<![CDATA[The development of information and communication technology has increased the need for more secure and efficient authentication systems on mobile devices, given the growing cases of data breaches and identity theft. This research employs the Eigenface-CNN composition method to enhance the performance of biometric authentication models. The Eigenface method uses Principal Component Analysis (PCA) to reduce data dimensions and extract key features from facial images, while CNN is used to identify more complex facial features. The results show that this method can recognize faces with high accuracy, achieving an average confidence value of 87.95% and a highest value of 97.53%. It also demonstrates robustness against variations in lighting and facial poses. These findings suggest that the Eigenface-CNN composition method is feasible for implementation in biometric authentication systems on mobile devices, thereby enhancing user security and convenience.Kata kunci: Face Recognition; Eigenface; CNN; Biometric AbstrakPerkembangan teknologi informasi dan komunikasi telah meningkatkan kebutuhan akan sistem autentikasi yang lebih aman dan efisien pada perangkat mobile, mengingat kasus kebocoran data dan pencurian identitas yang semakin marak. Penelitian ini menggunakan metode komposisi Eigenface-CNN untuk meningkatkan performa model autentikasi biometrik. Metode Eigenface menggunakan analisis komponen utama (PCA) untuk mereduksi dimensi data dan mengekstraksi fitur utama dari citra wajah, sementara CNN digunakan untuk mengidentifikasi fitur wajah yang lebih kompleks. Hasil penelitian menunjukkan bahwa metode ini mampu mengenali wajah dengan akurasi tinggi, dengan nilai confidence rata-rata mencapai 87.95% dan nilai tertinggi 97.53%, serta menunjukkan ketahanan terhadap variasi pencahayaan dan pose wajah. Temuan ini menunjukkan bahwa metode komposisi Eigenface-CNN layak diimplementasikan dalam sistem autentikasi biometrik pada perangkat mobile untuk meningkatkan keamanan dan kenyamanan pengguna.Kata kunci: Pengenalan Wajah; Eigenface; CNN; Biometrik]]>
Copyrights © 2024
