DOBEL DISKON 95% + 10% SPESIAL PROMO PUNCAK 7.7!
Belajar Data Science Paket Premium cuma 6 Bulan Hanya 177K!
SERBU SEKARANG!
Pendaftaran ditutup dalam 2 Hari 8 Jam 56 Menit 58 Detik 

Belajar Metode Analisis Data dengan 4 Komponen Utama pada Face Recognition

Belajar Data Science di Rumah 10-Agustus-2021
https://dqlab.id/files/dqlab/cache/e155292d0dd16efa7541503fc235e71d_x_Thumbnail800.jpg

Perkembangan teknologi yang semakin pesat, ternyata berperan cukup banyak dalam memudahkan urusan kita sehari-hari. Salah satunya adalah teknologi Face Recognition. Mungkin hal ini bukan lagi hal yang asing. Beberapa diantara mungkin kita menggunakan teknologi ini sebagai password dari smartphone yang kita miliki, bahkan di beberapa perusahaan, teknologi ini dijadikan sebagai alat untuk absen karyawannya. Wah, keren banget!

Namun tahukah kamu bagaimana cara Face Recognition dapat mengenali wajah manusia? Face recognition menganalisis nodal point pada wajah manusia, misalkan bentuk tulang pipi, bentuk bibir, jarak antara kedua mata, dll. Umumnya, pada wajah manusia terdapat kurang lebih sekitar 80 nodal points yang dapat membedakan wajah antar orang. Nah, sebenarnya di dalam Face Recognition sendiri ada beberapa komponen utama yang membuat metode ini mampu melakukan tugasnya. Apa saja sih komponen nya?


1. Image Processing

Komponen pertama yang pasti ada dalam Face Recognition adalah Image Processing. Data gambar termasuk ke dalam kategori data tidak terstruktur, dimana data tidak memiliki bentuk atau struktur khusus. Namun meskipun begitu, data gambar sama halnya dengan dengan data lainnya, yang harus diproses terlebih dahulu baru dapat diambil keputusan dengan data tersebut. Gambar wajah yang ada akan diproses menggunakan contrast adjustment dan image histogram equalization. Hal ini membuat gambar wajah menjadi lebih mudah untuk dideteksi.


Baca juga : Data Analisis : 2 Jenis Metode yang Penting Untuk Kamu Tahu dalam Analisis Data


2. Neural Network

Neural Network merupakan salah satu algoritma yang ada di dalam Machine Learning. Face Recognition memang sangat bergantung dengan Neural Network untuk memeriksa kecocokan data yang ada dengan data wajah yang telah disimpan di database. Facial Feature yang menganalisis nodal points yang akan dikonversikan menjadi kode, barulah kemudian akan dicocokkan dengan kode yang ada di dalam database. Tentu saja agar data gambar dapat mudah diproses, gambar-gambar yang ada akan dikonversikan menjadi dalam bentuk kode.


3. Metode Statistika

Tidak bisa dipungkiri, ilmu Data Science berkembang dari beberapa ilmu dasar, dan Statistika menjadi salah satunya. Hampir semua algoritma-algoritma yang ada dan digunakan dalam Data Science pasti akan menggunakan metode statistika. Untuk Face Recognition sendiri, metode yang digunakan meliputi Principal Component Analysis (PCA), Linear Discriminant Analysis, Discrete Cosine Transform, dan masih banyak lagi.


4. Training Network

Neural Network sama halnya dengan algoritma lain yang ada dalam Machine Learning, dimana agar mesin dapat bekerja sendiri dalam mengambil keputusan, harus dilakukan proses training atau pembelajaran. Nah, agar Neural Network dapat memeriksa kecocokan wajah dengan wajah yang ada di database, maka Neural Network juga harus dilatih dengan dataset. Semakin banyak melakukan proses training, hasil yang didapatkan bisa menjadi semakin akurat.


Baca juga : Langkah-Langkah Menggunakan Teknik Analisis Data Kualitatif


5. Tertarik Untuk Belajar Metode Pengolahan Data Lainnya? Yuk, Explore di DQLab!

Nah gimana, seru banget kan belajar tentang Face Recognition? Kamu juga bisa mempelajari berbagai metode pengolahan lainnya loh di DQLab. Di sana, ada banyak modul yang disediakan dengan berbagai metode analisis, namun yang paling menarik adalah kamu akan mendapatkan modul ini menggunakan bahasa pemrograman yang umum digunakan oleh Data Scientist, seperti R, Python, dan juga SQL. Hal ini bisa membantu kamu belajar lebih cepat, karena selain mempelajari metode analisis yang ada, kamu juga bisa belajar menggunakan bahasa pemrograman yang umum digunakan oleh praktisi data. Yuk, tunggu apa lagi? Buruan daftar menjadi member DQLab dan nikmati semua modul yang ada!



Penulis : Gifa Delyani Nursyafitri

Editor: Annissa Widya Davita

Sign Up & Mulai Belajar Gratis di DQLab!