KOMPARASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN TRANSFER LEARNING (RESTNET 50, MOBILE NET V2, DAN VGG16) UNTUK IDENTIFIKASI EKSPRESI WAJAH POTENSI KEJAHATAN

Penelitian ini bertujuan untuk mengembangkan dan menerapkan algoritma
Convolutional Neural Network (CNN) dalam mendeteksi ekspresi wajah yang
mencurigakan guna mencegah tindak kejahatan di fasilitas publik. Sistem
keamanan publik saat ini menghadapi tantangan besar dalam mendeteksi tindakan
kriminal dengan cepat dan akurat. Oleh karena itu, penelitian ini bertujuan untuk:
(1) merancang sistem prediksi ekspresi wajah yang dapat membantu petugas
keamanan dalam memantau dan mencegah kejahatan, (2) mengevaluasi efektivitas
model deep learning yang diterapkan pada rekaman CCTV, dan (3) menerapkan
langkah-langkah keamanan siber untuk melindungi sistem CCTV dari akses tidak
sah.Metode yang digunakan adalah pendekatan kuantitatif dengan memanfaatkan
algoritma CNN. Data ekspresi wajah diperoleh dari dataset publik dan digunakan
untuk melatih model CNN. Model ini kemudian diuji untuk menentukan
akurasinya dalam mendeteksi ekspresi wajah yang mencurigakan seperti marah,
takut, dan terkejut, yang berpotensi mengindikasikan niat jahat. Selain itu,
langkah-langkah keamanan siber diterapkan untuk memastikan bahwa sistem
CCTV tetap terlindungi dari serangan siber. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mendeteksi ekspresi wajah mencurigakan dengan tingkat akurasi yang tinggi, sehingga dapat digunakan untuk mendukung pencegahan kejahatan di fasilitas publik. Implementasi langkah-langkah keamanan siber juga terbukti efektif dalam melindungi sistem dari ancaman eksternal. Penelitian ini memberikan kontribusi signifikan dalam
peningkatan keamanan publik melalui teknologi deteksi ekspresi wajah yang canggih dan aman.
Kata Kunci: Convolutional Neural Network, Deteksi Ekspresi Wajah, Keamanan Publik, CCTV, Keamanan Siber.