pengenalan citra wajah

7/27/2019 Pengenalan Citra Wajah

http://slidepdf.com/reader/full/pengenalan-citra-wajah 1/34

Pembuatan Aplikasi Pengenalan Citra Wajah

Dengan Menggunakan Metode Statistikal

Graylevel Coocurence Matrix G!CM"

SKRIPSI

SEMINAR HASIL

Oleh :

Agung Wicaksono 2006 12 044

PROGRAM STUDI TEKNIK INFORMATIKA

SEKOLAH TINGGI TEKNOLOGI (STITEK)

BONTANG



2010

KATA PENGANTAR

Assalamu’alaikum Wr. Wb

Dengan menyebut nama Allah Yang Maha Pengasih dan Penyayang, penulis

panjatkan Puji dan Syukur Kehadirat ALLAH SWT karena sungguh tiada sesuatupun

yang terasa berat atas petunjuk serta Kehendakya dan hanya dengan !ahmatyalah

penulis dapat menyelesaikan Tugas Akhir yang berjudul " # Pembuatan Aplikasi

Pengenalan Citra Wajah Dengan Metode #kstraksi $rde Dua Menggunakan

%orland Delhpi & #$

Tugas Akhir ini merupakan salah satu syarat untuk menyelesaikan studi

tingkat Strata satu %S&' di Sek(lah Tinggi Tekn(l(gi %ST)T*K' +(ntang, tugas akhir

ini dapat terselesaikan karena banyak pihak yang membantu dan membimbing serta

memberikan m(tiasi$ -leh Karena itu pada kesempatan ini penulis ingin

mengu.apkan terimah kasih kepada "

1. +apak Ansar !i/al, ST$, M$K(m Selaku Ketua Sek(lah Tinggi Tekn(l(gi

%ST)T*K' +(ntang sekaligus pembimbing & yang mengarahkan dan

membimbing hingga terselesaikannya Tugas Akhir ini$

0$ +apak Masagus Muh$ Yusu1, ST$, M$K(m Selaku Ketua Pr(gram Studi

Teknik )n1(rmatika Sek(lah Tinggi Tekn(l(gi %ST)T*K' +(ntang$



3. M$ 2arman Andrijasa, S$K(m$,M$K(m Selaku D(sen Pembimbing )) yang

mengarahkan dan membimbing hingga terselesaikannya Tugas Akhir ini$

4. +apak Hari Pur3adi, ST$, M$S., +apak Khairudin Karim, ST$, MT dan +apak

Kary( +udi 4t(m(, S$K(m$, M$*ng Selaku D(sen Penguji Seminar Hasil

yang telah memberikan sarannya$

5$ )bu *ylia, ST Selaku Sta1 +AAK yang telah memberikan Data 6umlah

Mahasis3a Sek(lah Tinggi Tekn(l(gi %ST)T*K' +(ntang guna untuk

penelitian hingga terselesaikannya Tugas Akhir ini$

7$ Kedua -rang Tua dan kakak8kakakku yang selalu memberikan kasih sayang,

semangat serta d(a$

Penulis menyadari bah3a penulisan Tugas Akhir ini masih banyak

kekurangan dan kesalahan dalam penulisan yang mungkin tanpa penulis sadari, untuk

itu saran dan kritik yang membangun sangat diharapkan$

Sem(ga apa yang telah diberikan selama ini kepada penulis di.atat sebagai

amal kebajikan dan diberi balasan yang terbaik (leh Allah SWT$

Demikian Tugas Akhir yang dapat penulis sajikan, sem(ga dapat berman1aat

bagi generasi yang akan datang$

Wassalamu’alaikum Wr. Wb.

+(ntang, &9 Desember 0:&:



Penulis

BAB I.

PENDAHULUAN

I.1 Latar Belakan

Pengenalan 3ajah atau 'ace (ecognition merupakan sebuah sistem

identi1ikasi pribadi yang menggunakan karakteristik 3ajah sese(rang untuk

mengidenti1ikasikan identitas sese(rang sehingga dapat membedakan dengan (rang

yang lainnya $ amun adakalanya se.ara kasat mata, sangat sulit membedakan 3ajah

sese(rang dengan (rang yang lain karena adanya kemiripan$ Dan saat ini telah banyak

met(de yang digunakan untuk membuat sebuah aplikasi yang dapat membantu

sebuah instansi untuk men.ari sese(rang dengan .iri8.iri tertentu, salah satunya yang

akan di bahas di lap(ran ini adalah aplikasi yang menggunakan met(de ekstraksi (rde

dua$

*kstraksi (rde dua adalah pr(ses klasi1ikasi dan interpretasi .itra yang

dilakukan dengan matriks k((nkurensi, yaitu suatu matriks antara yang

merepresentasikan hubungan ketetanggaan antar piksel dalam .itra pada berbagai

arah (rientasi dan jarak spasial$ Dalam penerapan met(de ini akan digunakan bahasa

pem(graman +(rland Delpi ;$



Delphi adalah suatu bahasa pem(graman %deel(pment language' yang

digunakan untuk meran.ang suatu aplikasi pr(gram yang berbasis gra1is, jaringan

maupun pr(gram $et$ Delphi ; merupakan ersi standar yang masih sering

digunakan (leh para pr(grammer dikarenakan stabilitas, ke.epatan, persyaratan

perangkat keras yang rendah, telah didukung untuk 3ind(3s <P, dan tidak

memerlukan aktiasi$ Delphi ; dapat meran.ang inter)ace pengguna gra1is dengan

mudah dan .epat$ Dengan teknik peng(lahan .itra, dapat memanipulasi ke.erahan

.itra, k(ntras, menemukan 1itur tepi, memberi e1ek emb(ss, atau mengubah .itra ke

m(dus lukisan minyak$ Peng(lahan .itra berkaitan dengan manipulasi 3arna,

binerisasi .itra, (perasi pi=el demi pi=el bahkan 1rame demi 1rame (perasi$

I.! Rumusan "asala#

Dari latar belakang tersebut diatas, dapat dirumuskan beberapa permasalahan

yang akan dijadikan dasar dalam penyusunan Tugas Akhir ini, yaitu"

1. +agaimana membangun aplikasi pengenalan .itra dengan met(de

ekstraksi (rde 0 menggunakan Matlab$

2. +agaimana tingkat keakuratan >ray Leel ?((.uren.e Matri= dalam

pr(ses pengenalan p(la pada 3ajah$

I.$. Batasan "asala#



4ntuk menghindari meluasnya pembahasan maka ruang lingkup pembahasan

pada pr(p(sal Tugas Akhir ini adalah "

&$ ?itra yang digunakan mempunyai ukuran piksel

0$ ?itra inputan yang digunakan adalah .itra dengan e1ek grays.ale

9$ ?itra inputan dalam 1(rmat bitmap

@$ Met(de peng(lahan .itra menggunakan >L?M % >rayleel ?((.uren.e

Matri= '

5$ Pembuatan S(1t3are menggunakan +(rland Delphi ;

I.%. Tu&uan 'an "an(aat

Tujuan

Penyelesaian Tugas Akhir ini bertujuan membangun aplikasi pengenalan .itra

dengan met(de ekstraksi (rde 0 menggunakan +(rland Delphi ;

Man1aat

Pada Penulisan ini penulis berharap dapat berman1aat bagi penulis khususnya,

dan pemba.a pada umumnya$ Man1aat dari pengenalan 3ajah diantaranya

adalah untuk"

&$ Pengenalan .itra 3ajah dapat digunakan dalam bidang hukum, hiburan,

keamanan dan sebagainya

0$ Memperkenalkan 1(rmula matematika dan statistika dalam met(de

>L?M$



I.). *istematika La+,ran

4ntuk mempermudah dan memahami Tugas Akhir ini maka perlu disuun

sistematika penulisan yang meliputi 5 p(k(k pembahasan"

1. +A+ & " P*DAH4L4A

+ab ini berisi tentang latar belakang, perumusan masalah, batasan

masalah,tujuan dan man1aat serta sistematika penulisan

2. +A+ 0 " DASA! T*-!)

+ab ini berisi tentang sekilas materi dasar tentang .itra, matriks, >L?M

%>rayleel ?((.uren.e Matri=', serta +(rland Delphi ;$

9$ +A+ 9 " M*T-D-L->) P**L)T)A

+ab ini berisi tentang pengurain dan deskripsi tentang tahapan pengambilan

sampel .itra serta tahapan pr(ses sampel serta m(del peran.angan aplikasi

pengenalan .itra 3ajah menggunakan met(de >L?M menggunakan +(rland

Delphi ;$

@$ +A+ @ " P*M+AHASA

+ab ini berisi tentang penguraian dan pembahasan tahapan pembuatan

aplikasi pengenalan .itra 3ajah menggunakan met(de >L?M dengan

Pr(gram +(rland Delphi ;$ Serta perhitungan derajat deiasi

5$ +A+ 5 " P*4T4P



+ab ini berisi tentang kesimpulan dan saran yang di per(leh selama dalam

pembuatan Tugas Akhir ini$

BAB II.

DA*AR TE-RI

II.1 itra

?itra yang dimaksud adalah gambar dua dimensi yang dihasilkan dari gambar

anal(g dua dimensi yang k(ntinu menjadi gambar diskrit$ >ambar anal(g dihasilkan

dari sistem (ptik yang menerima sinyal anal(g, biasanya didapat dari kamera anal(g

atau mata manusia, sedangkan .itra diskrit atau .itra digital dihasilkan dari pr(ses

digitalisasi .itra anal(g$

?itra digital merupakan suatu 1ungsi dengan nilai8nilai yang berupa intensitas

.ahaya pada tiap8tiap titik pada bidang yang telah diuantisasikan %diambil

sampelnya pada interal diskrit'$ Titik dimana suatu gambar di8sampling disebut

picture element %pi=el'$ ilai intensitas 3arna pada suatu pi=el disebut gray scale

level*

& bit B binary+valued image %: 8 &'

C bits B gray level %: 8 055'



&7 bits B high .(l(r %0&7'

0@ bits B 00@ true .(l(r

90 bits B true .(l(r %090'

2(rmat gambar digital memiliki 0 parameter"

1. Spatial res(luti(n / pixels = pixels

2. ?(l(r en.(ding / bits pixel

2(rmat 1ile >ambar

&$ +itmap %$+MP'

8 2(rmat gambar yang paling umum dan merupakan 1(rmat standar

Wind(3s$

8 4kuran 1ilenya sangat besar karena bisa men.apai ukuran Megabytes$

8 2ile ini merupakan 1(rmat yang belum terk(mpresi dan menggunakan

sistem 3arna !>+ %!ed, >reen, +lue' dimana masing8masing 3arna

pi=elnya terdiri dari 9 k(mp(nen, !, >, dan + yang di.ampur menjadi

satu$

8 2ile +MP dapat dibuka dengan berbagai ma.am s(1t3are pembuka

gambar seperti A?DSee, Paint, )ranEie3 dan lain8lain$

8 2ile +MP tidak bisa %sangat jarang' digunakan di 3eb %internet' karena

ukurannya yang besar$

0$ 6(int Ph(t(graphi. *=pert >r(up %$6P*>6P>'



8 2(rmat 6P> merupakan 1(rmat yang paling terkenal sekarang ini$

8 Hal ini karena si1atnya yang berukuran ke.il %hanya puluhanratusan

K+ saja', dan bersi1at p(rtable$

8 2ile ini sering digunakan pada bidang 1(t(gra1i untuk menyimpan 1ile

1(t($

8 2ile ini bisa digunakan di 3eb %internet'$

9$ >raphi.s )nter.hange 2(rmat %$>)2'

8 2(rmat >)2 ini berukuran ke.il dan mendukung gambar yang terdiri

dari banyak 1rame sehingga bisa disebut sebagai gambar animasi

%gambar bergerak'$

8 2(rmat ini sering sekali digunakan di internet untuk menampilkan

gambar8gambar di 3eb$

@$ P(rtable et3(rk >raphi.s %$P>'

8 2(rmat yang standar dan sering digunakan di internet untuk

menampilkan gambar atau pengiriman gambar$ 4kuran 1ile ini .ukup

ke.il dan setara dengan ukuran gi1 dengan kualitas yang bagus$ amun

tidak mendukung animasi %gambar bergerak'$

2(rmat 1ile gambar lain seperti T)22 %Tagged )mage 2ile 2(rmat', )?- %).(n',

*M2 %*n.han.ed Wind(3s Meta1ile', P?<, A) %Animati(n', ?4! %?urs(r',

W+MP %WAP +MP', PSD %Ad(be Ph(t(sh(p D(.ument', dan ?D! %?(rel Dra3'$



+eberapa jenis .itra digital yang sering digunakan adalah .itra biner, .itra

greys.ale, dan .itra 3arna$

&$ ?itra +iner

?itra biner merupakan .itra yang telah melalui pr(ses pemisahan piksel8piksel

berdasarkan derajat keabuan yang dimiliki$ Pembentukan .itra biner

memerlukan nilai batas keabuan yang akan digunakan sebagai nilai pat(kan$

Pixel dengan derajat keabuan lebih besar dari nilai batas akan diberi nilai &

dan sebaliknya piksel dengan derajat keabuan lebih ke.il dari nilai batas akan

diberi nilai :$

6ika a& F : dan a0 F &, serta T F gray level 0, maka (perasi di atas

mentrans1(rmasikan suatu .itra menjadi .itra biner$



2. ?itra >reys.le 0 ,ntensity ,mages

?itra )ntensitas disebut juga .itra grayscale$ ?itra grayscale

merupakan .itra digital yang mengandung matriks data ) yang

merepresentasikan nilai dalam suatu range$ *lemen G elemen dalam matriks

intensitas merepresentasikan berbagai nilai intensitas atau derajat keabuan,

dimana nilai : merepresentaikan 3arna hitam dan &, 055 atau 75595

merepresentasikan intensitas penuh atau 3arna putih$ ?itra greys.ale %derajat

keabuan' memiliki beberapa 3arna diantara hitam dan putih$ +anyaknya

3arna tergantung dari berapa bit .itra tersebut$



9$ ?itra 3arna %true .(l(r'

Pada .itra 3arna tiap pikselnya terdiri dari 3arna yang merupakan

k(mbinasi dari 9 3arna dasar yaitu merah %red', hijau %green' dan biru %blue'$

Setiap 3arna dasar dari .itra 3arna menggunakan mem(ri C bit F &byte yang

berarti akan memiliki 0C F 057 tingkatan %gradasi' 3arna$ 6adi akan ada

0C$0C$0C F 00@ F &7;;;0&7 3arna dalam tiap piksel dari .itra tersebut$ Maka

dari itu karena .itra memiliki begitu banyak 3arna yang me3akili seluruh

3arna yang ada, 1(rmat ini dinamakan .itra true .(l(r$



@$ ?itra +erindeks % ,ndexed ,mages'

?itra berindeks merupakan .itra digital yang mengandung sebuah

matriks data < dan matriks peta 3arna %colormap' yang berukuran m = 9 yang

mengandung )loating point dengan nilai antara : sampai dengan &$ Setiap

baris pada colormap adalah data k(mp(nen untuk 3arna merah, hijau dan

biru$ ?itra berindeks menggunakan direct mapping untuk menandakan nilai

pixel pada colormap$ Warna dari tiap pixel ditentukan dengan nilai < yang

merupakan indeks pada colormap$ Sebagai .(nt(h nilai & menunjukkan baris

pertama pada colormap, nilai 0 menunjukkan baris kedua pada colormap dan

seterusnya$



Peng(lahan .itra

Peng(lahan .itra merupakan pr(ses manipulasi data suatu .itra untuk

menghasilkan .itra baru$ ?itra 3arna bisa direpresentasikan dalam 1(rmat piksel yang

terdiri dari 9 k(mp(sisi 3arna, yaitu merah %red!', hijau%green>', dan biru

%blue+'$ 6ika menggunakan representasi .itra Cbit dalam integer nilai !, > dan +

mempunyai rentang :8055$ Semakin besar nilainya artinya 3arna tersebut

mend(minasi pada k(mbinasi 3arna pada .itra tersebut$

II.! Penenalan Wa&a#



Pengenalan 3ajah merupakan sebuah permasalahan klasi1ikasi generik yang

didasarkan pada (bjek berupa 3ajah manusia$ Permasalahan ini dapat dikel(mp(kkan

menjadi dua bagian besar yaitu veri)ikasi -ajah dan identi)ikasi -ajah$ Eeri1ikasi

3ajah dapat dianggap sebagai permasalahan klasi1ikasi dua kelas %.+class

classi)ication problem'$ Sese(rang yang berhasil di(tenti1ikasi disebut sebagai client ,

dan sese(rang yang gagal di(tenti1ikasi disebut sebagai impostor $ Pertanyaan yang

ingin dija3ab adalah is this / dan ja3aban yang diharapkan adalah benar+salah

atau ya+tidak $ Sedangkan identi1ikasi 3ajah berkaitan dengan pen.arian sebuah

subjek 3ajah baik yang dikenal maupun yang tidak dikenal pada basisdata 3ajah$

Pertanyaan yang ingin dija3ab adalah -ho is / $ 6a3aban yang diinginkan bias

berupa penerimaan yang dinyatakan dalam penyajian in1(rmasi tentang subjek yang

di.ari, atau pen(lakan karena 3ajah yang di.ari tidak ada pada basisdata rujukan$

Pengenalan 3ajah dihadapkan pada permasalahan ariabilitas yaitu ariabilitas

extrapersonal dan ariabilitas intra+personal $ Eariabilitas extra+personal timbul

karena pr(ses pengenalan 3ajah dilakukan pada 3ajah yang berbeda karena 1akt(r ras

dan genetika$ Eariabilitas intra+personal adalah ariasi yang mun.ul pada 3ajah yang

sama dimana hal ini disebabkan (leh perubahan8perubahan internal %de)ormations'$

2akt(r81akt(r intra+personal ini dapat diidenti1ikasikan sebagai berikut "

&$ P,sisi 2a&a# 0 pose, out-of-plane rotation/

Pengenalan sebuah .itra 3ajah tidak hanya dilakukan pada p(sisi 3ajah yang

mengarah kedepan saja % )rontal ', tetapi juga pada p(sisi 3ajah yang lain

0$ Kebera'aan k,m+,nen struktural/



?iri8.iri 3ajah misalnya janggut, kumis dan ka.amata bisa mempengaruhi

tingkat ariabilitas sebuah 3ajah, termasuk juga ukuran, 3arna dan

bentuknya$

9$ Eks+resi 2a&a#/

Penampilan sebuah 3ajah dipengaruhi se.ara langsung (leh ekspresi

3ajahnya

@$ -klusi/

Adakalanya ada benda8benda yang menghalangi 3ajah sese(rang$ Dalam

sebuah kumpulan 3ajah, mungkin saja ada 3ajah (rang lain yang menutupi

satu sama lain$

5$ -rientasi 3itra 0in-plane rotation/

Hal ini dipengaruhi (leh p(sisi kamera pada saat pengambilan %akuisisi' .itra$

7$ K,n'isi +en3itraan/

Ketika .itra 3ajah diakuisisi melalui alat akuisisi misalnya kamera, maka

1a.t(r81akt(r seperti pen.ahayaan dan karakteristik kamera akan

mempengaruhi kualitas .itra yang diakuisisi$

!.$ "atriks

De(inisi !.$ Matriks adalah suatu susunan bilangan berbentuk segiempat$ +ilangan8

bilangan dalam susunan itu disebut angg(ta matriks tersebut$ %Ant(n H(3ard,

0:::"@5'



-rd( suatu matriks dinyatakan dengan jumlah baris dan k(l(m yang

terkandung dalam matriks tersebut$ Matriks yang ber(rd( m x n, dengan

m menyatakan jumlah baris dan n menyatakan jumlah k(l(m$

4enis matriks

&$ Matriks persegi

De(inisi !.$ Matriks persegi adalah matriks dengan banyak baris sama

dengan banyak k(l(m$%Tim Penulis Media Karya,&III"&70'

0$ Matriks )dentitas

Suatu matriks persegi dengan angka satu pada diag(nal utama dan

angka n(l untuk angg(ta lainnya, seperti



2.4 Gra5 Le6el ,,3uren3e "atri7 0GL"

>L?M atau yang biasa di sebut graycomatrix merupakan salah satu 1ungsi

tekstur dari sebuah .itra$ Graycomatrix mengel(mp(kkan tekstur dari sebuah .itra

dengan menghitung jumlah piksel yang mun.ul dengan nilai spesi1ik tertentu dan

dalam menetapkan hubungan ketetanggaan jarak spasial sebuah .itra

"embuat sebua# GL"

>L?M menghitung seberapa sering sebuah piksel dengan nilai intensitas

%gray leel' i terjadi dalam sebuah hubungan spasial terhadap sebuah piksel yang

bernilai j$ Hubungan spasial dijelaskan sebagai keterikatan sebuah piksel dengan

piksel yang berada tepat di sebelah kanan % berdekatan se.ara h(ri/(ntal'$ Setiap

element nilai i dan j yang dihasilkan 1ungsi >L?M adalah penjumlahan antara

kemun.ulan sebuah piksel dengan nilai i yang terjadi dalam hubungan spasial yang

telah ditetapkan terhadap piksel dengan nilai j

Pr(ses perhitungan terhadap >L?M dari sebuah .itra yang dinamis adalah

sebuah hal yang sangan sulit, maka gray.(matri= mengubah skala dari .itra inputan$



Pada dasarnya gray.(matri= mengubah skala nilai intensitas .itra inputan dari 057

menjadi C$ 6umlah nilai intensitas %gray leel' menjelaskan jumlah dari >L?M$

>ray leel .((.uren.e matri= dapat memberikan nilai pasti distribusi spasial

dari nilai intensitas %gray leel' dalam tekstur sebuah .itra$

!.%.! "eneta+kan -((set

Pada dasarnya 1ungsi gray.(matri= menghasilkan sebuah >L?M dengan

hubungan spasial atau o))set yang dijelaskan sebagai dua buah piksel yang berdekatan

se.ara h(ris(ntal$ amun demikian, sebuah >L?M tidak .ukup untuk

menggambarkan .iri8.iri tekstural dari .itra inputan$ Sebagai .(nt(h, sebuah o))set

se.ara h(ris(ntal tidak akan sensiti1 terhadap tekstur namun dengan tambahan

(rientasi ertikal maka hasil tekstur akan semakin halus$ 4ntuk itu gray.(matri=

dapat membuat beberapa >L?Ms untuk sebuah inputan .itra$



4ntuk membuat beberapa >L?Ms, tentukan sebuah array dari o))set terhadap

1ungsi gray.(matri=$ $))set ini akan menjelaskan hubungan piksel dari beberapa arah

dan jarak$ Sebagai .(nt(h, tentukan sebuah array dari o))set yang dapat memberikan

empat arah %h(ris(ntal, ertikal, dan dua diag(nal' dan empat jarak dari piksel$ Dalam

kasus ini .itra inputan akan di3akili &7 >L?Ms$ Dari &7 >L?Ms ini maka dapat

dihitung nilai statistik rata8rata$

!.%.$ Nilai statistik GL"

K((kurensi berarti kejadian bersama, yaitu jumlah kejadian satu leel nilai

piksel bertetangga dengan satu leel nilai piksel lain dalam jarak %d' dan (rientasi %J'

tertentu$ 6arak dinyatakan dalam piksel dan (rientasi dinyatakan dalam derajat$

-rientasi dibentuk dalam @ arah sudut dengan interal sudut :, @5, I: dan &95$

Sedangkan jarak antar piksel biasanya ditetapkan sebesar & piksel$

Matrik k((kurensi merupakan matriks bujur sangkar dengan jumlah elemen

sebanyak kuadrat jumlah leel intensitas piksel pada .itra$ Setiap titik %p,' pada



matriks k((kurensi ber(rientasi J berisi peluang kejadian piksel bernilai p

bertetangga dengan piksel bernilai pada jarak d serta (rientasi J dan %&C:8 J'

Setelah memper(leh matriks k((kurensi, maka dapat menghitung .iri statisti.

(rde dua yang memprentasikan .itra yang diamati$ Harali.k et al mengusulkan

berbagai jenis .irri tekstural yang dapat diekstraksi dari matriks k((kurensi$ ?(nt(h

perhitungan 7 .iri statisti. (rde dua, yaitu angular se.(nd m(ment, ?(ntrast,

?(rrelati(n, Earian.e, )nerse Di11eren.e M(ment, dan *ntr(py$

a$ Angular Se.(nd M(ment

Menunjukkan ukuran si1at h(m(genitas .itra dimana p% i0j ' merupakan

menyatakan nilai pada baris i dan k(l(m j pada matriks k((kurensi$

ASM F

b$ ?(ntrast

Menunjukkan ukuran penebaran %m(men inersia' elemen8elemen matriks

.itra$ 6ika letaknya jauh dari diag(nal utama, nilai kek(ntrasan besar$ Se.ara isual

nilai kek(ntrasan adalah ukuran ariasi antar derajat keabuan suatu daerah .itra$

?- F

i8jFk



.$ ?(rrelati(n

Menunjukkan ukuran ketergantungan linear derajat keabuan .itra sehingga

dapat emberikan petunjuk adanya struktur linear dalam .itra

?-! F

d$ Earian.e

Menunjukkan ariasi elemen8elemenn matriks k((kurensi .itra dengan

transisi derajat keabuan ke.il akan memiliki ariansi yang ke.il pula$

EA! F

e$ )nerse Di11erent M(ment

Menunjukkan keh(m(genan .itra yang berderajat keabuan sejenis$ ?itra h(m(gen

akan memilih harga )DM yang besar

)DMF p%i,j'

1$ *ntr(py

Menunjukkan ukuran ketidakteraturan bentuk$ Harga *T besar untuk .itra dengan

transisi derajat keabuan merata dan bernilai ke.il jika struktur .itra tidak teratur

%berariasi'



* F

BAB III

"ET-DE PENELITIAN



$.1 Waktu 'an L,kasi Penelitian

L(kasi penelitian dilakukan di +(ntang

Waktu penelitian tanggal &@ September sampai 05 September 0:&:$

$.! Alat Bantu Penelitian

Dalam menyelesaikan lap(ran ini, penulis menggunakan alat bantu berupa"

8 Lapt(p AS4S .(re i5, !AM & >+, -S Wind(3s ;

8 Kamera digital ?an(n P(3ersh(t S<0:: )S

8 S(1t3are +(rland Delphi ;

8 S(1t3are Ad(be Ph(t(sh(p ;$:

$.$ *tu'i Literatur

Pada studi literatur bahan8bahan penulisan diper(leh dari buku maupun

-ebsite yang dapat menunjang dalam penyelesaian penelitian ini$

$.% Penum+ulan Data



Pada Tahap ini, melakukan pengambilan sampel 1itur .itra 3ajah sese(rang

sebanyak 5 kali menggunakan kamera saku ?an(n PS= 0:: )s$ Pengambilan 5 kali

.itra 3ajah dilakukan dengan ekspresi yang berbeda8beda, .itra ini kemudian

digunakan sebagai bahan sampel untuk didapatkan .iri Data ?itra pada table 9$&$

( ?itra ?r(pping

& A$bmp A.$bmp

0 +$bmp +.$bmp

9 ?$bmp ?.$bmp

@ D$bmp D.$bmp

5 *$bmp *.$bmp

$.) PENG-LAHAN ITRA

Peng(lahan .itra 3ajah dilakukan dengan memperbaiki kualitas .itra,

pem(t(ngan %croping" bagian .itra 3ajah yang ingin di analisa dan mengubah 1(rmat

.itra menjadi bitmap$ Setelah itu 1itur .itra !>+ diubah menjadi .itra grays.ale

sehingga di per(leh nilai intensitas keabu8abuan setiap piksel$ Setelah mendapatkan

nilai intensitas dari 1itur .itra, maka di .ari nilai gray.(de dengan met(de >L?M

% >rayleel ?((.uren.e Matri= ', sehingga didapatkan matriks k(kurensi$ Dari

matriks k((kurensi kemudian dilakukan 1iltering nilai matriks$

Setelah itu di lakukan rek(nstruksi matriks hasil 1iltering, menjadi mariks

dengan nilai intensitas keabu8abuan, dan menjadi .itra greys.ale kembali$ ?itra

rek(nstruksi ini kemudian akan di bandingkan dengan salah satu .itra inputan untuk

mendapatkan derajat deiasi$ >rays.alling dan met(de >L?M di implementasikan

dengan menggunakan pem(graman MATLA+$



$.8 ",'el Peran3anan *istem

Dalam peran.angan sistem met(de >L?M ini, menganalisaa berdasarkan 5 atribut

yaitu contrast0 Angular Second Moment ASM"0 #ntropy0,nverse Di))erence Moment

,DM" dan Mean$ Targetnya adalah untuk memprediksi klasi1ikasi .itra$ )nput yang

digunakan dalam lap(ran ini adalah .itra dari tabel 9$&$

Al,ritma *istem "et,'e *tatistikal GL"

Sebelum masuk tahap analisa, .itra masukan akan dik(nersi terlebih dahulu

sehingga diper(leh sebuah .itra abu8abu yang memiliki derajat keabuan dari :8055$

Kemudian dibuat data hist(gram$ Hist(gram merupakan suatu bagan yang

menampilkan distribusi intensitas dalam indeks atau intensitas 3arna .itra$ Dari data

hist(gram dapat dihitung jumlah piksel suatu .itra untuk setiap range 3arna %:8055'$

Dan hasil k(nersi akan disimpan dalam 1(rmat bitmap atau $bmp$ Diagram alir

untuk tahap k(nersi adalah"

Mulai

Memaca ci!"a

#g akan $ikenali

%ekum&ul

an ci!"a

'()



Gambar . Baan Alir ta#a+ K,n6ersi

Hasil K(nersi akan menjadi input analisa >L?M pada tahap analisa$ ?itra

abu8abu akan diubah dulu dalam bentuk matriks, kemudian diambil nilai yang

dibutuhkan sebagai ariabel dalam perhitungan >L?M$ Setelah itu dilakukan analisa

>L?M dari nilai yang telah diper(leh sesuai dengan sudut atau arah pergeseran$ Dari

Analisa >L?M yang telah di dapat diper(leh nilai 1eature untuk tiap atribut$ Diagram

alir dan 1l(3.hart alg(ritma pada tahap analisa >L?M terlihat pada gambar diba3ah

ini"

*ile

$isim&an

$alm

+o"ma! .,&g

a!au .m&

Menam&ilkan

-i!"a ("a#scale

Men$e!eksin+o"masi #ang

a$a &a$a '()

Me"uah -i!"a

'() men,a$i

("a scale

/i&e"oleh ci!"a

g"a#scale



Baan alir ta#a+ analisa

BAB I9

ANALI*I* DAN PE"BAHA*AN

Ta#a+ K,n6ersi itra

Memaca ci!"a

g"a#scale #g

akan $ikenali

%ekum&ula

n ci!"a

g"a#scale

Me"uah ci!"a

(% ke$alamen!uk ma!"iks

Mengamil nilai

#g $iu!uhkan

seagai a"iael

Melakukan

analisa (-M

nilai s!a!is!ik

ilai su$u!

a!au a"ah

&e"gese"an

0.45.90180

Menca"i nilai

+ea!u"e%elesa

i



Tahap k(nersi .itra dimulai dengan memilih .itra 3ajah yang akan dianalisa

teksturnya$ ?itra masukan akan diubah menjadi .itra abu8abu kemudian akan

dilakukan pen.arian hist(gram dari hasil k(nersi .itra masukan tersebut$

Ta#a+ Analisa GL"

Tahap analisa >LDM pada bagian atribut terdapat n(m(r & sampai 5$ Atribut

tersebut adalah Contrast0 Angular Second Moment ASM"0 #ntropy0 ,nverse

Di))erence Moment ,DM"0 dan Mean$ Perbedaan hist(gram dapat dilihat dari hasil

k(nersi .itra abu8abu menjadi hist(gram yang dihasilkan berdasarkan

pengel(mp(kan deskripsi 3ajah yang digunakan$

Dalam atribut contrast jika letaknya jauh dari diag(nal utama, nilai

kek(ntrasan besar$ Se.ara isual, nilai kek(ntrasan adalah ukuran ariasi antar derajat

keabuan suatu daerah .itra$ Angular second moment %ASM' menunjukkan ukuran

si1at h(m(genitas .itra$

#ntropy, harga *T besar untuk .itra dengan transisi derajat keabuan merata

dan bernilai ke.il jika struktur .itra tidak teratur %berariasi'$ ,nverse di))erence

moment %)DM', .itra h(m(gen akan memiliki harga )DM yang besar$ Sedangkan

Mean menunjukkan ukuran dispersi dari suatu .itra$

Peran3anan *istem "et,'e *tatistikal GL"

)nter1a.e digunakan untuk mempermudah pelaksanaan uji .(ba dan

menyediakan tampilan isual dari .itra yang digunakan serta tampilan gra1ik$

n&u! $an

kone"si

Analisa (-M

elua"

Pemua!an A&likasi Pengenalan ci!"a

a,ah

$engan me!o$e (-M



Gambar Ran3anan La5 ,ut (iure "enu GL"

Dalam 2igure Menu >L?M terlihat tiga pilihan yaitu input dan k(nersi

image, Analisa >L?M dan keluar$

Gambar Ran3anan La5 ,ut (iure K,n6ersi

Pada lay(ut 1igur k(nersi dapat menampilkan .itra !>+ pada lebel &, .itra

abu8abu padal alabel 0 dan label 9 akan menampilkan hist(gram .itra$

Push button +uka H(st )mage digunakan untuk mengambil 1ile pada database

k(mputer, push button K(nersi !>+ ke >rays.ale digunakan untuk melakukan

1 2 3

)uka -i!"a

one"si

("a#scale emali

%im&an

one"si ama *ile:

ku"an:



k(nersi .itra parket !>+ menjadi .itra abu8abu, push button Simpan K(nersi

digunakan untuk menyimpan .itra abu8abu hasil k(nersi dalam 1(rmat $jpg atau

$bmp$

Panel )n1(rmasi 2ile digunakan untuk menampilkan in1(rmasi apa saja yang

dapat diambil dari .itra 3ajah yang akan dik(nersi, terdiri dari beberapa static text $

Yaitu ama 2ile, 4kuran 2ile$

Gambar ran3anan la5,ut (iure analisa GL"

1

ama *ile:

ku"an :

)uka ("a#scale

img

Analisis (-M

%im&an

emali

Nilai Feature

u!ut 0

-on!"as!

A%M

/M

n!"o&#

Nilai Feature

u!ut "#

-on!"as!

A%M

/M

n!"o&#

Nilai Feature

u!ut $0

-on!"as!

A%M

/M

n!"o&#

Nilai Feature

u!ut 1%#

-on!"as!

A%M

/M

n!"o&#



!an.angan layout )igure Analisa >L?M$ ?itra abu8abu yang telah dik(nersi

sebelumnya dapat ditampilkan pada A=es& dengan menekan push button +uka H(st

image$

Push button Analisis >L?M akan melakukan pr(ses met(de statistikal

>L?M$ Hasil dari analisa tersebut akan ditampilkan dalam empat panel yang telah

disediakan sesuai dengan sudut atau arah pergeseran dari :, @5, I:, dan &95$

Masingmasing panel terdiri dari beberapa static text untuk menampung hasil dari

nilai )eatures yang telah ditemukan yaitu Contrast0 Angular Second Moment ASM"0

#ntropy0 ,nverse Di))erence Moment ,DM"0 dan Mean$

Setelah diuji .(ba maka akan didapat nilai )eatures yang berbeda pada tiap

jenis ?itra$ Sehingga dapat ditentukan pengklasi1ikasian jenis .itra sesuai dengan

nilai )eatures dari analisa met(de statistikal >L?M dengan menghitung mean dan

standard deiasi dari semua data pada tiap jenis .itra$



+A+ E

K*S)MP4LA DA SA!A

+A+ E)

DA2TA! P4STAKA

Hadi,Setia3an, Pengembangan M(del >enerati1 Pengenalan Wajah pada Latar

+elakang, P(se dan )luminasi yang +erariasi, 0::@$+andung

http"d(.s$g((gle$.(mie3er

aFF.a.he":S9Ns:SYD+k6"digilib$its$a.$idpubli.)TS84ndergraduate8IC098

Paper$pd1O1ungsiOalg(ritmaO1ilterOgab(rhlFidglFidpidFblsr.idFAD>**SjD

kY<YSSPn9l@5@k=n:Y<9T4!i:>E*015n7hW(k;):lmyC3;Q+QgnC3C

h1L)Q8

!a*jD>-habbkIMW3.Hsn.ahsm5ekh?y>SQ-Dtsa5?nmg*uEWWM&y?Se

S/K!isigFAH)*tbSYiii-Ql?i=@0keeDM-.:83H3

pengenalan citra wajah

Documents