Analisis Kinerja Fisherface dan Convolutional Neural Network dalam Pengenalan Wajah pada Kondisi pencahayaan Minim

Ari Andrian Putra, Ari Andrian Putra (2025) Analisis Kinerja Fisherface dan Convolutional Neural Network dalam Pengenalan Wajah pada Kondisi pencahayaan Minim. S1 thesis, Teknik.

	Text (COVER DAN ABSTRAK) COVER & ABSTRAK.pdf - Published Version Download (377kB)
	Text (BAB 1) BAB I PENDAHULUAN.pdf - Published Version Download (329kB)
	Text (BAB 5) BAB V KESIMPULAN DAN SARAN.pdf - Published Version Download (221kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Download (348kB)
	Text (FULL TEXT) FULL TEXT BAB 1-5.pdf - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Abstrak Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Fisherface dan Convolutional Neural Network (CNN) dalam sistem pengenalan wajah pada kondisi pencahayaan rendah. Dataset penelitian terdiri atas citra wajah lima individu dengan variasi intensitas cahaya sebesar 150, 120, 80, 60, dan 50 lux. Evaluasi kinerja kedua metode dilakukan berdasarkan tiga parameter utama, yaitu akurasi, False Acceptance Rate (FAR), dan False Rejection Rate (FRR). Hasil pengujian menunjukkan bahwa metode Fisherface cenderung sensitif terhadap perubahan pencahayaan. Pada intensitas 150 lux, Fisherface mampu mencapai akurasi 92% dengan nilai FAR dan FRR masing-masing sebesar 4%. Namun, ketika intensitas cahaya menurun hingga 50 lux, kinerjanya menurun drastis dengan akurasi hanya 40%, disertai peningkatan FAR hingga 32% dan FRR sebesar 28%. Sebaliknya, CNN menunjukkan performa yang lebih stabil pada seluruh kondisi pencahayaan, dengan akurasi yang konsisten di atas 72%, nilai FAR relatif rendah (0–8%), serta FRR maksimum sebesar 38% pada intensitas 50 lux. Berdasarkan hasil perbandingan, dapat disimpulkan bahwa CNN memiliki performa lebih unggul dibandingkan Fisherface dalam pengenalan wajah pada kondisi pencahayaan rendah. Hal ini disebabkan kemampuan CNN yang lebih adaptif terhadap variasi intensitas cahaya sehingga mampu mempertahankan tingkat akurasi pengenalan yang lebih konsisten. Kata Kunci: Pengenalan Wajah, Fisherface, Convolutional Neural Network, Pencahayaan Rendah, Akurasi, FAR, FRR

Actions (login required)

View Item