Please use this identifier to cite or link to this item: http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5626
Full metadata record
DC FieldValueLanguage
dc.contributor.authorRosnelly, Rika-
dc.date.accessioned2023-04-27T14:56:03Z-
dc.date.available2023-04-27T14:56:03Z-
dc.date.issued2021-06-02-
dc.identifier.issn2085-1367-
dc.identifier.urihttp://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5626-
dc.descriptionSuatu sistem pengenalan wajah harus memiliki kemampuan untuk belajar[1]. Wajah memiliki tugas penting dalam interaksi dengan manusia lain serta sebagai kunci dalam penyampaian/pengenalan identitas seorang manusia[2]. klasifikasi suatu wajah didapatkan dengan membandingkan wajah baru dengan ciri individual yang telah tersimpan pada suatu database[3]. Pengenalan wajah secara sederhana adalah identifikasi (test) suatu citra wajah baru terhadap sejumlah citra wajah yang telah disimpan sebelumnya (training) pada database, maka untuk memudahkan citra wajah yang akan diidentifikasi kerap disebut test image sedangkan target identifikasinya disebut training set. Principal Component Analysis(PCA) dapat dipergunakan untuk ekstraksi fitur wajah[4],[1]. PCA menyediakan cara yang mudah untuk mengurangi kompleksitas data dengan memprojeksikannya menjadi sebuah space dengan dimensi yang kecil sembari tetap mempertahankan sebanyak mungkin variabilitas[5]. Salah satu masalah yang dianggap umum dalam sistem pengenalan wajah adalah variasi pada kondisi pencahayaan[1]. Kondisi pencahayaan terjadi akibat pancaran yang diterima objek tidak mencukupi, sehingga cenderung memiliki visibilitas rendah, kontras berkurang, warna kabur, dan detail yang kabur[6]. Untuk mengungkap detail citra yang tersembunyi pada bagian yang gelap, low light image enchancement[6] perlu dilakukan. Telah banyak teknik low-light image enhancement yang telah diciptakan, yang menjadi masalah adalah teknik mana yang yang lebih baik dalam menghadapi pengenalan wajah. Pada penelitian ini akan diuji pengaruh dari beberapa teknik low-light image enhancement terhadap tingkat pengenalan wajah dengan kondisi pencahayaan berbeda. Teknik yang akan diujikan dalam penelitian ini adalah Single-scale Retinex atau SSR [7], MSR [8] Adaptive Multi-Scale Retinex atau AMSR [9], Metode Xuan Dong [10], Histogram Equalization atau HE [11], dan dan Brightness Preserving Dynamic Histogram Equalization atau BPDHE[12] .en_US
dc.description.abstractSistem pengenalan wajah secara umum akan digunakan secara real time dalam mengenali individu, artinya noise tidak dapat terhindarkan. Salah satu masalah yang dianggap umum adalah kokndisi pencahayaan. Kondisi pencahayaan terjadi akibat pancaran yang diterima objek tidak mencukupi sehingga cenderung memiliki visibilat rendah, kontras berkurang, warna kabur, dan detail yang kabur. Maka low-light image enhancement dapat menjadi solusinya. Terdapat banyak sekali metode low-light image enhancement yang tersedia, namun mana teknik yang lebih baik dalam pengenalan wajah masih menjadi perdebatan. Untuk menemukan metode low light image enhancement yang baik maka pada penelitian ini dirancang beberapa sistem pengenalan wajah dengan PCA sebagai ekstraksi fitur serta menerapkan SSR, MSR, AMSR, Dong, HE dan BPDHE sebagai metode low-light image enhancement. Dataset SOF dipilih sebagai target pengujian dikarenakan berisi citra dengan kondisi pencahayaan berbeda. Sebagai tujuan, keseluruhan sistem pengenalan wajah akan dibandingkan tingkat pengenalannya untuk menemukan metode low-light image enhancement terbaik. Berdasarkan pengujian dan analisis, ditemukan bahwa mayoritas sistem mengalami peningkatan tingkat pengenalan dengan diterapkannya metode low-light image enhancement, dan sebagai metode terbaik HE (76,28866 %) menunjukkan hasil yang paling signifikan, disusul dengan AMSR (75,25773 %), MSR (74,2268 %), SSR (69,07216 %), BPDHE (67,01031 %) dan Dong (63,91753 %).en_US
dc.publisherCSRID Journalen_US
dc.relation.ispartofseriesVol. 13 No. 2 Juni 2021;118-129-
dc.subjectPCA, Ekstraksi Fitur, SSR, MSR, AMSR, Dong, He, BPDHE, Low-light image enhancement, Pengenalan Wajah, Specs on facesen_US
dc.titleANALISIS PENGARUH LOW-LIGHT IMAGE ENHANCEMENT PADA PENGENALAN WAJAHen_US
dc.typeOtheren_US
Appears in Collections:A Paper

Files in This Item:
File Description SizeFormat 
24. Analisis Pengaruh Low Light-Juni 2021.pdf296.31 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.