Implementasi deteksi usia berdasarkan gambar citra wajah menggunakan MobileNetV3 Small pada aplikasi Android

Awwaluddin, Fajri (0205) Implementasi deteksi usia berdasarkan gambar citra wajah menggunakan MobileNetV3 Small pada aplikasi Android. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (Cover) 1_cover.pdf Download (144kB) | Preview
Preview	Text (Abstrak) 2_abstrak.pdf Download (269kB) | Preview
Preview	Text (SK Bebas Plagiarism) 3_SK Bebas Plagiarism.pdf Download (336kB) | Preview
	Text (Daftar Isi) 4_daftarisi.pdf Restricted to Registered users only Download (207kB)
Preview	Text (Bab 1) 5_bab1.pdf Download (265kB) | Preview
	Text (Bab 2) 6_bab2.pdf Restricted to Registered users only Download (563kB)
	Text (Bab 3) 7_bab3.pdf Restricted to Registered users only Download (320kB)
	Text (Bab 4) 8_bab4.pdf Restricted to Registered users only Download (986kB)
	Text (Bab 5) 9_bab5.pdf Restricted to Registered users only Download (585kB)
	Text (Bab 6) 10_bab6.pdf Restricted to Registered users only Download (221kB)
	Text (Daftar Pustaka) 11_daftarpuska.pdf Restricted to Registered users only Download (250kB)
	Text (Lampiran) 12_Lampiran.pdf Restricted to Registered users only Download (226kB)

Abstract

Aplikasi streaming video semakin populer, namun kemudahan aksesnya menimbulkan kekhawatiran terkait keamanan anak-anak karena pendaftaran hanya memerlukan tanggal lahir yang mudah dipalsukan. Penelitian ini bertujuan mengatasi masalah tersebut dengan menerapkan sistem penyaringan berbasis usia melalui deteksi wajah menggunakan MobileNetV3 Small, model pembelajaran mendalam yang ringan dan dioptimalkan untuk perangkat seluler. Dataset yang digunakan terdiri dari 63.769 gambar wajah untuk pelatihan dan 23.232 gambar untuk pengujian yang didapat dari Kaggle. Model dilatih, dikonversi ke format .tflite, dan diuji menggunakan dataset uji untuk mengevaluasi akurasinya. Hasil pengujian menunjukkan bahwa model mampu mempelajari pola data dengan baik, dengan Mean Absolute Error (MAE) pada data validasi sebesar 11,10. Prototipe aplikasi dikembangkan menggunakan Dart dan Flutter, dengan halaman utama berupa AgeDetectionPage yang mengelompokkan pengguna ke dalam kategori anak-anak atau dewasa dan mengarahkannya ke HomePage yang sesuai. Pengujian aplikasi menunjukkan bahwa model memiliki MAE sebesar 11,10 pada data validasi sesuai dengan hasil pengujian model. Kesimpulannya, aplikasi ini dapat mengelompokkan pengguna berdasarkan usia dan menampilkan homepage yang sesuai untuk anak-anak atau dewasa. Namun, peningkatan akurasi model dan fleksibilitas fitur masih diperlukan agar lebih adaptif terhadap berbagai kondisi.

Actions (login required)

View Item