GRIFFIN, Ahmad Alvin (2025) DETEKSI GENDER PADA CITRA WAJAH MENGGUNAKAN ARSITEKTUR INCEPTIONV3. Undergraduate thesis, Fakultas Sains dan Matematika Undip.

	Text 1. COVER.pdf Download (141kB)
	Text 3.HALAMAN PENGESAHAN.pdf Download (804kB)
	Text 6. ABSTRAK.pdf Download (134kB)
	Text 7. ABSTRACT.pdf Download (104kB)
	Text 8.DAFTAR ISI.pdf Download (116kB)
	Text 9.DAFTAR TABEL.pdf Download (82kB)
	Text 10.DAFTAR GAMBAR.pdf Download (89kB)
	Text 11.BAB I PENDAHULUAN.pdf Download (149kB)

Abstract

ABSTRAK

Deteksi gender berbasis citra wajah kini memainkan peranan krusial dalam sistem keamanan
cerdas, personalisasi layanan digital, dan analisis demografi pengguna. Penelitian ini
merancang sebuah sistem deteksi gender end-to-end yang menggabungkan tahap deteksi
wajah menggunakan MediaPipe-OpenCV dengan klasifikasi gender berbasis Convolutional
Neural Network InceptionV3 yang dioptimalkan melalui strategi transfer learning dan finetuning.
Dataset
yang
digunakan
merupakan
kombinasi
Gender
Classification
Dataset
dari

Kaggle
dan
Indonesian
Muslim
Student
Face
Dataset
(IMSFD)
dari
Mendeley.
Setiap
citra

terlebih

dahulu melalui proses pra-pengolahan berupa deteksi wajah, pemotongan
(cropping), pengubahan ukuran menjadi 299 × 299 piksel, normalisasi rentang intensitas 0
hingga 1, serta augmentasi data guna meningkatkan keragaman dan meminimalkan risiko
overfitting. Optimasi hyperparameter meliputi learning rate, dropout rate, dan batch size
dilaksanakan dengan metode grid search untuk memperoleh konfigurasi terbaik. Model
hasil fine-tuning mencapai akurasi validasi 96,43 %, dengan nilai precision, recall, dan F1score
tinggi
pada
kedua
kategori
gender.
Implementasi
model
dalam
format
ONNX
yang

diintegrasikan

dengan OpenCV memungkinkan inferensi real-time pada webcam standar
dengan kecepatan rata-rata 25 fps, tetap andal terhadap variasi pencahayaan, ekspresi, dan
sudut pengambilan gambar. Temuan ini menunjukkan potensi penerapan pada kamera
pengawas berbasis visi komputer, papan iklan digital adaptif, serta sistem rekomendasi yang
memanfaatkan informasi demografi pengguna.
Kata kunci : deteksi gender, deteksi wajah, CNN, InceptionV3, transfer learning, optimasi
hyperparameter, OpenCV, augmentasi.

Actions (login required)

View Item