Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Fitriani, Nurul Hana Shahla
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Penggunaan Histogram Equalization dan CNN untuk Pengenalan Wajah Fitriani, Nurul Hana Shahla
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gtdx4e57

Abstract

Pengenalan wajah (Face Recognition) merupakan salah satu cabang dari pengolahan citra digital yang berfokus pada proses identifikasi dan klasifikasi wajah individu berdasarkan ciri atau fitur unik yang dimiliki setiap orang. Namun, performa sistem pengenalan wajah dapat mengalami penurunan akurasi akibat kondisi pencahayaan yang tidak optimal, yang menyebabkan citra wajah menjadi kurang jelas dan sulit diidentifikasi. Untuk mengatasi permasalahan tersebut, digunakan teknik Histogram Equalization (HE) guna meningkatkan kualitas citra dengan meratakan distribusi intensitas piksel, sehingga kontras gambar menjadi lebih optimal. Selain itu, implementasi Convolutional Neural Network (CNN) dalam sistem ini sangat krusial karena CNN mampu mempelajari fitur-fitur penting dari citra wajah secara otomatis dan hierarkis, yang membuatnya  efektif dalam tugas-tugas seperti deteksi wajah, klasifikasi, dan pengenalan objek. Penelitian ini juga melakukan proses pelatihan (training) dan pengujian (testing) dua kali dengan nilai epoch yang berbeda, yaitu 15 dan 20, untuk mengevaluasi performa model. Pemilihan nilai epoch ini didasarkan pada belum adanya standar baku dari penelitian sebelumnya mengenai skala optimal epoch. Hasil dari kombinasi metode ini diharapkan dapat meningkatkan akurasi sistem pengenalan wajah, khususnya untuk aplikasi seperti sistem absensi, keamanan, dan layanan medis.
Co-Authors