ANALISIS DAN IMPLEMENTASI YOLO11 SEBAGAI SISTEM DETEKSI WAJAH DAN EKSPRESI SECARA REALTIME

Zatun, Baharuddin Qomarut (2026) ANALISIS DAN IMPLEMENTASI YOLO11 SEBAGAI SISTEM DETEKSI WAJAH DAN EKSPRESI SECARA REALTIME. Diploma thesis, Universitas Nasional.

	Text cover.pdf Download (1MB)
	Text BAB 1.pdf Download (183kB)
	Text BAB 2.pdf Download (263kB)
	Text BAB 3.pdf Download (246kB)
	Text BAB 4.pdf Download (2MB)
	Text BAB 5.pdf Download (266kB)
	Text Lampiran.pdf Download (233kB)

Abstract

Kemajuan teknologi memegang peranan yang sangat vital dalam menunjang
kehidupan manusia, dimana seluruh perekonomian dunia bergantung kepada teknologi
dari masa-kemasa. Dengan hadirnya Computer vision sebagai buah dari kemajuan
ekonomi yang memegang peranan penting dalam evolusi interaksi manusia dan
komputer, khususnya kedalam sistem keamanan biometrik yang umumnya adalah sistem
pengenalan wajah. Teknologi ini tentunya memiliki tantangan sendiri berupa kemampuan
keakuratannya yang perlu dipertanyakan, kecepatan yang mampu untuk stabil, dan
kemampuan dari pola tersebut untuk dapat bekerja pada perangkat yang memiliki sumber
daya terbatas.
Penelitian ini bertujuan untuk menguji kemampuan dari arsitektur terbaru model
YOLO (you look only once) varian YOLO11 Nano sebagai sistem deteksi wajah serta
klasifikasi ekspresi dan membandingkan dengan pendahulunya yaitu YOLO8 Nano.
Penelitian ini menggunakan metode eksperimental dengan dataset hybrid berjumlah
5.360 citra wajah yang terdiri dari data priemer dari pihak peneliti, dan data sekunder dari
dataset publik yang telah melalui tahapan pra-pemrosesan grayscale serta normalisasi
ukuran menjadi 640x640 pixel. Model dilatih menggunakan konfigurasi 100 epoch
dengan size batch 8 untuk mengakomodasikan keterbatasan dari perangkat keras.
Evaluasi kinerja dilakukan dengan pembandingan secara langsung antara parameter
Precision, Recall dan mAP@50 dan ukuran model dari masing-masing model YOLO.
Hasil dari penelitian menunjukan parameter dari YOLO11 Nano memiliki
keunggulan aspek presisi dan efisiensi dibandingkan dengan YOLO8 Nano. YOLO11
Nano berhasil mencatatkan mAP@50 sebesar 56% dan precision 63%, menungguli
YOLO8 Nano dengan nilai Recall 60% yang lebih tinggi daripada YOLO11 Nano yang
memiliki nilai 53%. Dari hasil tersebut YOLO8 Nano lebih cenderung menghasilkan
False Positive serta ekspresi yang ditangkap tidak seakurat YOLO11 Nano. Hal ini
membuktikan jika YOLO11 Nano dengan arsitektur yang terbaru mampu memberikan
pengalaman deteksi wajah yang lebih baik.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Irna Irna Yunita
Date Deposited:	08 May 2026 06:56
Last Modified:	08 May 2026 07:12
URI:	https://repository.unas.ac.id/id/eprint/15827

Actions (login required)

View Item