PERBANDINGAN PENGEMBANGAN APLIKASI FACE DETECTION DENGAN MENGGUNAKAN GOOGLE ML-KIT FIREBASE DAN MICROSOFT AZURE BERBASIS ANDROID

SIANTURI, BAMBANG HARIANTO (2019) PERBANDINGAN PENGEMBANGAN APLIKASI FACE DETECTION DENGAN MENGGUNAKAN GOOGLE ML-KIT FIREBASE DAN MICROSOFT AZURE BERBASIS ANDROID. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) File Yudisium_Bambang Harianto Sianturi (41514110029).pdf Restricted to Registered users only Download (1MB)

Abstract

Face detection refers to the part of computer vision technology that can identify human face shapes in digital images. Face detection is one of the developments in innovative technology that is currently being developed by many large companies in the world. This technology can be developed such as biometric recognition, search systems and access control security systems. There are several technology companies that provide face detection services, which opens huge opportunities for developers to develop face detection technology more easily. Therefore, this study developed an Android face detection mobile application that aims to compare two face detection service providers from two technology giants in the world, that is Google ML-Kit Firebase and Microsoft Azure Face API. This application is created using the Integrated Development Environment (IDE) Android studio and uses the Java programming language. The results of this test found that Firebase ML-Kit requires an average of 6466.7 milliseconds in detecting human face objects that are on images while the Azure Face API takes an average of 7703 milliseconds. The results of this comparison show that about 19% of the Firebase Ml-Kit is superior to the Azure Face API in terms of detecting human faces. In the third experiment, Firebase ML-Kit was superior to the Azure Face API in detecting the accuracy of the number of human faces in the image object, which Firebase ML-Kit was able to detect 21 faces while the Azure Face API only detected 1 human face. Key words: Face Detection, Android, Firebase ML-Kit, Azure Face API Face detection mengacu pada bagian dari teknologi computer vision yang mampu mengidentifikasi bentuk wajah manusia dalam gambar digital. Face detection merupakan salah satu perkembangan teknologi inovatif yang saat ini mulai banyak dikembangkan oleh perusahan – perusahan besar di dunia. Teknologi ini dapat dikembangkan seperti pada pengenalan biometrik, sistem pencarian dan sistem keamanan kontrol akses. Terdapat beberapa perusahaan teknologi yang menyediakan layanan face detection yang dimana hal ini membuka peluang besar untuk para developer dalam mengembangkan teknologi face detection dengan lebih mudah. Untuk itu pada penelitian ini dikembangkan aplikasi mobile face detection berbasis android yang bertujuan untuk membandingkan dua penyedia layanan face detection dari dua perusahaan raksasa teknologi dunia yaitu Google ML-Kit Firebase dan Microsoft Azure Face API. Aplikasi ini dibuat dengan menggunakan Integrated Development Environment (IDE) Android studio dan menggunakan bahasa pemograman Java. Hasil dari pengujian ini didapatkan Firebase ML-Kit membutuhkan waktu rata-rata 6466,7 milliseconds dalam mendeteksi objek wajah manusia yang ada pada gambar sedangkan Azure Face API membutuhkan waktu rata-rata 7703 milliseconds. Hasil dari perbandingan ini menunjukkan sekitar 19% Firebase Ml-Kit lebih unggul dibandingkan dengan Azure Face API dalam hal mendeteksi wajah manusia. Pada percobaan ketiga juga menunjukkan Firebase ML-Kit lebih unggul dibandingkan dengan Azure Face API dalam mendeteksi ketepatan banyaknya jumlah wajah manusia yang ada pada objek gambar, yang dimana Firebase ML-Kit mampu mendeteksi adanya 21 wajah sedangkan Azure Face API hanya mendeteksi 1 wajah manusia. Kata kunci: Face Detection, Android, Firebase ML-Kit, Azure Face API

Actions (login required)

View Item