PENERAPAN METODE PREPROCESSING CONNECTED COMPONENT LABELING(CCL) DAN CONVOLUTIONAL NEURAL NETWORK(CNN) PADA PENGENALAN WAJAH BERMASKER

Pengenalan wajah adalah salah satu hal penting dalam bidang komputer yang banyak dikembangkan untuk membantu meningkatkan teknologi yang sangat maju pada saat ini. Pemanfaatan wajah yang sering di gunakan dalam suatu penelitian karena wajah merupakan ciri dan identitas unik bagi setiap manusia. Akan tetapi, seiring meningkatnya pandemi COVID-19 di Indonesia, masyarakat diharuskan menggunakan masker agar dapat terlindung dari paparan virus corona. Sehingga penggunaan masker pada wajah seseorang menjadikannya tertutup sebagian atau terdapat oklusi pada wajah. Untuk mengetahui tingkat akurasi sistem pengenalan wajah, maka dilakukan tahapan preprocessing dengan menggunakan metode Connected Component Labeling (CCL) pada bagian citra wajah yang tertutup masker. Kemudian, dilakukan proses sistem pengenalan wajah dengan menggunakan metode Convolutional Neural Network (CNN). Penelitian ini menggunakan dataset ORL (Olivetti Research Laboratory) Face Database yang diberikan oklusi wajah berupa gambar masker. Dataset dibagi menjadi dua bagian yaitu 80% untuk data training dan 20% untuk data test. Hasil uji coba menggunakan dataset hasil Connected Component Labeling (CCL) yang dimasukkan ke dalam fully connected layer pada Convolutional Neural Network (CNN) menghasilkan nilai pada setiap fold dari fold 1 sampai fold 5 sebesar 84,28%, 76,56%, 85,58%, 82,46%, dan 85,21%. Sehingga, dari hasil uji coba yang telah dilakukan dapat disimpulkan bahwa akurasi sistem pengenalan wajah yang tertutupi oleh masker dengan menggunakan metode Connected Component Labeling (CCL) dan Convolutional Neural Network (CNN) menghasilkan persentase akurasi pada F1-Score sebesar 82,82%.