EVALUASI KINERJA VERIFIKASI MTCNN-FACENET DAN SKALABILITAS PGVECTOR PADA SISTEM PRESENSI KARYAWAN

YUDISTIRA, AGIL (2026) EVALUASI KINERJA VERIFIKASI MTCNN-FACENET DAN SKALABILITAS PGVECTOR PADA SISTEM PRESENSI KARYAWAN. S1 thesis, Universitas Mercu Buana Jakarta - Menteng.

	Text (Cover) 41522110068-Agil Dwiki Yudistira-01 Cover - Agil Dwiki Yudistira.pdf Download (723kB)
	Text (Bab 1) 41522110068-Agil Dwiki Yudistira-02 Bab 1 - Agil Dwiki Yudistira.pdf Restricted to Registered users only Download (116kB)
	Text (Bab 2) 41522110068-Agil Dwiki Yudistira-03 Bab 2.pdf - Agil Dwiki Yudistira.pdf Restricted to Registered users only Download (285kB)
	Text (Bab 3) 41522110068-Agil Dwiki Yudistira-04 Bab 3.pdf - Agil Dwiki Yudistira.pdf Restricted to Registered users only Download (325kB)
	Text (Bab 4) 41522110068-Agil Dwiki Yudistira-05 Bab 4.pdf - Agil Dwiki Yudistira.pdf Restricted to Registered users only Download (530kB)
	Text (Bab 4) 41522110068-Agil Dwiki Yudistira-05 Bab 4.pdf - Agil Dwiki Yudistira.pdf Restricted to Registered users only Download (530kB)
	Text (Bab 5) 41522110068-Agil Dwiki Yudistira-06 Bab 5.pdf - Agil Dwiki Yudistira.pdf Restricted to Registered users only Download (112kB)
	Text (Daftar Pustaka) 41522110068-Agil Dwiki Yudistira-08 Daftar Pustaka.pdf - Agil Dwiki Yudistira.pdf Restricted to Registered users only Download (176kB)
	Text (Lampiran) 41522110068-Agil Dwiki Yudistira-09 Lampiran - Agil Dwiki Yudistira.pdf Restricted to Registered users only Download (442kB)

Abstract

Sistem presensi karyawan berbasis pengenalan wajah semakin banyak diadopsi, namun mayoritas penelitian mengevaluasi kinerjanya hanya melalui satu angka akurasi identifikasi closed-set. Metrik tersebut mengukur "siapa yang paling mirip" dengan mengasumsikan setiap masukan berasal dari subjek terdaftar, sehingga tidak menguji kemampuan sistem menolak penerimaan keliru — dimensi keamanan yang justru menjadi inti presensi yang bekerja dalam mode verifikasi. Penelitian ini bertujuan mendemonstrasikan secara empiris pentingnya evaluasi verifikasi biometrik formal pada pipeline MTCNN–FaceNet menggunakan metrik False Acceptance Rate (FAR), False Rejection Rate (FRR), Equal Error Rate (EER), dan AUC/ROC sesuai kerangka ISO/IEC 19795-1, serta memvalidasi kelayakan skalabilitas pencarian embedding pada PostgreSQL/pgvector sebagai pilar pendukung. Evaluasi dilakukan pada dataset internal 16 subjek dengan studi ablasi empat varian prapemrosesan, divalidasi silang pada dataset publik Labeled Faces in the Wild (LFW), sementara skalabilitas diuji dengan membandingkan indeks Exact, IVFFlat, dan HNSW pada skala 1.000 hingga 1.000.000 vektor. Hasil menunjukkan bahwa pada dataset dan pipeline yang identik, akurasi identifikasi 97,56% tidak mencerminkan kinerja verifikasi (EER 4,58%; FRR 10,82% pada FAR = 1%) — menegaskan bahwa akurasi identifikasi saja tidak memadai sebagai ukuran kelayakan operasional sistem presensi. Melalui optimasi prapemrosesan (alignment dua titik), EER menurun menjadi 4,58% dengan AUC 0,9934; perbaikan AUC ini signifikan secara statistik pada tingkat pasangan (uji DeLong, p < 0,001), sedangkan perbaikan pada EER bersifat kecenderungan mengingat selang kepercayaan tingkat-subjek yang beririsan pada dataset 16 subjek, dan tervalidasi silang pada LFW (EER 5,37%). Perlu ditegaskan bahwa FAR di sini mengukur risiko penerimaan keliru non-adversarial; ketahanan terhadap serangan presentasi memerlukan deteksi kehidupan dan berada di luar cakupan. Validasi infrastruktur menunjukkan indeks HNSW mempertahankan pencarian di bawah 5 ms dengan recall sempurna hingga 100.000 identitas, sekitar 37 kali lebih cepat daripada pencarian Exact. Penelitian ini menyimpulkan bahwa evaluasi verifikasi formal wajib melengkapi akurasi identifikasi, dan arsitektur MTCNN–FaceNet dengan penyimpanan pgvector merupakan konfigurasi yang layak — akurat sekaligus skalabel — untuk sistem presensi karyawan. Kata kunci: pengenalan wajah, verifikasi biometrik, Equal Error Rate, MTCNN– FaceNet, pgvector, HNSW

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41522110068
Uncontrolled Keywords:	pengenalan wajah, verifikasi biometrik, Equal Error Rate, MTCNN– FaceNet, pgvector, HNSW
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	CLAUDIA ASTRIANI
Date Deposited:	27 Aug 2026 02:36
Last Modified:	27 Aug 2026 02:36
URI:	http://repository.mercubuana.ac.id/id/eprint/103440

Actions (login required)

View Item