Nisa Adilla Rahmatika Primary Author mixed material bibliography Banda Aceh Prog. Studi Magister Teknik Elektro 2024

Theses

Pengenalan wajah adalah teknik identifikasi biometrik yang banyak digunakan dalam sistem keamanan. Penelitian ini mengkaji tantangan Cross-Spectral Cross Distance (CSCD) berbasis deep learning pada sistem pengenalan wajah. Pengenalan wajah dilakukan pada dua spektrum yang berbeda, yaitu Near-Infrared (NIR) dan Visible Light (VIS) dengan variasi jarak 1m, 60m, 100m dan 150m. Tantangan utama terletak perbedaan karakteristik spektrum dan jarak yang mempengaruhi akurasi pengenalan wajah. Dataset akan diuji pada tiga model Convolutional Neural Network (CNN) yaitu VGG16, ResNet50, dan EfficientNetB0 dengan tujuan untuk mengidentifikasi model yang paling cocok untuk pengenalan wajah pada citra CSCD. Multi-task Cascaded Convolutional Networks (MTCNN) digunakan untuk mendektesi wajah. Sistem pengenalan wajah sering menghadapi masalah ketika kondisi pencahayaan berubah drastis. Citra NIR cenderung memiliki pencahayaan yang lebih minim dibandingkan dengan citra VIS oleh karena itu dilakukan penerapan homomorphic filtering untuk menormalkan pencahayaan yang tidak merata dan mengurangi noise pada citra. Kurangnya dataset yang tersedia menyebabkan model tidak dapat bekerja dengan baik sehingga dilakukan augmentasi data untuk mengatasi permasalahan tersebut. Hasil kinerja menunjukkan bahwa VGG16 memberikan performa terbaik diikuti oleh ResNet50 dan EfficientNetB0. VGG16 memiliki performa terbaik dengan training accuracy 100%, validation accuracy 100%, training loss 0.000061932, validation loss 0.000000027, testing accuracy 55% dan testing loss 0.687658. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 129220 2024-08-30 14:06:35 2024-08-31 11:25:46 machine generated