IMPLEMENTASI KLASIFIKASI JENIS KELAMIN MENGGUNAKAN ALGORITMA KNN OPTIMASI MENGGUNAKAN PSO DAN EKSTRAKSI FITUR CNN

Abstrak

Penelitian ini berfokus pada peningkatan akurasi dan efisiensi dalam sistem klasifikasi jenis kelamin menggunakan teknologi pengenalan wajah, yang merupakan elemen penting dalam berbagai bidang seperti interaksi manusia-komputer, keamanan, biometrik, dan kesehatan. Sistem pengenalan wajah otomatis telah mengalami perkembangan yang pesat, memungkinkan identifikasi jenis kelamin yang lebih cepat dan lebih akurat dengan bantuan perangkat seperti kamera digital dan webcam. Namun tantangan utama dalam penelitian ini adalah bagaimana meningkatkan akurasi dan efisiensi sistem klasifikasi jenis kelamin. Untuk menjawab tantangan tersebut, penelitian ini memanfaatkan algoritma K-Nearest Neighbor (KNN) yang dioptimalkan menggunakan Particle Swarm Optimization (PSO), serta teknik ekstraksi fitur melalui Convolutional Neural Network (CNN). KNN digunakan untuk proses pengenalan wajah, PSO untuk optimasi parameter, dan CNN berfungsi dalam ekstraksi fitur mendalam yang penting dalam meningkatkan performa sistem. Penelitian ini bertujuan mengembangkan sistem identifikasi jenis kelamin yang lebih akurat dan efisien, dengan hasil akhir menunjukkan akurasi sebesar 96%. Kinerja sistem sangat bergantung pada kualitas dataset atau gambar yang digunakan, serta dipengaruhi oleh faktor-faktor seperti sudut kamera, posisi wajah, dan kondisi pencahayaan. Penelitian ini juga mempertimbangkan variabilitas individu, termasuk ekspresi wajah dan usia, yang dapat mempengaruhi hasil klasifikasi. Secara keseluruhan, penelitian ini memberikan kontribusi penting dalam pengembangan teknologi pengenalan wajah dengan menawarkan solusi yang lebih akurat dan efisien dalam klasifikasi jenis kelamin.