CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION (CLAHE) UNTUK PENINGKATAN KINERJA SISTEM PENGENALAN WAJAH

Abstract

Pengenalan wajah merupakan teknologi biometrik yang banyak digunakan untuk sistem keamanan dan absensi otomatis. Salah satu tantangan utama dalam pengenalan wajah adalah variasi pencahayaan yang dapat menurunkan akurasi deteksi. Penelitian ini bertujuan meningkatkan kinerja sistem pengenalan wajah dengan menerapkan Contrast Limited Adaptive Histogram Equalization (CLAHE) pada tahap praproses citra. Dataset wajah yang digunakan telah melalui proses augmentasi untuk memperkaya variasi data. Model yang digunakan adalah MobileNetV2 yang diimplementasikan menggunakan PyTorch. Evaluasi dilakukan dengan membandingkan performa model pada data yang telah diproses menggunakan CLAHE dan data asli tanpa CLAHE. Hasil eksperimen menunjukkan bahwa penggunaan CLAHE meningkatkan akurasi dari 86% menjadi 87% dan menghasilkan nilai ROC-AUC (macro) sebesar 0,9850, lebih tinggi dibandingkan tanpa CLAHE. Temuan ini menunjukkan bahwa CLAHE berkontribusi dalam meningkatkan kemampuan model untuk mengenali wajah pada kondisi pencahayaan yang bervariasi.