Perbandingan Metode Principal Component Analysis Dan Convolutional Neural Network Untuk Pengenalan Wajah Pada Raspberry Pi

Pengenalan wajah merupakan teknologi biometrik yang krusial dalam berbagai aplikasi seperti keamanan, pengawasan dan sistem akses informasi. Namun, aku- rasi sistem ini dapat terganggu oleh beberapa faktor seperti pencahayaan, ekspresi wajah dan oklusi. Penelitian ini membandingkan metode Principal Component Analysis (PCA) dan Convolutional Neural Network (CNN) untuk pengenalan wajah pada Raspberry Pi 3 Model B+ dan mengevaluasi kinerja kedua metode terhadap parameter iluminasi, ekspresi, dan oklusi, serta membandingkan beban komputasi yang diperlukan. Dari pengujian yang telah dilakukan, menunjukkan bahwa PCA memiliki akurasi total 79.59% dengan waktu pengenalan rata-rata
0.67 detik, serta penggunaan CPU dan RAM yang lebih rendah. PCA lebih efisien dalam hal komputasi dan cocok untuk kondisi dengan kapasitas komputasi yang terbatas, seperti pencahayaan stabil dan perangkat dengan daya pemrosesan rendah. Di sisi lain, CNN mencapai akurasi lebih tinggi sebesar 81.63%, na- mun dengan waktu pengenalan lebih lambat yaitu 1.08 detik, serta memerlukan lebih banyak penggunaan CPU dan RAM. CNN unggul dalam menghadapi para- meter yang lebih bervariasi, namun membutuhkan daya komputasi yang lebih besar.