BIOMETRIC FACE RECOGNITION AND INFLUENCER MANAGEMENT FOR BRAND EVENTS USING K-MEANS CLUSTERING AND PCA
Kata Kunci:
Pengenalan Wajah Biometrik, Manajemen Influencer, K-Means Clustering, PCA, Pemantauan Real-Time, Organisasi AcaraAbstrak
Penelitian ini mengusulkan sistem baru yang mengintegrasikan Biometric Face Recognition (BFR) dengan K-Means Clustering dan Principal Component Analysis (PCA) untuk validasi dan segmentasi influencer secara real-time dalam acara brand berskala besar. Sementara penelitian sebelumnya lebih banyak berfokus pada teknik pengenalan wajah atau klasterisasi secara terpisah, pendekatan kami secara unik menggabungkan kedua metodologi ini, sehingga mengoptimalkan keamanan dan efisiensi operasional. Integrasi ini mengurangi waktu validasi hingga 75%, meningkatkan akurasi hingga 95%, dan memastikan segmentasi secara real-time, yang menjawab celah signifikan dalam literatur, terutama di lingkungan acara yang dinamis, di mana metode tradisional seperti model berbasis CNN sering mengalami kesulitan dalam hal waktu pemrosesan dan skalabilitas.
This research introduces an innovative system that merges Biometric Face Recognition (BFR) with K-Means Clustering and Principal Component Analysis (PCA) to enable real-time influencer validation and segmentation in large-scale brand events. While previous research has focused either on face recognition or clustering techniques independently, our approach uniquely combines these methodologies, optimizing both security and operational efficiency. This integrated approach reduces validation time by 75%, improves accuracy to 95%, and enables real-time segmentation, effectively addressing critical gaps in existing literature, particularly in dynamic event environments where traditional methods like CNN-based models struggle with processing time and scalability.
