangkan untuk membuat penerapan model pembelajaran yang mendalam. Dengan adanya system ini memberikan analisa keakuratan dalam pendeteksian gender sehingga dapat dikembangkan untuk penelitian yang lebih implementatif. Jumlah gambar harus seimbang untuk mendapatkan kinerja yang baik untuk permodelan, masing-masing model akan memiliki folder pelatihan, validasi dan data uji. Jumlah gambar yang tidak seimbang dapat berpengaruh pada kinerja model CNN. Model yang dibangun menggunakan transfer learning dari InceptionV3 dimana permodelan dapat mengenali gender dengan akurasi sebesar 92,6%.