ALVI FAUZIANA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2022 id Indonesia

Skripsi

Penelitian mengenai pengenalan wajah atau Face Recognition sudah banyak dilakukan oleh berbagai peneliti, akan tetapi pengenalan wajah dengan lintas spektral yang berbeda memiliki tingkat kesulitan tersendiri dalam mengenali objek wajah yang dideteksi. Maka dari itu penelitian ini dilakukan untuk merancang sistem yang dapat melakukan pencocokan antar 2 citra yang memiliki spektral yang berbeda, yaitu Visible Light (VIS) dan Near Infrared (NIR) agar dapat melakukan pengenalan citra wajah. Penelitian ini mengimplementasikan metode Deep Learning Convolutional Neural Network (CNN) menggunakan arsitektur DenseNet untuk pengenalan wajah pada dataset Long-Distance Heterogeneous Face database (LDHF-DB). Penelitian ini melakukan pengujian pada 3 jarak berbeda yaitu jarak 1m, 60m, dan 100m. Nilai akurasi yang didapatkan dengan menerapkan homomorphic filtering untuk jarak 1m yaitu sebesar 86%, untuk 60m sebesar 68%, dan untuk 100m sebesar 60%. Sedangkan nilai akurasi dengan tidak menerapkan homomorphic filtering yaitu 61% untuk jarak 1m, 53% untuk jarak 60m, dan 57% untuk jarak 100m. Dapat disimpulkan bahwa penelitian ini berhasil dilakukan dengan menerapkan homomorphic filtering dan menghasilkan tingkat akurasi tetinggi sebesar 86%. Berdasarkan uji coba, penggunaan homomorphic filtering di tahap preprocessing dapat meningkatkan akurasi sampai dengan 25% Kata Kunci : Pengenalan wajah, deep learning, DenseNet. IMAGE PROCESSING - COMPUTER SCIENCE 006.42 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 103170 2022-08-29 22:11:36 2022-08-30 10:26:08 machine generated