Pada tahap kedua penelitian ini, penulis mengumpulkan citra sumber wajah dengan satu objek ataupun multiobjek dengan format file jpg, dan bmp. Citra
sumber wajah diperoleh dari internet yang telah dipublikakasikan secara umum dan hasil pemotretan dengan menggunakan kamera digital. Dari citra sumber
wajah ini, kemudian dicuplik cropping citra wajah yang akan digunakan sebagai kunci indeks. Citra wajah dan citra sumber disimpan pada folder data terpisah.
Citra wajah disimpan dengan format file bmp dengan nama yang unik. Pada saat penyimpanan disusun sebuah tabel relasi file citra wajah dengan citra sumber
wajah. 3.
Perancangan Blok Diagram dan Penulisan Kode Program Blok diagram proses terlebih dahulu dirancang sebagai dasar penyusunan
aplikasi yang digunakan untuk mencari dan menemukan citra query dari database citra. Sesuai dengan blok diagram proses kemudian disusun algoritma program.
Algoritma program kemudian diimplementasikan dalam penulisan kode program Bahasa BASIC Visual BASIC 6.0. Algoritma program meliputi algoritma
ekstraksi fitur citra, algoritma pembangunan database fitur citra, algoritma pengukuran tingkat kemiripan serta algoritma program utama. Aplikasi kemudian
dijalankan, diamati dan diperbaharui hingga layak digunakan untuk temu-kembali citra wajah berdasarkan fitur citra.
4. Analisis Penelitian
Analisis dilakukan terhadap hasil temu-kembali citra wajah untuk menarik kesimpulan dari hasil penelitian yang dilakukan.
Dengan menguji-coba secara berulang-kali beberapa citra wajah, pada tahap ini, analisa tingkat relevansi hasil temu-kembali citra dilakukan berdasarkan satu
fitur saja fitur warna, fitur bentuk atau fitur tekstur dan membandingkannya dengan tingkat relevansi hasil temu-kembali citra wajah bila pengukuran
dilakukan dengan menggunakan ketiga fitur sekaligus.
3.2. Blok Diagram Proses
Blok diagram proses temu-kembali citra wajah berdasarkan pengukuran kemiripan fitur dengan menggunakan jaringan bayesian yang diusulkan di dalam penelitian ini
terdiri dari tiga bagian utama yakni
Universita Sumatera Utara
a. Pencuplikan cropping citra wajah
Pencuplikan ini digunakan untuk memperoleh citra wajah yang akan digunakan sebagai kunci indeks wajah. Citra wajah dicuplik dari citra sumber wajah. Blok
diagram proses pencuplikan citra wajah dari citra sumber diperlihatkan pada Gambar 3.1.
Gambar 3.1 Blok Diagram Proses Pencuplikan Citra Wajah
b. Pembangunan indeks fitur
Pembangunan indeks fitur berfungsi untuk mengekstrak fitur warna, fitur bentuk, dan fitur tekstur dari setiap citra wajah yang digunakan sebagai kunci indeks. Fitur
yang diperoleh disusun dalam bentuk vektor dan disimpan di dalam file database fitur. Vektor fitur warna disimpan di dalam database fitur warna, vektor fitur
bentuk disimpan di dalam database fitur bentuk, vektor fitur tekstur disimpan di dalam database fitur tekstur. Blok diagram proses pembangunan indeks
diperlihatkan pada Gambar 3.2.
Gambar 3.2 Blok Diagram Proses Pembangunan Indeks Fitur
c. Temu-kembali Citra Wajah
Pada bagian temu-kembali citra wajah, fitur citra query diekstraksi. Fitur citra query yang diekstraksi adalah fitur warna, fitur bentuk dan fitur tekstur. Setiap
fitur disusun dalam bentuk vektor fitur. Setelah vektor fitur citra query diperoleh, dilakukan pengukuran kemiripan fitur citra query dengan fitur setiap citra yang
terdapat di dalam database fitur. Pengukuran kemiripan dilakukan dengan menggunakan jaringan bayesian. Hasil pengukuran adalah berupa nilai peluang
kemiripan. Pengukuran kemiripan fitur dapat dilakukan dengan menggunakan Citra
Wajah Pembangunan
Indeks Fitur Ekstraksi
Fitur Database
Fitur Citra Sumber
Wajah Citra
Wajah Cropping
Cuplik
Universita Sumatera Utara
salah satu fitur saja atau sekaligus menggunakan ketiga fitur secara bersamaan. Blok diagram proses temu-kembali citra wajah diperlihatkan pada Gambar 3.3.
Gambar 3.3 Blok Diagram Proses Temu-Kembali Citra Wajah dan Citra Sumber Wajah
3.3 Proses Ekstraksi Fitur Citra
