PENINGKATAN DETEKSI DAN PENGENALAN WAJAH YOLOV5 PADA KONDISI CAHAYA RENDAH MENGGUNAKAN CLAHE

Ferdiansyah, Rayhan (2026) PENINGKATAN DETEKSI DAN PENGENALAN WAJAH YOLOV5 PADA KONDISI CAHAYA RENDAH MENGGUNAKAN CLAHE. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_57201_2213030111.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (Similarity) RAMA_57201_2213030111_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (7MB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2213030111_0723058501_0721018801_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (494kB)
	Text (BAB 2) RAMA_57201_2213030111_0723058501_0721018801_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (396kB) | Request a copy
	Text (BAB 3) RAMA_57201_2213030111_0723058501_0721018801_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (756kB) | Request a copy
	Text (BAB 4) RAMA_57201_2213030111_0723058501_0721018801_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (734kB) | Request a copy
	Text (BAB 5) RAMA_57201_2213030111_0723058501_0721018801_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (212kB) | Request a copy
	Text (References) RAMA_57201_2213030111_0723058501_0721018801_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (195kB)
	Text (Lampiran) RAMA_57201_2213030111_0723058501_0721018801_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (508kB) | Request a copy

Abstract

Sistem pengenalan wajah biometrik telah menjadi instrumen keamanan utama dalam mengelola kontrol akses fisik maupun sistem presensi digital di berbagai institusi. Kendala terbesar yang sering dihadapi oleh infrastruktur ini adalah penurunan ketangguhan operasional secara drastis ketika diimplementasikan pada lingkungan minim cahaya (low light), yang mengakibatkan memudarnya detail geometri wajah dan menyulitkan proses verifikasi identitas. Penelitian ini bertujuan untuk mengukur tingkat efektivitas penerapan algoritma Contrast Limited Adaptive Histogram Equalization (CLAHE) terhadap keberhasilan lokalisasi objek YOLOv5-Face dan akurasi ekstraksi fitur FaceNet pada skenario pencahayaan rendah. Metodologi yang diterapkan merupakan kerangka kerja Cross Industry Standard Process for Data Mining (CRISP-DM). Hasil pengujian berbasis data mining menggunakan 1.000 sampel citra wajah menunjukkan bahwa prapemrosesan CLAHE berhasil memulihkan tingkat laju deteksi model YOLOv5-Face dari 88,7% menjadi 89,8%. Lebih lanjut, performa daya pada model FaceNet mencapai titik maksimal pasca intervensi dengan perolehan nilai Area Under Curve (AUC-ROC) sebesar 0,927, serta mampu mengunci parameter Precision secara konsisten di atas 95,0% dengan batas persentase salah terima yang sangat rendah. Kesimpulan dari penelitian ini menegaskan bahwa penerapan CLAHE sangat efektif untuk menjaga keandalan operasional sistem pengenalan wajah agar tetap memenuhi standar keamanan tinggi di area redup. Keterbatasan dari penelitian ini terletak pada penggunaan rekayasa simulasi pencahayaan berbasis koreksi gamma yang bersifat deterministik sehingga belum sepenuhnya merepresentasikan derau distorsi organik dari lensa kamera. Pengembangan penelitian selanjutnya disarankan untuk mengadopsi arsitektur restorasi cahaya berbasis jaringan saraf tiruan mendalam (deep learning) serta menguji sistem tersebut secara langsung pada perangkat kamera pengawas di lapangan.

Actions (login required)

View Item