<![CDATA[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.]]>
Copyrights © 2025
