Computer vision adalah aplikasi lain dalam artificial intelligence yang berkaitan erat dengan citra. Computer vision merupakan alat analisis dan evaluasi
informasi visual dengan menggunakan komputer. Teknik artificial intelligence memungkinkan komputer bisa menguji sebuah gambar atau adegan nyata dengan
mengidentifikasi objek, ciri-ciri, atau pola-polanya Suparman dan Marlan, 2007.
Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra, pengenalan
dan membuat keputusan. Computer vision mencoba meniru cara kerja sistem visual manusia human vision yang sesungguhnya sangat kompleks. Manusia melihat objek
dengan indera penglihatan mata, lalu citra objek diteruskan ke otak untuk diinterpretasi sehingga manusia mengerti objek apa yang tampak dalam pandangan
mata. Hasil interpretasi ini digunakan untuk pengambilan keputusan Hestiningsih, Idhawati.
2.2 Pengenalan Pola
Pola adalah entitas yang terdefinisi atau didefinisikan melalui ciri-cirinya feature. Ciri-ciri tersebut digunakan untuk membedakan suatu pola dengan pola yang lainnya.
Ciri yang baik adalah ciri yang memiliki daya pembeda yang tinngi, sehingga pengelompokan pola berdasarkan ciri yang dimiliki dapat dilakukan dengan
keakuratan yang tinggi Sitorus, Syahriol dkk, 2006.
Pola adalah kompositgabungan dari ciri yang merupakan sifat dari sebuah objek Al Fatta, Hanif, 2009.
Beberapa contoh pola Sitorus, Syahriol dkk, 2006:
1. Huruf, memiliki ciri-ciri seperti tinggi, tebal, titik sudut, dan lengkungan garis.
2. Suara, memiliki ciri-ciri seperti amplitudo, frekuensi, nada, dan intonasi.
Universitas Sumatera Utara
3. Tanda tangan, memiliki ciri-ciri seperti panjang, kerumitan, dan tekanan.
4. Sidik jari, memiliki ciri-ciri seperti lengkungan, dan jumlah garis.
Ciri-ciri pada suatu pola diperoleh dari hasil pengukuran pada titik objek uji. Khusus pada pola yang terdapat didalam citra, ciri-ciri yang dapat diperoleh berasal
dari informasi Sitorus, Syahriol dkk, 2006:
1. Spasial, seperti intensitas piksel dan histogram.
2. Tepi, seperti arah dan kekuatan.
3. Kontur, seperti garis, ellips dan lingkaran.
4. Wilayahbentuk, seperti keliling, luas dan pusat massa.
5. Hasil transformasi Fourier, seperti frekuensi.
Pengenalan pola bertujuan menentukan kelompok atau kategori pola berdasarkan ciri-ciri yang dimiliki oleh pola tersebut. Dengan kata lain, pengenalan
pola membedakan suatu objek dengan objek yang lain Sitorus, Syahriol dkk, 2006:
Pengenalan pola sendiri merupakan cabang dari kecerdasan buatan Artificial Inteligence.
Beberapa definisi tentang pengenalan pola, di antaranya:
1. Penentuan suatu objek fisik atau kejadian ke dalam salah satu atau beberapa
kategori. Duda dan Hart dalam Al Fatta, Hanif, 2009.
2. Ilmu pengetahuan yang menitikberatkan pada deskripsi dan klasifikasi
pengenalan dari suatu pengukuran. Schalkoff dalam Al Fatta, Hanif, 2009.
Berdasarkan definisi di atas, pengenalan pola dapat didefinisikan sebagai cabang kecerdasan buatan yang menitikberatkan pada metode pengklasifikasian objek
ke dalam kelas-kelas tertentu untuk menyelesaikan masalah tertentu.
Universitas Sumatera Utara
Pengenalan pola merupakan cabang dari kecerdasan buatan yang saat ini berkembang pesat untuk mendukung aspek keamanan suatu sistem. Saat ini, aplikasi-
aplikasi pengenalan pola juga sudah sangat beragam, di antaranya:
1. Voice recognition yang menggunakan pengenalan suara sebagai kunci bagi
pengguna sistem.
2. Fingerprint identification yang menggunakan pengenalan sidik jari sebagi
kunci telah dipakai secara luas sebagai pengganti password atau pin untuk mengakses sistem tertentu.
3. Face identification yang menggunakan pengenalan wajah sebagai kunci bagi
pengguna sistem, bahkan saat ini badan penegak hukum sedang mengembangkan sistem untuk mengidenfikasi para buronan dengan
melakukan scanning pada wajah para pelaku kejahatan yang sudah di- database-kan berdasarkan foto pelaku kejahatan tersebut.
4. Handwriting identification yang menggunakan pengenalan tulisan yang telah
secara luas digunakan oleh sistem perbankan untuk membuktikan pelaku transaksi adalah orang yang benar-benar berhak.
5. Optical Character Recognition OCR yang secara luas digunakan pada
counter pengecekan barang.
6. Robot vision yang digunakan oleh aplikasi robotik dalam mengenali objek
tertentu pada lingkungan yang unik.
2.2.1 Komponen Sistem Pengenalan Pola
Sistem pengenalan pola dasar terdiri dari Al Fatta, Hanif, 2009:
Universitas Sumatera Utara
1. Sensor
Sensor digunakan untuk menangkap objek yang ciri atau feature-nya akan diekstraksi.
2. Mekanisme Pre-processing
Mekanisme pengolahan objek yang ditangkap oleh sensor, bagian ini biasanya digunakan untuk mengurangi kompleksitas ciri yang akan dipakai untuk proses
klasifikasi.
3. Mekanisme Pencari Feature
Bagian ini digunakan untuk mengekstraksi ciri yang telah melalui tahapan pre- processing untuk memisahkannya dari kumpulan ciri-ciri yang tidak
diperlukan dalam proses klasifikasi dari suatu objek.
4. Algoritma Pemilah
Pada tahapan ini klasifikasi dilakukan dengan menggunakan algoritma klasifikasi tertentu. Hasil dari tahapan ini adalah klasifikasi dari objek yang
ditangkap ke dalam kriteria-kriteria yang telah ditentukan.
2.2.2 Pendekatan Pengenalan Pola
Aplikasi pengenalan pola dapat dibuat dengan beberapa pendekatan. Ada pendekatan yang menggunakan basis statistikal untuk menghasilkan pola. Pendekatan lainnya
menggunakan struktur dari pola yang menyediakan informasi fundamental untuk pengenalan pola. Pendekatan lain lagi adalah dengan membangun dan melatih suatu
arsitektur yang secara akurat mengasosiasikan input pola tertentu dengan respon yang diharapkan.
1. Pendekatan Pengenalan Pola Statistikal
Pengenalan pola stastistikal memiliki asumsi suatu basis statistik untuk algoritma klasifikasi. Sekelompok karakteristik pengukuran yang
Universitas Sumatera Utara
menunujukkan ciri diekstraksi dari data input dan digunakan untuk menentukan setiap vector fitur ke dalam suatu kelas. Ciri feature
diasumsikan dihasilkan secara natural, sehingga model yang bersangkutan merupakan kelas-kelas probabilitas atau fungsi kepadatan probabilitas
Probability Density Function yang telah dikondisikan.
a. Pola dipilah berdasarkan model statistik dari ciri.
b. Model statistik didefinisikan sebagai sebuah fungsi kerapatan ruang
bersyarat kelas. dengan i = 1, 2, 3, … ,N
2. Pendekatan Pengenalan Pola Sintaktik
Suatu pendekatan terhadap suatu pola citra dilakukan dengan menganalisis struktur pola dari citra.
a. Pola dipilah berdasarkan keserupaan ukuran struktural.
b. “Pengetahuan” direpresentasikan secara formal grammar atau deskripsi
relasional yang menghasilkan deskripsi hierarki dari pola kompleks yang tersusun dari pola bagian yang lebih sederhana.
3. Pendekatan Pengenalan Pola Neural
Pendekatan yang ketiga yaitu pengenalan pola neural, metode ini merupakan gabungan dari kedua cara sebelumnya yaitu secara statistik dan sintaktik, itu
artinya pendekatan dengan cara ini akan menyimpan semua fakta dari objek. Sehingga semakin sering sistem dilatih maka semakin cerdas pula sistem yang
dihasilkan. Pendekatan ini merupakan bagian dari jaringan saraf tiruan untuk mengidentifikasi pola.
a. Pemilahan dilakukan berdasarkan tanggapan suatu jaringan pengolah
sinyal neuron terhadap stimulus masukan pola.
Universitas Sumatera Utara
b. “Pengetahuan” disimpan dalam sambungan antarneuron dan pembobot
sinaptik.
2.3 Pengenalan Wajah Face Recognition