Sukma Hairani Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2022 id Indonesia

Skripsi

Pengenalan wajah citra cross spectral merupakan sistem pengenalan wajah pada citra yang memiliki lintas spektrum berbeda yaitu citra yang terdapat perbedaan modalitas berupa kondisi pencahayaan dan panjang gelombang yang berbeda antar citra seperti visible light (VIS) dan near infrared (NIR). Dalam kasus ini untuk mencocokkan gambar wajah yang memiliki spektrum cahaya yang berbeda masih menjadi masalah yang menantang pada sistem pengenalan wajah, karena sulitnya melakukan pencocokan antar citra yang memiliki lintas spektrum berbeda. Oleh sebab itu penelitian ini mengusulkan perancangan sistem pengenalan wajah pada citra cross spectral berbasis deep learning menggunakan arsitektur ResNet-50 tanpa menerapkan homomorphic filtering dan dengan menerapkan homomorphic filtering pada praproses citra. Cara kerja sistem ini ialah dengan mencocokkan sebuah gambar wajah dengan gambar berbeda modalitas atau spektrum yang berbeda. Berdasarkan pengujian yang telah dilakukan, hasil penelitian sistem pengenalan wajah citra cross spectral menggunakan arsitektur ResNet-50 memperoleh nilai akurasi sebesar 61% untuk jarak 1m, 59% untuk jarak 60m dan 49% untuk jarak 100m. Sedangkan nilai akurasi yang diperoleh dengan menerapkan homomorphic filtering pada praproses citra untuk pengenalan wajah citra cross spectral menggunakan arsitektur ResNet-50 menghasilkan nilai akurasi 82% untuk jarak 1m, 70% untuk jarak 60m, dan 55 % untuk jarak 100m. Dari hasil yang didapat menunjukkan bahwa nilai akurasi yang didapat dengan menerapkan homomorphic filtering pada praproses citra untuk pengenalan wajah citra cross spectral menggunakan arsitektur ResNet-50 dapat meningkatkan tingkat akurasi pengenalan sebesar 21% pada jarak 1m, 11% pada jarak 60m, dan 6% pada jarak 100m. Kata kunci: Cross Spectral, Residual Network, Face Recognition NETWORK ARCHITECTURE - COMPUTER SCIENCE 621.382 15 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 103113 2022-08-29 12:44:46 2022-08-29 15:13:51 machine generated