Sistem pengenalan wajah merupakan sistem yang dapat mengidentifikasi wajah seseorang
berdasarkan fitur dari wajah orang tersebut. Sistem pengenalan wajah telah berkembang pesat
dalam beberapa tahun terakhir dan telah banyak diaplikasikan, khususnya pada bidang
pengawasan. Sistem pengenalan wajah memerlukan kecepatan yang tinggi, dan nilai akurasi
yang baik untuk diaplikasikan pada bidang pengawasan. Akan tetapi, performa sistem state-ofthe-art menurun drastis saat digunakan untuk mengenali wajah pada citra beresolusi rendah.
Hal ini membatasi aplikasi sistem pengenalan wajah untuk bidang pengawasan yang umumnya
hanya memiliki citra beresolusi rendah. Terdapat beberapa sistem pengenalan wajah beresolusi
rendah saat ini, namun terdapat beberapa permasalahan dan akurasinya masih rendah. Untuk
mengatasi permasalahan resolusi rendah, dibangun sistem pengenalan wajah beresolusi rendah
dengan deep convolutional network. Sistem dibagi menjadi tiga komponen, yaitu komponen
deteksi dan ekstraksi wajah, komponen preprocessing, dan komponen pengenalan wajah.
Eksperimen dilakukan untuk menentukan teknik-teknik dengan hasil dan kecepatan tinggi
untuk setiap komponen sistem. Setelah perbandingan dan evaluasi, didapatkan teknik-teknik
yang cocok untuk setiap komponen sistem. Pada komponen deteksi dan ekstraksi wajah,
digunakan teknik pendeteksian objek SSD. Pada komponen preprocessing, digunakan CARN
untuk melakukan super resolution. Pada komponen pengenalan wajah, digunakan FaceNet
untuk face embedding dengan classifier k-Nearest Neighbors. Sistem dievaluasi menggunakan
empat versi dataset LFW, yang meliputi satu versi resolusi tinggi dan tiga versi resolusi rendah,
yang terdiri dari resolusi 32×32, 24×24, dan 16×16 pixels. Berdasarkan evaluasi, sistem
mendapatkan nilai akurasi 75.65% untuk resolusi 16×16, 96.08% untuk 24×24, 98.39% untuk
32×32, dan 99.7% untuk resolusi tinggi. Sistem mampu memproses 6 FPS untuk citra resolusi
rendah dan 9 FPS untuk citra resolusi tinggi dengan menggunakan GPU Nvidia GTX 1050.