@unpublished{eprintuntirta51126,
           title = {ANALISIS PERFORMA CONVOLUTIONAL NEURAL 
NETWORK UNTUK PENGENALAN WAJAH PADA 
SPEKTRUM INFRAMERAH},
            year = {2022},
          school = {Fakultas Teknik Universitas Sultan Ageng Tirtayasa},
          author = {Muhammad Eka Setio Aji},
        keywords = {CNN, Citra inframerah, Citra RGB},
        abstract = {Citra inframerah memiliki keunggulan dengan tidak terpengaruh oleh iluminasi 
cahaya jika dibandingkan dengan kamera RGB biasa. Disamping kelemahan dari 
citra inframerah yang rendah informasi dan kualitas tekstur, hal tersebut dapat 
diatasi dengan menggunakan metode yang memiliki potensi untuk melakukan 
ekstraksi fitur dengan memanfaatkan kedalaman layar. CNN dengan Haar 
Classifier dapat digunakan menjadi solusi untuk mengatasi permasalahan tersebut. 
Dengan tingkat akurasi tertinggi hingga mencapai 0,98 dan rata-rata sebesar 0,94 
metode ini memiliki kehandalan yang tinggi untuk merekognisi subjek. 
Pengambilan data dengan 2 modalitas sekaligus dalam citra infra-merah dan RGB. 
Komparasi dilakukan dengan tujuan mengetahui perbandingan performa proses 
pengenalan wajah dengan kondisi lingkungan rendah pencahayaan antara 9 hingga 
21 Lux. Hasil komparasi menunjukan kehandalan dari citra infra-merah tidak 
terpengaruh dengan iluminasi cahaya, sementara citra RGB sangat terpengaruh 
dengan iluminasi cahaya dan hal tersebut sangat mempengaruhi kehandalan dari 
sistem.},
             url = {https://eprints.untirta.ac.id/51126/}
}