Perbandingan Algoritma Convolutional Neural Network (CNN) Dan Support Vector Machines (SVM) Untuk Klasifikasi Citra Wajah Kategori Usia

Penelitian ini bertujuan untuk membandingkan kinerja algoritma Convolutional Neural Network (CNN) dan Support Vector Machines (SVM) dalam melakukan klasifikasi pengenalan citra wajah berdasarkan kategori usia pada sistem berbasis web. Klasifikasi usia wajah merupakan salah satu permasalahan penting dalam bidang pengolahan citra digital yang banyak diterapkan pada sistem identifikasi dan analisis demografi. Dataset yang digunakan dalam penelitian ini merupakan dataset citra wajah yang terdiri dari beberapa kategori usia, yang selanjutnya melalui tahap preprocessing sebelum digunakan pada proses pelatihan dan pengujian model. Pendekatan penelitian dilakukan dengan membangun dan melatih dua model klasifikasi, yaitu CNN dan SVM, kemudian melakukan evaluasi kinerja secara komparatif menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model CNN menghasilkan tingkat akurasi sebesar 88%, sedangkan model SVM memperoleh akurasi sebesar 72%. Selain itu, model CNN juga menunjukkan nilai rata-rata presisi sebesar 86,1%, recall 92%, dan F1-score 87%, yang lebih tinggi dibandingkan model SVM dengan nilai presisi 72%, recall 73,6%, dan F1-score 72,8%. Secara keseluruhan, model CNN menunjukkan performa yang lebih stabil pada setiap kategori usia, sementara model SVM cenderung mengalami kesalahan prediksi terutama pada kategori usia anak-anak dan orang tua. Hasil penelitian ini menunjukkan bahwa algoritma CNN lebih efektif dalam mengekstraksi fitur kompleks dari citra wajah dibandingkan dengan SVM, sehingga menghasilkan kinerja klasifikasi yang lebih baik dalam pengenalan usia wajah berbasis web.