<![CDATA[Penelitian ini berfokus pada pengenalan wajah dalam video menggunakan metode Active Appearance Model (AAM), sebuah teknik yang mengintegrasikan informasi bentuk dan tekstur wajah untuk melakukan deteksi serta fitting wajah dengan presisi tinggi. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi kinerja model AAM yang dilatih menggunakan dataset Labeled Faces in the Wild (LFPW) dan menerapkannya pada aplikasi real-time. Uji coba dilakukan dalam berbagai kondisi pencahayaan, variasi ekspresi wajah, dan sudut pandang yang berbeda untuk menilai ketahanan (robustness) dari model yang dikembangkan. Hasil pengujian menunjukkan bahwa AAM mampu mengenali wajah dengan tingkat akurasi yang signifikan, bahkan pada kondisi video real-time yang menantang. Namun, ditemukan penurunan performa ketika model dihadapkan dengan kondisi pencahayaan yang sangat rendah atau sangat terang serta variasi ekspresi wajah yang sangat signifikan. Meski demikian, hasil penelitian secara keseluruhan menunjukkan bahwa model AAM yang dilatih pada dataset LFPW memberikan tingkat kesalahan fitting rata-rata sebesar 0,12 pada landmark wajah tertentu, terutama di area mata dan mulut. Temuan ini mengindikasikan bahwa AAM memiliki potensi besar untuk diterapkan dalam sistem pengenalan wajah berbasis video, namun memerlukan pengembangan lebih lanjut untuk menghadapi situasi yang lebih kompleks.]]>
