Pemilihan umum (pemilu) adalah pilar utama dalam sistem demokrasi di mana keabsahan dan kepercayaan publik terhadap prosesnya sangat penting untuk menjaga stabilitas politik dan kesejahteraan sosial. Dalam konteks ini, tantangan seperti kecurangan sistematis dan kompleksitas identifikasi pemilih menjadi perhatian utama. Penelitian ini bertujuan untuk menganalisis efektivitas teknologi deteksi identitas visual dalam memastikan integritas pemilu dan mengurangi risiko kecurangan. Menggunakan metode Convolutional Neural Networks (CNNs), penelitian menguji sistem deteksi identitas visual pada dataset wajah dengan variasi sudut pandang dan aksesoris. Hasil pengujian menunjukkan bahwa secara umum model mampu mengenali wajah dengan akurat, mencapai tingkat akurasi sekitar 90%. Meskipun demikian, terdapat kesalahan prediksi terutama pada wajah dengan atribut tambahan. Analisis menyimpulkan perlunya pengembangan lebih lanjut dengan menggunakan dataset yang lebih beragam untuk meningkatkan akurasi dalam berbagai situasi yang kompleks. Penelitian ini memberikan wawasan tentang penerapan teknologi deteksi identitas visual dalam pemilu, diharapkan dapat memberikan kontribusi dalam meningkatkan keamanan dan kepercayaan masyarakat terhadap proses demokratis.
19200129_Labib Yusuf Aditama
Bukti_Submit_Jurnal
Alfan, D. S., Rochman, A., Firdaus, M., Setiawan, N., & Rosyani, P. (2024). Penerapan Metode Haar-Cascade Dan LBPH Untuk Face Detection dan Recognition. Jurnal AI Dan SPK, 2(1), 96–104.
Alfiyah, N. I., Hidayat, I., Tini, D. L. R., & Resdiana, E. (2024). Analisis Peran Badan Pengawas Pemilu dalam Mencegah Kecurangan Pada Pelaksanaan Pemilu Serentak 2024. 19.
Arsal, M., Wardijono, B. A., & Anggraini, D. (2020). Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN. Jurnal Nasional Teknologi Dan Sistem Informasi, 6(1), 55–63. https://doi.org/10.25077/TEKNOSI.v6i1.2020.55-63
Darmawan Putra Bahari, S., & Latifa, U. (2023). KLASIFIKASI BUAH SEGAR MENGGUNAKAN TEKNIK COMPUTER VISION UNTUK PENDETEKSIAN KUALITAS DAN KESEGARAN BUAH. JATI (Jurnal Mahasiswa Teknik Informatika), 7, 1567–1573.
Irsan, M., Ramadhan, S., & Ayunda Murad, S. (2021). Pendeteksian Wajah Menggunakan Algoritma Convolutional Neural Network Dalam Menghitung Jumlah Mahasiswa. Kumpulan JurnaL Ilmu Komputer (KLIK), 08(3), 279–290.
Jeka, F., Risnita, Jailani, M. S., & Asrulla. (2023). Kajian Literatur : Referensi Kunci, State Of Art, Keterbaruan Penelitian (Novelty). Jurnal Pendidikan Tambusai, 7(1), 26466–26474. https://doi.org/10.61104/jq.v1i1.50
Krisna, D. A. N., & Salamah, U. (2022). PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI BERITA HOAX KESEHATAN DI MEDIA SOSIAL TWITTER. Jurnal Teknik Informatika Kaputama (JTIK), 6(2).
Kurniawan, H., Kusrini, & Kusnawi. (2023). Klasifikasi Pengenalan Wajah Siswa Pada Sistem Kehadiran dengan Menggunakan Metode Convolutional Neural Network. Jurnal Media Informatika Budidarma, 7(2), 846–856. https://doi.org/10.30865/mib.v7i2.5958
Kusuma, A. J., Ilmar, A., Rahmawati, R., Akbar Setiawan, M. C., Murtasidin, B., & Ferdian, K. J. (2024). MEMBANGUN DESA CERDAS PEMILU UNTUK MEWUJUDKAN PEMILU TAHUN 2024 YANG IDEAL DI DESA TEBING, KECAMATAN KELAPA, KABUPATEN BANGKA BARAT. Jurnal Pengabdian Masyarakat Multidisiplin, 7(2), 149–160.
Wijaya, A., Eric Samodra, J., & Suyoto. (2023). Sistem Presensi Pegawai dengan Face Recognition Menggunakan Deep Learning CNN. Jurnal Informatika Atma Jogja, 4(2), 163–168. https://doi.org/10.24002/jiaj.v4i2.7660
Zahrah, S., Azhar, & Abdi, M. (2022). Sistem Deteksi Wajah Untuk Pencatatan Kehadiran Mahasiswa Di Kelas Menggunakan Metode Convolutional Neural Network. Journal of Artificial Intelligence and Software Engineering (J-AISE), 2(1), 1–5. https://doi.org/10.30811/jaise.v2i1.3873
Zairuddin, A., Wahyudi, A., Hasyim, A. S., & Al Muntasor, E. S. (2022). Mekanisme Penentuan Dpt Oleh Kpu. Jurnal Pendidikan Sosial Humaniora, 1(4), 09–22.