Analisis perbandingan akurasi algoritma haar cascade dan MTCNN untuk deteksi wajah pada kondisi cahaya
Keywords:
haar cascade, MTCNN , pengenalan wajah, pencahayaanAbstract
Integrasi teknologi pengenalan wajah (face recognition) kini telah bertransformasi menjadi instrumen krusial di berbagai sektor strategis, mulai dari sistem keamanan biometrik hingga otomasi presensi cerdas. Kendati demikian dinamika lingkungan seperti kondisi pencahayaan ruangan yang kurang baik, masih menjadi hambatan dalam kapabilitas teknologi tersebut. Penelitian ini bertujuan untuk melakukan analisis kuantitatif guna membandingkan performa akurasi antara Haar Cascade dan MTCNN di bawah tekanan pencahayaan ruangan yang ekstrem, dengan menggunakan dataset Extended Yale Face Database B sebagai landasan pengujian utama. Selanjutnya penelitian ini menggunakan metode penelitian komputasional dengan pendekatan komparatif kuantitatif, yang dilaksanakan di lingkungan virtual Google Colab, dengan memanfaatkan infrastruktur berbasis cloud. Dataset yang digunakan dalam penelitian ini terdiri dari 16.380 citra yang mencakup berbagai skenario pencahayaan ekstrem. Hasil penelitian menunjukkan tingkat akurasi MTCNN mencapai 91,71% lebih unggul dibandingkan Haar Cascade yang mencatat angka 87,48% dalam kondisi terang. Hal ini membuat MTCNN memiliki performa yang lebih unggul dibandingkan Haar Cascade di seluruh kategori pencahayaan. Tetapi dalam penelitian, intensitas cahaya menjadi hambatan kritis bagi kedua metode. Terjadi degradasi performa tajam pada kondisi redup (akurasi 38-41%) dan kegagalan hampir total pada kondisi gelap ekstrem (akurasi <3%). Sehingga sistem deteksi wajah standar masih memerlukan teknik pemrosesan awal untuk dapat beroperasi secara reliabel di lingkungan minim cahaya.
Downloads
References
Anggraeni, M., & Damanik, H., A. (2025). Implementasi arsitektur MTCNN pada kelas dimensi piksel berbeda dan plotting multi wajah pada hasil deteksi. Jurnal Pekommas, 10(1), 91.103. https://doi.org/10.56873/jpkm.v9i1.5843.
Aulia, K. (2025). Modified zero-reference deep curve estimation for contrast quality enhancement in face recognition. IAES International Journal of Artificial Intelligence, 14(1), 112–120.
Du, J. (2020). High-precision portrait classification based on MTCNN and its application on similarity judgement. Journal of Physics: Conference Series.
Hasan, M. K., et al. (2021). Human face detection techniques: A comprehensive review and future research directions. Electronics, 10(19), 2354. https://doi.org/10.3390/electronics10192354.
Mugalu, B., W., Wamala, R., C., Serugunda, J., & Katumba, A. (2021). Face recognition as a method of authentication ina web-based system. Arxiv Cornell University. https://doi.org/10.48550/arXiv.2103.15144
Naser, M. (2024). Comparative analysis of MTCNN and Haar Cascades for face detection in images with variation in yaw poses. Journal of Communications Software and Systems, 20(2), 45–53.
Nurhidayanti, M. (2025). Penerapan deep learning dalam pengenalan wajah untuk sitem keamanan. Jurnal Informatika Indonesia, 1(1), 29-37. https://jurnal.samudrailmu.com/index.php/jfi.
Nurjabar, I., & Nicky, M. (2022). Metode pendeteksi masker menggunakan metode haar cascade, guna meminimalisir penularan covid-19. Journal of Information Technology and Computer Science (INTECOMS), 5(1), 49-55.
Purwati, R., & Ariyanto, G. (2018). Pengenalan wajah manusia berbasis algoritma local binary pattern. Emitor: Jurnal Teknik Elektro 17(2), 29-38.
Putri, L., A., Harahap, L., S., & Ulfa, M. (2025). Deteksi pola wajah otomatis dalam pengolahan citra digital menggunakan metode haarcascade classifier. Journal of Software Engineering, Computer Science and Information Technology, 6(1), 57-64.
Rabbani, M., H., Rahmadewi, R., & Stefanie, A. (2025). Deteksi penggunaan masker berbasis histogram warna dan haar cascade. Tesla: Jurnal Elektro, 27(1), 1-10. https://doi.org/10.24912/tesla.v27i1.33366.
Radianti, J., Majchrzak, T., A., Fromm, J., & Wohlgenant, I. (2020). Virtual reality in education: a meta-analysis and research agenda. Computers & Education, 147, 103778.
Susim, T., & Darujati, C. (2021). Pengolahan citra untuk pengenalan wajah (face recognition) menggunakan opencv. Jurnal Syntax Admiration, 2(3), 534-545.
Wang, Z., & Zhang, Y. (2024). Illumination-aware enhancement for low-light face recognition. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 1240–1249.
Zhu, H., et al. (2024). Dynamic feature enhancement for robust real-time face recognition. Journal of Intelligence and Cyber Security, 7(3), 88–101.
