KLASIFIKASI RAS WAJAH BERBASIS EMBEDDING FACENET DAN SUPPORT VECTOR MACHINE

Deliana Putri Maharani; Muntahanah Muntahanah

doi:10.46576/djtechno.v7i2.8880

KLASIFIKASI RAS WAJAH BERBASIS EMBEDDING FACENET DAN SUPPORT VECTOR MACHINE

Deliana Putri Maharani, Muntahanah Muntahanah

Abstract

Klasifikasi ras wajah merupakan salah satu permasalahan dalam bidang pengenalan pola citra yang memiliki potensi penerapan luas, mulai dari sistem verifikasi identitas hingga analisis demografis melalui data visual. Keterbatasan metode konvensional seperti PCA dan LBP dalam menangani variasi citra wajah mendorong pengembangan pendekatan yang lebih optimal. Penelitian ini bertujuan membangun sistem klasifikasi ras wajah menggunakan kombinasi model FaceNet sebagai ekstraktor fitur dan Support Vector Machine (SVM) sebagai pengklasifikasi. Dataset FairFace digunakan dengan empat kategori ras, yaitu Black, East Asian, Indian, dan White, dengan total 2.800 citra yang terbagi menjadi 2.400 data latih dan 400 data validasi secara seimbang. Model FaceNet berbasis InceptionResNetV1 pretrained menghasilkan embedding wajah berdimensi 512, yang selanjutnya diklasifikasikan menggunakan SVM berkonfigurasi kernel RBF. Hasil evaluasi menunjukkan akurasi validasi sebesar 88,75% dengan macro average F1-score 0,8875. Kelas East Asian mencatat performa tertinggi (F1-score 0,9500) sedangkan kelas Indian memperoleh nilai terendah (0,8200). Pendekatan ini memanfaatkan representasi pretrained sehingga dapat diterapkan pada kondisi data terbatas tanpa memerlukan pelatihan model dari awal.

Full Text:

PDF

References

F. D. Adhinata and J. Arifin, “Klasifikasi Jenis Kelamin Wajah Bermasker Menggunakan Algoritma Supervised Learning,” vol. 6, pp. 229–235, 2022, doi: 10.30865/mib.v6i1.3377.

I. P. Pratama and N. K. Ningrum, “Face Recognition Using MTCNN Face Detection, ResNetV1 Feature Embeddings, and SVM Classification,” vol. 9, no. 5, pp. 2049–2058, 2025, [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC

W. W. Muhammad Akbar Satriawan, “Klasifikasi Pengenalan Wajah Untuk Mengetahui Jenis Kelamin Menggunakan Metode Convolutional Neural Network,” vol. 4, no. 1, pp. 43–52, 2023, doi: 10.35957/algoritme.xxxx.

K. Q. F. I Putu Agus Aryawan, I Nyoman Purnama, “Analisis Perbandingan Algoritma CNN dan SVM pada Klasifikasi Ekspresi Wajah,” vol. 9, pp. 399–408, 2023.

M. S. Sri Wahyuni, “Penerapan Algoritma Deep Learning untuk Sistem Absensi Kehadiran Deteksi Wajah di PT Karya Komponen Presisi,” Springer, vol. 7, no. 1, pp. 12–21, 2022, [Online]. Available: https://www.simantik.fst-panca-sakti.ac.id/

Siswanti Sri Desy, Puspita Heni, Ubaya Huda, Selly, and Herdiana Dina, “Deteksi Wajah Tersamar Menggunakan Metode VGGFace dan SVM,” Ris. dan E-Jurnal Manaj. Inform. Komput., vol. 9, no. 2, pp. 512–527, 2025.

A. T. Akbar, S. Saifullah, and H. Prapcoyo, “Klasifikasi Ekspresi Wajah Menggunakan Convolutional Neural Network,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 6, pp. 1399–1412, 2024, doi: 10.25126/jtiik.2024118888.

A. P. Meldyantono, “Implementasi Sistem Absensi Berbasis Pengenalan Wajah Menggunakan Metode CNN dan Model FACENET,” vol. 02, no. 25, 2025.

Faricsyah, Rayhan Syahputra, Jefrey Setiawan, Ema Damayanti, “Implementasi Deep Learning untuk Sistem Absensi dengan Integrasi Data Identitas Menggunakan MTCNN, FaceNet, dan SVC,” vol. 5, no. 2, pp. 182–192, 2025, [Online]. Available: https://jurnal.umpar.ac.id/index.php/sylog

M. F. Naufal, “Analisis Perbandingan Algoritma SVM, KNN, CNN untuk Klasifikasi Citra Cuaca,” vol. 8, no. 2, 2021, doi: 10.25126/jtiik.202184553.

K. Anwar, “Sistem Deteksi Wajah Berbasis Deep Learning Menggunakan Convolutional Neural Network (CNN),” vol. 1, no. 2, pp. 46–52, 2025, doi: https://doi.org/10.70716/jocsit.v1i2.258.

M. R. Rachmansyah, B. Rahmat, and H. E. Wahanani, “Penggunaan Deep Convolutional Neural Network (CNN) Model FaceNet untuk Fungsi Face Recognition pada Reverse Image Search,” vol. 5, no. 2, pp. 52–57, 2025.

D. I. Rifki Kosasih, Iffatul Mardhiyah, “Penerapan Algoritma Support Vector Machine Dalam Pengenalan Wajah Berdasarkan Fitur Isomap,” J. Comput. Eng. Syst. Sci., vol. 10, no. 1, pp. 299–311, 2025, doi: DOI: https://doi.org/10.24114/cess.v11i1.68568.

N. Nurjihan, Saniyyah Wafa, Faturrahman and I. M. Wiguna, “Pengenalan Pola Ekspresi Wajah Untuk Pengolahan Citra Menggunakan Metode Convolutional Neural Network,” vol. 11, no. 4, 2024, [Online]. Available: http://jurnal.mdp.ac.id

A. Faizah, S. Imron, A. Rahel, P. Rewur, J. N. Makasunggal, and P. H. Saputro, “Komparasi Algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) untuk Klasifikasi Ekspresi Wajah,” vol. 4221, no. 4, pp. 13–24, 2025.

M. K. Insani and D. B. Santoso, “Perbandingan Kinerja Model Pre-Trained CNN (VGG16 , RESNET, dan INCEPTIONV3) untuk Aplikasi Pengenalan Wajah pada Sistem Absensi Karyawan,” vol. 5, no. 3, pp. 2612–2622, 2024, doi: https://journal.stmiki.ac.id/index.php/jimik/.

A. A. Achyar, “Identifikasi Ras Wajah dengan Menggunakan Metode Deep Learning Model Keras,” 2022.

G. P. D. Kisowo, “Perbandingan Akurasi CNN dan SVM Untuk Deteksi dan Klasifikasi Aktivitas Merokok,” vol. 2, no. 3, pp. 48–55, 2024, doi: https://doi.org/10.62951/router.v2i3.145.

Merry Anggraeni and H. A. Damanik, “Implementasi Arsitektur MTCNN pada Kelas Dimensi Piksel Berbeda dan Plotting Multi-Wajah pada Hasil Deteksi,” J. Pekommas, vol. 10, no. 1, pp. 91–104, 2025, doi: 10.56873/jpkm.v9i1.5843.

R. Nurpadilah and T. Setiyaningsih, “Perancangan Aplikasi Absensi dan Pengawasan Ruangan dengan Pengenalan Wajah menggunakan metode Convolutional Neural Network,” J. TIFDA (Technology Inf. Data Anal., vol. 2, no. 1, pp. 13–18, 2025, doi: 10.70491/tifda.v2i1.81.

DOI: https://doi.org/10.46576/djtechno.v7i2.8880