SISTEM DETEKSI WAJAH OTOMATIS PADA PROSES  UPLOAD IMAGE DENGAN TENSORFLOW  DAN ALGORITMA BLAZEFACE

Iin; Jajang Suherman; Topan Trianto

doi:10.53580/naratif.v7i1.305

Iin Universitas Masoem
Jajang Suherman Universitas Masoem
Topan Trianto Universitas Masoem

DOI: https://doi.org/10.53580/naratif.v7i1.305

Keywords: Face Detection, TensorFlow, Blaze Face, Machine Learning, Artificial Intelligence

Abstract

Proses verifikasi foto profil pada aplikasi e-learning di Universitas Al-Masoem memerlukan sistem deteksi wajah yang akurat untuk meningkatkan kualitas pengalaman pengguna serta mengurangi kemungkinan penyalahgunaan. Penelitian ini mengembangkan sistem deteksi wajah otomatis menggunakan TensorFlow.js, sebuah pustaka machine learning berbasis JavaScript, dan algoritma BlazeFace. Sistem ini dirancang untuk mendeteksi keberadaan wajah saat mahasiswa mengunggah foto profil, memastikan bahwa foto tersebut adalah foto formal sesuai dengan persyaratan. Metodologi penelitian mencakup pengintegrasian TensorFlow.js ke dalam antarmuka web untuk mengolah model BlazeFace secara langsung di browser, tanpa memerlukan server backend tambahan. Algoritma BlazeFace dipilih karena ukurannya yang kecil, kecepatan tinggi, dan akurasi deteksi yang optimal pada perangkat dengan daya komputasi rendah. Evaluasi dilakukan dengan menggunakan gambar hasil unggah untuk mengukur akurasi, kecepatan proses, serta performa sistem pada berbagai jenis perangkat (desktop dan smartphone).

Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi wajah dengan tingkat akurasi rata-rata sebesar 96,3% pada kondisi pencahayaan normal pada gambar JPG dengan ukuran 50 -500 kB. Waktu pemrosesan rata-rata adalah 17ms pada perangkat desktop dengan spesifikasi standar dan 25ms pada perangkat mobile (kurang dari 30ms). Implementasi TensorFlow.js memungkinkan sistem berjalan sepenuhnya di sisi klien (browser), mengurangi beban server dan meningkatkan privasi data pengguna. Dengan performa yang efisien dan skalabilitas tinggi, sistem ini memiliki potensi untuk diadopsi secara luas pada berbagai aplikasi web, seperti media sosial, platform e-commerce, dan sistem pendidikan online. Penelitian ini juga membuka peluang untuk pengembangan lebih lanjut, termasuk integrasi dengan algoritma pengenalan wajah atau deteksi multiobjek untuk kasus penggunaan yang lebih kompleks.