Analysis of EfficientNetV2 Model Usage in Predicting Gender on the Face of Mask Users

Abstract

Biometrik merupakan metode untuk mengenali karakteristik fisik atau perilaku manusia yang digunakan sebagai input untuk pengenalan pola. Setiap bentuk biometrik tentunya menggunakan teknologi yang berbeda dalam mengidentifikasikannya. Sebuah gallery atau pertujukan seperti bioskop, pusat perbelanjaan, pameran membutuhkan informasi pengunjung dari acara tersebut untuk dilakukan sebuah kajian dalam menawarkan atau menjual produk sesuai dengan jenis kelamin dari pengunjung. Model EfficientNetV2 merupakan Family Baru dalam kelompok Covolution Neural Network (CNN) yang memiliki kecepatan pelatihan lebih cepat dan efisiensi parameter yang lebih baik daripada model sebelumnya. Dalam uji coba menunjukkan bahwa model EfficientNetV2 berlatih jauh lebih cepat daripada model tercanggih dengan ukuran hingga 6,8x lebih kecil. Hasil dengan memanfaatkan model EfficientNetV2 yang dilakukan 25 epoch dan terdapat 2 class yaitu laki-laki dan perempuan dimana masing-masing terdiri dari 72.318 data training dan 16.813 data testing. Didapatkan nilai akurasi untuk training 0.9455 (94.5 %) dan untuk data testing nilai akurasinya didapatkan 0.9475 (94.7 %). Untuk Niilai loss untuk training 0.1375 (13.75 %) dan untuk data testing nilai loss nya didapatkan 0.1277 (12.7 %).