IMPLEMENTASI ALGORITMA CNN UNTUK AUTENTIKASI PEMBAYARAN DIGITAL DENGAN PENGENALAN WAJAH

SETIYAWAN, ASEP (2021) IMPLEMENTASI ALGORITMA CNN UNTUK AUTENTIKASI PEMBAYARAN DIGITAL DENGAN PENGENALAN WAJAH. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (3MB) | Preview
	Text (BAB I) 02 Bab 1.pdf Restricted to Registered users only Download (344kB)
	Text (BAB II) 03 Bab 2.pdf Restricted to Registered users only Download (504kB)
	Text (BAB III) 04 Bab 3.pdf Restricted to Registered users only Download (1MB)
	Text (BAB IV) 05 Bab 4.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) 06 Bab 5.pdf Restricted to Registered users only Download (1MB)
	Text (DAFTAR PUSTAKA) 07 Daftar Pustaka.pdf Restricted to Registered users only Download (541kB)
	Text (LAMPIRAN) 08 Lampiran.pdf Restricted to Registered users only Download (1MB)

Abstract

Technology developments change many things, including in the field of payment. One of the technologies that many people are starting to use is digital payment. With digital payment the transaction becomes cashless. There are several things that must be considered in digital payment, one of which is security. In terms of digital payment security, many currently use traditional authentication such as PIN, Password, and OTP (One Time Password). Traditional authentication is more prone to fraud. The existence of biometric technology can be one solution to increase security in digital transactions, especially when making payment. One of the uses of this biometric technique is the facial recognition system. Facial recognition is one aspect of computer vision that supports the development of sophisticated technology in today's era. The use of faces as identification because faces are unique and are an identity for every human being. In this research, Convoutional Neural Network (CNN) algorithm is used. CNN is one of the algorithms in deep learning that is used to carry out the learning process on a computer. CNN consists of 3 stages, namely data input, feature learning, and classification. Each input data will go through these three stages with a filtering process. The dataset used in this study used the faces of 7 men and women. From the training results, the CNN model will be implemented in a prototype authentication application with facial recognition. Key words: facial recognition, authentication, CNN, digital payment Perkembangan teknologi mengubah banyak hal, termasuk dalam bidang pembayaran. Salah satu teknologi yang mulai banyak orang pakai adalah pembayaran digital. Dengan pembayaran digital transaksi menjadi cashless. Ada beberapa hal yang harus diperhatikan dalam pembayaran digital, salah satunya adalah keamanan. Dalam hal keamanan pembayaran digital saat ini masih banyak yang menggunakan autentikasi tradisional seperti PIN, Password, dan OTP (One Time Password). Autentikasi tradisional lebih rentan terhadap penipuan. Adanya teknologi biometrik dapat menjadi salah satu solusi untuk meningkatkan keamanan dalam bertransaksi digital terutama saat melakukan pembayaran. Salah satu penggunaan dari teknik biometrik tersebut adalah dengan sistem pengenalan wajah. Pengenalan wajah merupakan salah satu aspek dalam computer vision yang mendukung perkembangan teknologi serba canggih di era sekarang ini. Penggunaan wajah sebagai tanda pengenal karena wajah memiliki keunikan dan merupakan identitas bagi setiap manusia. Dalam penelitian ini digunakan algoritma Convolutional Neural Network(CNN). CNN merupakan salah satu algoritma dalam deep learning yang digunakan untuk melakukan proses pembelajaran pada komputer. CNN terdiri 3 tahapan, yaitu Input data, Feature Learning, dan Classification. Setiap data masukan akan melalui ketiga tahapan tersebut dengan proses filtering. Dataset yang digunakan pada penelitian ini menggunakan wajah 7 orang pria dan wanita. Dari hasil pelatihan model CNN akan diimplementasikan dalam prototipe aplikasi autentikasi dengan pengenalan wajah. Kata kunci: pengenalan wajah, autentikasi, CNN, pembayaran digital

Actions (login required)

View Item