14
Proses deteksi keberadaan kulit wajah pada citra dapat dilakukan dengan melakukan tahapan fungsi berikut :
1 �∀�, �: ����������. ������������� ����������. ����������������
2 �� ������ − ����� ≤ ��, � ≤ ����� + ���� �� ���� ���
3 �� ������ − ����� ≤ ���, � ≤
������ + ����� �� ���� ���
4 �� ������� − ������ ≤ ���, � ≤
������ + ����� �� ���� �ℎ��
5 ������ ��������. ������, ������ �� ���� �����
Keterangan : 1
Untuk setiap elemen I,J dimana I terdiri dari elemen baris dari gambar dan J terdiri dari elemen kolom dari gambar.
2 Jika
������ − ����� ≤ ��, � ≤ ����� + ���� adalah benar dan
3 Jika
������ − ����� ≤ ���, � ≤ ������ + ����� adalah benar dan
4 Jika
������� − ������ ≤ ��, � ≤ ������ + ����� adalah benar maka
5 Tandai Piksel Gambar I,J sebagai Piksel Kulit.
2.7 KMeans Clustering
K-Means Clustering secara umum digunakan untuk menentukan pengelompokan alami dari piksel – piksel yang terdapat pada citra Dubey et all, 2013. Setiap
kelompok atau cluster direpresentasikan oleh sebuah titik pusat yang dapat berubah – ubah, yang mana dimulai dengan angka awal. K-means clustering menghitung jarak
antara input dengan titik pusat dan mengalokasikan input tersebut kepada titik pusat yang terdekat.
Metode K-means clustering merupakan metode pengelompokan tidak terbimbing yang mengklasifikasi input dari data objek kedalam beberapa kelas berdasarkan jarak
Universitas Sumatera Utara
15
antara input satu dengan input lainnya. algoritma dari k-means clustering dapat dijabarkan sebagai berikut :
1. Menghitung distribusi dari nilai intensitas.
2. Menggunakan k buah nilai intensitas yang dipilih secara acak sebagai nilai
centroid awal. 3.
Mengulangi tahap 4 dan 5 sampai nilai centroid tidak lagi mengalami perubahan.
4. Mengelompokkan piksel citra berdasarkan jaraknya dengan setiap centroid.
Yang mana dapat dihitung sebagai berikut :
�� = ∑ ���‖�� − ��‖
� �
Dimana : Ci = jarak ke – i
Xi = nilai piksel ke – i �� = Nilai centroid ke – n
5. Menghitung nilai centroid baru dengan menggunakan persamaan berikut :
�� = ∑
��
� �=1
� Dimana :
�� = Nilai Centroid ke-i �� = Anggota Elemen Ke – i
� = Jumlah anggota
2.8 Penelitian yang relevan
1. Pada penelitian Reza Azad Azad, 2013. Azad melakukan penelitian deteksi
wajah menggunakan dua kombinasi metode yaitu metode skin color detection …………… 7
…………… 8
Universitas Sumatera Utara
16
dengan memanfaatkan ruang warna HSV dan YCbCr dalam melakukan ekstraksi fitur wajah pada citra digital. Penelitian yang dilakukan Reza menghasilkan
akurasi yang cukup yang mana memiliki akurasi rata – rata sebesar 99.25 .
2. Pada penelitian Hani Al-Mohair et all, 2013. Hani dan kawan – kawan
melakukan penelitian identifikasi kulit manusia pada citra digital menggunakan kombinasi metode skin color detection dan jaringan saraf turian atau artificial
neural network. Penelitian yang dilakukan menghasilkan akurasi yang cukup baik dengan tingkat toleransi yang baik namun membutuhkan komputasi yang lebih
untuk pelatihan jaringan saraf tiruan yang digunakan. 3.
Pada penelitian Shiv Ram Dubey Dubey et all, 2013. Shiv ram dubey melakukan penelitian dengan memanfaatkan metode k-means clustering
dalam mengidentifikasi bagian buah yang terinfeksi penyakit. Penelitian menghasilkan
hasil yang cukup baik dimana k-means clustering dapat mengidentifikasikan area yang memiliki fitur warna yang berbeda dari area buah yang lain sehingga dapat
di-identifikasikan sebagai area yang terinfeksi penyakit. 4.
Pada penelitian Muthukumar Muthukumar Kannan, 2013. Muthukumar dan Kannan melakukan penelitian dengan menggunakan metode k-means clustering
dalam mengidentifikasi pola dari sudut jari manusia. Penelitian dikembangkan dengan tujuan untuk memperoleh alternatif terhadap proses autentikasi selain
menggunakan sidik jari. Hasil penelitian memberikan hasil yang cukup baik walaupun tingkat akurasi masih belum sempurna.
Universitas Sumatera Utara
BAB I PENDAHULUAN
1.1 Latar Belakang
Citra digital telah digunakan secara luas pada era modern seperti sekarang ini, citra digital banyak dimanfaatkan untuk merekam informasi, komunikasi dan lain
sebagainya. Seiring berkembang luasnya pemanfaatan citra digital di hampir setiap aspek aktifitas manusia, muncul kebutuhan akan kemampuan untuk melakukan
identifikasi maupun klasifikasi informasi yang terkandung pada citra digital. Dalam kehidupan sehari-harinya manusia seringkali memanfaatkan citra
digital untuk merepresentasikan dirinya sendiri maupun orang lain baik untuk tujuan dokumentasi maupun tujuan-tujuan lainnya. Sebagian besar metode identifikasi
manusia yang ada berfokus pada fitur wajah manusia, dimana fitur wajah merupakan faktor utama dalam menentukan apakah suatu objek merupakan manusia atau bukan.
Salah satu metode identifikasi wajah yang ada adalah penggunaan metode Skin-Color, dimana metode ini menggunakan korelasi warna pada objek dengan
warna pada kulit manusia yang merupakan tahap utama dalam proses identifikasi wajah dan pelacakan manusia Azad, 2013. Proses identifikasi menggunakan
informasi warna kulit manusia memberikan komputasi yang efektif, tahan terhadap rotasi, penskalaan dan pemotongan sebagian Al-Mohair et all, 2013. Secara garis
besar skin color detection merupakan proses yang bertujuan untuk menemukan piksel – piksel yang memiliki warna yang sama dengan warna kulit manusia. Proses tersebut
digunakan sebagai pra-proses untuk menemukan wilayah yang memiliki kemungkinan atau berpotensial memiliki objek wajah didalamnya Bhat Pujari, 2013.
Metode lainnya yang biasa digunakan dalam identifikasi objek adalah metode pengelompokan atau clustering. Metode pengelompokan digunakan untuk
memperoleh fitur atau ciri – ciri objek berdasarkan kelompok – kelompok warna yang terbentuk. Setiap objek memiliki struktur warna yang berbeda sehingga akan memiliki
kelompok – kelompok warna yang berbeda pula sehingga informasi tersebut dapat digunakan dalam mengidentifikasi objek pada citra digital. Salah satu metode
Universitas Sumatera Utara
