Autentikasi Pintu Menggunakan Haarcascade dan CNN Dengan Optimalisasi Ambang Batas Menggunakan EER [AJG]

Abstract

Teknologi pengenalan wajah semakin banyak diterapkan dalam sistem keamanan, termasuk sebagai alternatif kunci konvensional pada rumah. Haar Cascade dikenal efisien dalam deteksi wajah real-time, namun memiliki keterbatasan terhadap variasi pencahayaan dan sudut wajah. Sementara itu, Convolutional Neural Network (CNN) menawarkan akurasi tinggi namun memerlukan daya komputasi besar. Penelitian ini menggabungkan Haar Cascade dan CNN untuk membangun sistem autentikasi wajah yang seimbang antara efisiensi dan akurasi. Optimasi ambang batas dilakukan dengan Equal Error Rate (EER) guna menyeimbangkan tingkat kesalahan penerimaan dan penolakan. Hasilnya diharapkan mendukung pengembangan sistem autentikasi biometrik yang andal dan adaptif.