Komparasi Metode You Only Look Once Versi 8 (Yolov8) Untuk Sistem Deteksi Gender Berdasarkan Citra Wajah
Sari
Perkembangan teknologi dan kemudahan akses data mendorong peningkatan kebutuhan sistem berbasis kecerdasan buatan, terutama dalam bidang pengolahan citra wajah. Data wajah menjadi salah satu jenis data personal yang mudah diperoleh dan banyak digunakan dalam penelitian, terutama dalam identifikasi gender secara otomatis. Identifikasi ini bersifat efisien, non-invasif, cocok diterapkan pada sistem digital untuk meningkatkan keamanan dan pengalaman pengguna. Salah satu metode yang efektif untuk deteksi wajah dan klasifikasi gender secara real-time adalah YOLO (You Only Look Once). Pada penelitian ini nantinya menggunakan metode You Only Look Once versi 8 (YOLOv8) untuk pendeteksian objek dengan mengimplementasikan tiga sub versi didalamnya yaitu nano (YOLOv8n), small (YOLOv8s), medium (YOLOv8m) untuk mendeteksi dan mengklasifikasikan gender berdasarkan citra wajah. Setiap subversi memiliki karakteristik tersendiri dalam hal kecepatan, akurasi, dan kebutuhan komputasi. Penelitian ini bertujuan untuk membandingkan performa ketiganya untuk memperoleh model deteksi gender yang paling optimal. Dengan pendekatan ini diharapkan dapat mendukung pengembangan sistem cerdas yang mampu mengidentifikasi jenis kelamin secara otomatis dan akurat.
Kata Kunci
Teks Lengkap:
Download PDFReferensi
A. S. Uli, N. K. W. M. Sari, L. S. Ramdhani, and M. Martiana, “Studi Komparatif antara Sistem Manajemen Keuangan Konvensional dan Digital pada Sektor Perbankan,” J. Public Sect. Financ. Manag., vol. 1, no. 1, 2024.
P. Setiaji, K. Adi, and B. Surarso, “Development of Classification Method for Determining Chicken Egg Quality Using GLCM-CNN Method,” Ing. des Syst. d’Information, vol. 29, no. 2, pp. 397–407, 2024, doi: 10.18280/isi.290201.
I. Andi, M. Muchtar, and J. Y. Sari, “Mask Detection Using the YOLO (You Only Look Once) Method,” J. Media Inf. Teknol., vol. 1, no. 1, pp. 1–12, 2024, doi: 10.69616/mit.v1i1.165.
M. Hussain, “YOLOv5, YOLOv8 and YOLOv10: The Go-To Detectors for Real-time Vision,” pp. 1–12, 2024, [Online]. Available: http://arxiv.org/abs/2407.02988
A. Gallu, A. R. Himamunanto, and H. Budiati, “Pengenalan Emosi pada Citra wajah menggunakan Metode YOLO,” vol. 5, no. 3, pp. 1253–1261, 2024.
W. A. Triyanto, K. Adi, and J. E. Suseno, “Detection and Tracking of Broiler Flock Movements in the Chicken Coop using YOLO,” E3S Web Conf., vol. 448, 2023, doi: 10.1051/e3sconf/202344802064.
N. Sujana, M. M. Mutoffar, and A. A. Haryanto, “UNTUK DETEKSI EKSPRESI WAJAH EMOSIONAL,” vol. 06, no. 02, pp. 115–124, 2024.
D. Mamadaliev, P. L. M. Touko, J.-H. Kim, and S.-C. Kim, “ESFD-YOLOv8n: Early Smoke and Fire Detection Method Based on an Improved YOLOv8n Model,” Fire, vol. 7, no. 9, p. 303, 2024, doi: 10.3390/fire7090303.
Z. Yang, Y. Shen, and Y. Shen, “Football referee gesture recognition algorithm based on YOLOv8s,” Front. Comput. Neurosci., vol. 18, no. February, 2024, doi: 10.3389/fncom.2024.1341234.
Z. Wang, G. Yuan, H. Zhou, Y. Ma, and Y. Ma, “Foreign-Object Detection in High-Voltage Transmission Line Based on Improved YOLOv8m,” Appl. Sci., vol. 13, no. 23, 2023, doi: 10.3390/app132312775.
M. Fauzan Ridho, Fransiskus Panca, Welly Yandi, and Almeera Amsana Rachmani, “Drowsiness Detection in the Advanced Driver-Assistance System using YOLO V5 Detection Model,” ELECTRON J. Ilm. Tek. Elektro, vol. 5, no. 1, pp. 130–137, 2024, doi: 10.33019/electron.v5i1.136.
M. Dafa Maulana, “Evaluasi Kinerja YOLOv8 dalam Identifikasi Kesegaran Ikan dengan Metode Deteksi Objek,” vol. 11, no. 4, pp. 2864–2869, 2024.
A. Fatunnisa and H. Marcos, “Prediksi Kelulusan Tepat Waktu Siswa SMK Teknik Komputer Menggunakan Algoritma Random Forest,” J. Manaj. Inform., vol. 14, no. 1, pp. 101–111, 2024, doi: 10.34010/jamika.v14i1.12114.
M. IKBAL and R. A. Saputra, “Pengenalan Rambu Lalu Lintas Menggunakan Metode Yolov8,” JIKA (Jurnal Inform., vol. 8, no. 2, p. 204, 2024, doi: 10.31000/jika.v8i2.10609.
DOI: https://doi.org/10.24176/sitech.v8i1.15340
Refbacks
- Saat ini tidak ada refbacks.
