3.2.1. Preprocessing
Sebelum data citra wajah mahasiswa Universitas Sanata Dharma Program Studi Teknik Informatika angkatan 2013 diproses,
data citra wajah akan melalui proses Cropping, perubahan ukuran dimensi citra, Grayscalling. Proses pemotongan cropping dan
perubahan ukuran dimensi citra dilakukan, agar data citra wajah dapat diproses lebih baik sehingga menghasilkan hasil yang optimal
dalam waktu yang singkat. Proses pemotongan cropping akan dilakukan menggunakan
bantuan software untuk photo editing yaitu Adobe Photoshop. Data awal citra awal wajah mahasiswa sebanyak 450 buah akan dilakukan
pemotongan dengan rasio 1:1 square menggunakan Adobe Photoshop. Data awal citra wajah mahasiswa hanya diambil pada
bagian wajahnya saja dari atas alis sampai bawah mulut, sehingga proses feature extraction lebih fokus pada bagian wajahnya saja
tanpa bagian lain dan background foto yang kompleks. Proses perubahan ukuran dimensi citra akan dilakukan
menggunakan software yaitu FotoSizer. Data awal citra wajah mahasiswa yang telah melalui proses pemotongan cropping
selanjutnya akan masuk pada proses perubahan ukuran dimensi citra. Data awal citra wajah mahasiswa yang mula-mula berukuran
2304x4096, kemudian dilakukan pemotongan rasio 1:1 square sehingga menghasilkan ukuran dimensi citra NxN sesuai dengan
besarnya seleksi wajah tiap citra. Lalu hasil dari pemotongan tersebut, ukuran dimensi semua citra akan dirubah menjadi
200x200. Setelah melalui proses cropping dan perubahan ukuran
dimensi citra, data citra wajah mahasiswa akan melalui proses Pembagian Data terlebih dahulu. Lalu tiap citra akan melalui proses
Grayscalling yaitu proses perubahan warna citra asli dari Red, Green, Blue RGB ke Grayscale skala keabuan.
3.2.2. Feature Extraction
Setelah melalui proses Preprocessing, proses selanjutnya
adalah pencarian nilai-nilai ciri Eigenvalues, Eigenvectors, Eigenspace dari set data training menggunakan metode Eigenface.
Prosesnya yaitu : 1. Mentraining satu set kumpulan gambar M yang direpresentasikan
dengan matriks berukuran N x N. Tiap gambar direpresentasikan dalam
Γ , Γ … Γ
�
. Lalu ubah semua matriks Γ berukuran dua
dimensi menjadi satu dimensi N
2
x 1. Kemudian gabungkan hasilnya dalam satu matriks
Γ dengan tiap kolomnya merepresentasikan tiap citra wajah wajah mahasiswa.
Dimensi matriks citra awal wajah mahasiswa yaitu 200x200 akan menjadi matriks berdimensi 40000x1 untuk 1 citra wajah
mahasiswa. Kemudian matriks citra wajah tiap mahasiswa digabungkan dalam satu matriks. Terdapat 25 mahasiswa dan tiap
mahasiswa mempunyai 12 citra wajah sebagai data training, sehingga matriks hasil penggabungan semua citra wajah mahasiswa
berdimensi 40000x300.
2. Menghitung Average atau nilai rata-rata dari matriks Γ.
Mencari nilai rata-rata dari matriks hasil penggabungan semua citra wajah mahasiswa berdimensi yang 40000x300. Perhitungan rata-
ratanya yaitu menjumlahkan nilai tiap kolom pada tiap baris dan membagi dengan jumlah data yaitu 300. Sehingga akan
menghasilkan matriks rata-rata berdimensi 40000x1. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3. Melakukan pengurangan nilai matriks tiap gambar training pada matriks
Γ tipe data matriks Γ telah diubah ke double dengan nilai matriks rata-rata.
Sebelum melakukan pengurangan, matriks hasil penggabungan semua citra wajah mahasiswa berdimensi 40000x300 tipe datanya
diubah menjadi double. Lalu mengurangi nilai tiap kolom pada matriks dengan matriks rata-rata. Jadi nilai tiap citra wajah
mahasiswa akan dikurangi dengan nilai matriks rata-rata. Pengurangan ini bertujuan untuk mendapatkan nilai tiap citra wajah
mahasiswa yang merepresentasikan ciri pembedanya dan menghilangkan nilai umum atau yang dimiliki semua citra.
Sehingga akan menghasilkan matriks baru A berdimensi 40000x300.
4. Menghitung nilai Covariance Matrix. Mencari nilai kovarian dari perkalian matriks A yang telah
ditranspose berdimensi 300x40000 dengan matriks A berdimensi 40000x300. Sehingga akan menghasilkan matriks nilai kovarian
berdimensi 300x300.
5. Menghitung nilai Eigenvalues dan Eigenvectors dari Covariance Matrix.
Mencari nilai ciri yaitu Eigenvalues dan Eigenvectors dari matriks kovarian. Nilai Eigenvalues dan Eigenvectors merupakan nilai ciri
yang dapat membedakan citra wajah satu mahasiswa dengan yang lain. Nilai Eigenvalues dan Eigenvectors sebanyak data citra wajah
training. Sehingga akan menghasilkan matriks Eigenvalues berdimensi 300x300 dan Eigenvectors berdimensi 300x300.
6. Mengurutkan nilai Eigenvalues dari yang terbesar ke terkecil lalu disertai nilai masing-masing Eigenvectors.
Mengurutkan nilai ciri yang mempunyai nilai terbesar ke terkecil, sehingga akan mengurutkan nilai ciri yang memiliki varian terbesar
ke terkecil. 7. Menghitung nilai Eigenvectors sebanyak M jumlah gambar
training. Mengalikan matriks A berdimensi 40000x300 dengan matriks
Eigenvectors berdimensi 300x300 sehingga akan menghasilkan matriks U berdimensi 40000x300.
8. Memproyeksikan Γ ke dalam Eigenspace.
Mengalikan matriks U yang telah di-transpose berdimensi 300x40000 dengan matriks A. Kemudian hasilnya akan di-transpose
kembali, sehingga menghasilkan matriks W berdimensi 300x300.
9. Menghitung nilai Threshold �.
Mencari nilai batas atau jarak minimum untuk mengetahui bahwa citra yang di-uji terdapat dalam data training atau tidak.
Perhitungannya dengan mencari jarak antar nilai tiap citra pada matriks W, kemudian dicari yang paling besar dan dikalikan nilai
indeks threshold yang di-inputkan user. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Pseudo-code Metode Eigenface :
start Deklarasi set citra wajah training dengan matriks berukuran N x N
for all citra wajah training Baca data citra
Ubah skala warna dari RGB ke Grayscale Ubah matriks dua dimensi menjadi satu dimensi
Gabungkan tiap matriks dalam suatu matriks Γ berukuran M x N
endfor Cari nilai matriks rata-rata
dari matriks Γ
Ubah tipe data matriks Γ menjadi double
for i=1:size Γ
Kurangi setiap kolom matriks Γ dengan matriks
Gabungkan hasilnya kembali dalam satu matriks A endfor
Hitung matriks kovarian dari matriks A Hitung nilai matriks ciri Eigenvalues
� dan Eigenvector Urutkan nilai matriks ciri Eigenvalues
� dan Eigenvector dari yang terbesar ke terkecil
Hitung nilai matriks u dengan mengkalikan matriks A dengan matriks ciri Hitung nilai matriks dengan mengkalikan matriks u
T
dengan A lalu transpose hasilnya
for i=1:size ,
for j=i+1: size ,
Hitung jarak tiap kolom pada matriks endfor
endfor Hitung nilai threshold
�
dari perkalian nilai indeksthreshold yang di- inputkan user dengan nilai jarak terbesar pada kolom matriks
end
3.2.3. Proses Pengujian
Kategori