Implementasi Pengenalan Wajah dengan Metode Convolutional Neural Network pada Robot Yudisium Fakultas Teknik Universitas Jember
Abstract
Sistem biometrik merupakan identifikasi secara otomatis terhadap manusia
berdasarkan psikological atau karakeristik tingkah laku manusia. Salah satu teknik
biometric yang sangat menarik adalah aplikasi yang mampu mendeteksi dan
mengidentifikasi wajah. Sistem pengenalan wajah (Face Recognition) banyak
dipakai dengan menggunakan berbagai metode, Pada penelitian kali ini akan
dikembangkan sistem pengenalan wajah yang dipasang pada robot yudisium
Fakultas Teknik Universitas Jember dengan menggunakan CNN (Convolutional
Neural Network) sebagai classifier.
Robot yudisium ini dirancang secara manual dengan menggunakan 4 buah
roda omnidirectional wheel, ditambah dengan manekin agar menyerupai manusia
serta ditambah kamera diatas kepala robot agar robot dapat mengenali target. Pada
sistem elektrikal robot yudisium terdapat beberapa komponen yang digunakan
antara lain mikrokontroler Arduino Mega, driver motor, motor DC, dan Jetson
Nano. Untuk pengendalian robot digunakan sebuah WebCam yang akan mengirim
data ke NVIDIA Jetson Nano berupa gambar, kemudian data tersebut diolah untuk
memberikan sinyal instruksi yang sesuai ke Arduino Mega. Pada saat pengolahan
data inilah NVIDIA Jetson Nano diprogram sesuai dengan kaidah metode
Convolution Neural Network. Sedangkan untuk penggerak robot menggunakan 4
buah driver motor BTS 7960 dan 4 buah motor DC PG45 24V.
Berdasarkan pengujian keseluruhan yang telah dilakukan robot berhasil
mengenali wajah sesuai target yang dimaksud, dengan indikator robot berhenti di
depan target antara jarak 9 – 12 cm. Selain wajah target yang dimaksud, maka robot
akan mengabaikan wajah tersebut dan terus berjalan untuk memindai wajah yang
lain.
Kesimpulan yang didapatkan dari penelitian ini adalah diperlukan 9 lapisan
CNN untuk menghasilkan akurasi pengenalan wajah yang tinggi. Metode CNN juga
mampu mengenali wajah meskipun dengan ekspresi wajah yang berbeda – beda.
Collections
- UT-Faculty of Engineering [4163]