eprintid: 51126 rev_number: 7 eprint_status: archive userid: 69 dir: disk0/00/05/11/26 datestamp: 2025-07-10 05:34:11 lastmod: 2025-07-10 05:34:11 status_changed: 2025-07-10 05:34:11 type: thesis metadata_visibility: show creators_name: Aji, Muhammad Eka Setio creators_id: 3332190068 contributors_type: http://www.loc.gov/loc.terms/relators/THS contributors_name: Alfanz, Rocky corp_creators: Fakultas Teknik Universitas Sultan Ageng Tirtayasa title: ANALISIS PERFORMA CONVOLUTIONAL NEURAL NETWORK UNTUK PENGENALAN WAJAH PADA SPEKTRUM INFRAMERAH ispublished: unpub subjects: TK divisions: Elektro full_text_status: restricted 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. date: 2022 date_type: completed institution: Fakultas Teknik Universitas Sultan Ageng Tirtayasa department: teknik elektro thesis_type: sarjana thesis_name: sarjana citation: Aji, Muhammad Eka Setio (2022) ANALISIS PERFORMA CONVOLUTIONAL NEURAL NETWORK UNTUK PENGENALAN WAJAH PADA SPEKTRUM INFRAMERAH. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa. document_url: https://eprints.untirta.ac.id/51126/1/Muhammad%20Eka%20Setio%20Aji_3332190068_Fulltext.pdf