Analisis Perbandingan Haar Cascade Classifier, Dlib, dan Mediapipe untuk Pengenalan Wajah

Abstrak

Perkembangan teknologi mempunyai dampak yang besar terhadap banyak industri, terutama di sektor keamanan. Salah satu teknologi penting dalam bidang keamanan adalah pengenalan wajah. Pengenalan wajah adalah sebuah teknologi yang berfungsi untuk memverifikasi dan mengidentifikasi identitas individu menggunakan wajah. Terdapat banyak proses yang terlibat dalam teknologi pengenalan wajah salah satunya adalah pendeteksian wajah. Pendeteksian wajah merupakan proses pencarian wajah dalam sebuah gambar. Setiap metode untuk pendeteksian wajah memiliki cara yang berbeda-beda dalam mencari wajah pada gambar. Hal ini dapat mempengaruhi kinerja teknologi pengenalan wajah itu sendiri. Dalam penelitian ini, dilakukan analisis perbandingan antara berbagai jenis metode deteksi wajah untuk pengenalan wajah. Metode deteksi wajah yang digunakan dalam penelitian ini adalah haar cascade classifier, dlib, dan mediapipe. Teknologi yang digunakan untuk mengidentifikasi wajah adalah Convolutional Neural Network (CNN). Model CNN dilatih dengan metode deteksi wajah yang berbeda kemudian digunakan untuk melakukan simulasi dengan tujuan berupa mengidentifikasi wajah pada gambar.  Hasil perbandingan tersebut ditampilkan dalam bentuk metrik kinerja. Metrik kinerja mencakup matriks kebingungan dan beberapa nilai berupa akurasi, presisi, penarikan kembali dan skor f1. Berdasarkan simulasi yang telah dilakukan, model CNN dengan metode deteksi wajah haar cascade classifier menghasilkan nilai akurasi tertinggi sebesar 98%, nilai presisi sebesar 98,08%, nilai penarikan kembali sebesar 98%, dan skor f1 sebesar 97,99%.