x
1
, x
2
, … , x
k
. Dengan dekomposisi eigen, matriks kovarian ini dapat didekomposisi menjadi:
Dimana Ф adalah selisih antara image x dengan nilai tengah Ψ. Pilih
sejumlah kolom dari matriks Ф yang berasosiasi dengan eigenvalue terbesar. Pemilihan sejumlah m
kolom dari matriks Ф ini menghasilkan matriks transformasi atau matriks proyeksi Ф
m
. Berikutnya sebuah image x berdimensi n dapat diekstraksi kedalam feature baru y berdimensi m
n dengan memproyeksikan x searah dengan Ф
m
sebagai berikut:
Dengan kata lain metode PCA memproyeksikan ruang asal kedalam ruang baru yang berdimensi lebih rendah, yang mana sebanyak
mungkin kandungan informasi asal tetap dipertahankan untuk tidak terlalu banyak hilang setelah dibawa ke dimensi feature yang lebih kecil.
Disini terlihat reduksi feature yang signifikan dari n buah menjadi m buah yang tentunya akan sangat meringankan komputasi dalam proses
pengenalan berikutnya.
4.6 Analisis Komponen Sistem
Sistem terdiri dari beberapa komponen yang dapat digambarkan dalam suatu model seperti yang tampak pada Gambar 4.4.
Gambar 4.4 Hubungan antar komponen pada Aplikasi Kehadiran Pengajaran Dosen Berbasis Pengenalan Wajah
Keterangan: 1.
Komponen Webcam Piranti masukan yang digunakan dalam Aplikasi Kehadiran Pengajaran
Dosen Berbasis Pengenalan Wajah ini adalah webcam. Webcam digunakan untuk dua kegunaan yaitu:
a. Digunakan untuk melengkapi data dosen dengan foto, dimana foto
ini akan disimpan ke dalam database, yang nantinya akan dicocokkan dengan image wajah yang di capture saat proses presensi
dilakukan. b.
Digunakan untuk meng-capture image wajah dosen pada saat proses presensiabsensi. Dengan menggunakan webcam, image wajah dosen
diambil, kemudian image wajah ini dicocokkan dengan image wajah yang ada dalam database.
Image Capturing
Antarmuka Pengguna
Dosen Komponen
Sub-Sistem Pengenalan Wajah
File Wajah
Komponen Basis Data
2. Komponen Image Capturing
Komponen ini berfungsi untuk melakukan mekanisme mengambil citra wajah dengan media webcam, baik untuk disimpan sebagai file image
wajah maupun untuk image wajah yang digunakan sebagai input pada saat proses presensi dilakukan.
3. Komponen Antarmuka
Komponen ini berfungsi untuk menjembatani komunikasi antara pengguna dengan sistem. Baik untuk proses input data dosen, maupun
proses presensi kedalam sistem. 4.
File Wajah Image wajah dosen testface yang digunakan untuk melengkapi data
dosen disimpan dalam database dosen, dan file wajah ini bisa dipanggil dengan menggunakan nama file wajah yang ada.
5. Komponen Database
Komponen ini berfungsi menyimpan data yang terdapat dalam aplikasi. 6.
Subsistem Pengenalan Wajah Pengenalan wajah dilakukan dengan mencocokkan image wajah yang di-
capture pada saat presensi dengan image wajah yang ada didalam database dosen. Langkah-langkah pencocokan wajah image matching
dapat dilihat pada Gambar 4.5.
Tesface Tesface Ternormalisasi
Eigenface Eigenface
Flatvector Citra Wajah
Eigenface
Gambar 4.5 Langkah-langkah Proses Identifikasi Image Wajah
Keterangan: 1.
Image wajah di-capture dengan menggunakan webcam. Hasil dari capturing ini adalah file gambar yang bertipe .bmp.
2. Image wajah ini kemudian dinormalisasikan. Normalisasi dilakukan
dengan beberapa tahapan. Pertama image diturunkan kualitas warnanya menjadi tipe grayscale. Ukuran dari image wajah juga diseragamkan
dengan ukuran 80 x 80 piksel.
3. Setelah didapatkan image wajah yang ternormalisasi, tentukan eigenface
dari image wajah tersebut, misalnya diperoleh nilai μ.
Webcam Normalisasi
Image Kalkulasi
Eigenface
Proses Matching
Cari Selisih yang paling kecil antara testface dengan eigenface pada citra-
citra wajah yang terdapat dalam database.
Kalkulasi Eigenface
Database Wajah
4. Pada data dosen, kita juga mempunyai koleksi image wajah. Dari koleksi
ini masing masing image dikalkulasi eigenface-nya. Misalkan kita mendapatkan nilai
μ
1
, μ
2
,…, μ
n
.
5. Proses matching dilakukan dengan mencocokkan nilai
μ dengan nilai- nilai pada eigenface dari image dalam database, dan mencari nilai yang
paling mendekati.
6. Jika sudah ditemukan nilai yang paling mendekati, cari data dosen yang
berkorespondensi dengan nilai tadi.
Untuk proses perhitungan eigenface dari image pada langkah tiga, penjelasannya sebagai berikut:
4.7 Tahapan – Tahapan Algoritma Eigenface
