Perbandingan Dua Citra Hidung Menggunakan Parameter Jarak Dari Hidung Ke Dahi dan Ke Dagu, Jumlah Pixel, dan Sudut.

(1)

PERBANDINGAN DUA CITRA HIDUNG MENGGUNAKAN

PARAMETER JARAK DARI HIDUNG KE DAHI DAN KE

DAGU, JUMLAH PIXEL, DAN SUDUT

Inggar Nugroho.W. / 0322179

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg. Suria Sumantri 65

Bandung 40164, Indonesia Email: [email protected]

ABSTRAK

Metode pengenalan wajah untuk verifikasi dibagi menjadi 2 kategori utama. Kategori pertama yaitu melalui pendekatan secara holistik dan kategori yang kedua adalah pendekatan berdasarkan geometri. Dalam metode holistik, pengenalan wajah dilakukan dengan mewakilkan nilai intensitas pixel dari citra wajah. Sedangkan metode pendekatan secara geometri memperhitungkan ciri-ciri yang ada pada wajah seperti mata, hidung, dan mulut. Tugas akhir yang terdahulu telah membahas tentang mata, maka pada tugas akhir ini yang dibahas adalah hidung.

Pada tugas akhir ini dibuat program untuk membandingkan dua citra hidung menggunakan metode penghitungan biner putih dan sudut serta jarak hidung ke dahi dan ke dagu. Semua citra yang akan dibandingkan diubah menjadi citra biner

Pengujian dilakukan terhadap masing-masing metode dan terhadap metode gabungan. Diperoleh hasil bahwa metode biner putih tidak dapat diandalkan karena memiliki persentase FAR dan FRR yang cukup tinggi yaitu 33.33% dan 22.22%.

(2)

THE COMPARATION OF TWO NOSE IMAGES USING NOSE TO

FOREHEAD AND TO CHIN DISTANCES, NUMBER OF PIXEL,

AND ANGLE PARAMETERS

Inggar Nugroho.W. / 0322179

Electrical Engineering, Engineering Faculty, Christian Maranatha University Prof. Drg. Suria Sumantri 65 Street, Bandung 40164, Indonesia

Email: [email protected] ABSTRACT

Method in face recognition for verification is divided into two main categories. First is holistic approaches and second is geometric based approaches. In holistic approaches recognition achieved by representating the intensity values of the pixels in facial images. While in geometric method, the facial features such as eyes, nose , and mouth are taken into account. The part of the eye had been researched by earlier final examination. This final examination research on nose part.

In this final examination, a program to compare two nose images by counting white pixel, angle, nose to forehead and nose to chin distance had been made. All images which will be compare transformed into binary image.

The program was tested to each parameters and combinations of parameters. The result is that counting white pixel is not reliable because it had high value of FAR and FRR. The FAR was 33.33% and the FRR was 22.22%.

(3)

DAFTAR ISI

LEMBAR PENGESAHAN SURAT PERNYATAAN

ABSTRAK... i

ABSTRACT... ii

KATA PENGANTAR... iii

DAFTAR ISI... v

DAFTAR TABEL... vii

DAFTAR GAMBAR... ix

BAB I PENDAHULUAN... 1

I.1 Latar Belakang... 1

I.2 Identifikasi Masalah... 1

I.3 Tujuan Penulisan…... 1

I.4 Pembatasan Masalah... 1

I.5 Sistematika Penulisan... 2

BAB II LANDASAN TEORI... 3

II.1 Pengolahan Citra Digital (Digital Image Processing ) ... 3

II.1.1 Teknik-teknik Pengambilan Citra digital ... 3

II.1.2 Teknik-teknik dalam pengolahan citra digital ... 3

II.1.3 Gray scale... 4

II.1.4 Thresholding... 5

II.1.5 Citra Biner... 6

II.1.6 Deteksi Tepi ... 7

II.1.7 Parameter yang digunakan Dalam Membandingkan Masukan Citra Hidung ... 8

BAB III PERANCANGAN SOFTWARE ...…………... 9

III.1 Cara Pengambilan Gambar ... 9

III.2 Perancangan Sistem ... 9

III.2.1 Tampilan Antar Muka Program ……… 9

(4)

III.2.2.1 Mengolah Citra dari Arah Samping…..……… 13

III.2.2.1.1 Mengambil Gambar……….. 14

III.2.2.1.2 Binerisasi dan Mencari Koordinat yang Dibutuhkan………. 15

III.2.2.1.2.1 Binerisasi………..15

III.2.2.1.2.2 Mencari Koordinat Tonjolan Dahi... 16

III.2.2.1.2.3 Mencari Koordinat Lekukan Hidung... 19

III.2.2.1.2.4 Mencari Koordinat Ujung Hidung... 20

III.2.2.1.2.5 Mencari Koordinat Tonjolan Dagu... 21

III.2.2.2 Mengolah Citra dari arah Depan... 23

III.2.2.2.1 Deteksi Tepi... 24

III.2.2.2.2 Binerisasi... 27

III.2.2.2.3 Krop Hidung... 28

III.2.2.2.4 Menghitung Biner Putih... 28

III.2.2.3 Membandingkan Data-data yang sudah Diproses... 30

BAB IV DATA PENGAMATAN dan ANALISIS DATA...… 31

IV.1 Pengujian 1... 31

IV.2 Pengujian 2……... 35

IV.3 Analaisa data... 46

BAB V KESIMPULAN DAN SARAN... 47

V.1 Kesimpulan ………... 47

5.2 Saran... 47

DAFTAR PUSTAKA... 48 LAMPIRAN A - LISTING PROGRAM... A-1 LAMPIRAN B – FOTO-FOTO... B-1

(5)

vii DAFTAR TABEL

Tabel III.1 Properti Objek... 10

Tabel IV.1 Data pengujian milik Ardi... 31

Tabel IV.2 Data pengujian kesalahan milik Ardi... 32

Tabel IV.3 Data pengujian milik Paskal... 32

Tabel IV.4 Data pengujian kesalahan milik Paskal... 32

Tabel IV.5 Data pengujian milik Inggar... 32

Tabel IV.6 Data pengujian kesalahan milik Inggar... 33

Tabel IV.7 Data pengujian milik Irma... 33

Tabel IV.8 Data pengjian kesalahan milik Irma... 33

Tabel IV.9 Data pengujian milik rizki... 34

Tabel IV.10 Data pengujian kesalahan milik rizki... 34

Tabel IV.11 Batas kesalahan maksimal untuk tiap parameter... 34

Tabel IV.12 Membandingkan J1 dengan J1... 35

Tabel IV.13 Membandingkan J2 dengan J2... 36

Tabel IV.14 Membandingkan sudut dengan sudut... 37

Tabel IV.15 Membandingkan biner putih dengan biner putih... 38

Tabel IV.16 Membandingkan menggunakan parameter gabungan J1 dan J2... 39

Tabel IV.17 Membandingkan menggunakan parameter gabungan J1 dan Sudut... 40

Tabel IV.18 Membandingkan menggunakan parameter gabungan J1 dan BP.... 41

Tabel IV.19 Membandingkan menggunakan parameter gabungan J2 dan Sudut... 42

Tabel IV.20 Membandingkan menggunakan parameter gabungan J2 danBP... 43

Tabel IV.21 Membandingkan menggunakan parameter gabungan J1, J2, sudut, BP... 44 Tabel IV.16 Membandingkan menggunakan parameter gabungan J1, J2,sudut. 45

(6)

viii

DAFTAR GAMBAR

Gambar II.1 Citra berwarna dan gray scale... 4

Gambar II.2 Citra gray scale dengan thresholding yang berbeda... 5

Gambar II.3 Citra berwarna dan citra biner………... 6

Gambar II.4 Citra deteksi tepi... 7

Gambar II.5 Citra parameter yang dipakai untuk membandingakan masukan citra hidung... 8

Gambar III.1 Tampilan antar muka ... 10

Gambar III.2 Diagram alir cara kerja program secara umum... 12

Gambar III.3 Diagram alir pengolahan citra dari samping... 13

Gambar III.4 Diagram alir binerisasi... 15

Gambar III.5 Citra batas threshold... 16

Gambar III.6 Titik-titik yang dicari... 16

Gambar III.7 Gambar pencarian koordinat ujung dahi... 17

Gambar III.8 Diagram alir mencari koordinat tonjolan dahi………..…. 18

Gambar III.9 Diagram alir mencari koordinat lekukan hidung... 19

Gambar III.10 Diagram alir mencari koordinat ujung hidung...……... 20

Gambar III.11 Diagram alir mencari koordinat ujung hidung (lanjutan)...…. 21

Gambar III.12 Diagram alir mencari koordinat tonjolan dagu..………….……. 22

Gambar III.13 Diagram alir mencari koordinat tonjolan dagu(lanjutan)...……. 23

Gambar III.14 Diagram alir pengolahan citra arah depan..………. 24

Gambar III.15 Diagram alir deteksi tepi sobel...………. 25

Gambar III.16 Diagram alir deteksi tepi sobel (lanjutan)... 26

Gambar III.17 Diagram alir binerisasi citra arah depan... 27

Gambar III.18 Diagram alir krop hidung... 28

Gambar III.19 Diagram alir menghitung biner putih... 29

Gambar III.20 Gambar biner putih yang akan dihitung... 29

(7)

A-1

LAMPIRAN A

LISTING PROGRAM

'ambil gambar untuk pengolahan citra dari samping Dim StrNmFile As String

Dim StrTipe As String Dim pic As Picture

On Error GoTo ErrorHandler

StrNmFile = CommonDialog1.FileName Set pic = LoadPicture(StrNmFile)

Picture1.Picture = pic Exit Sub

ErrorHandler:

MsgBox "gambar belum dipilih" n = 170

For i = 1 To Picture1.Width Step 15 For j = 1 To Picture1.Height Step 15 warna = Picture1.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

If x >= n Then x = 255 Else x = 0 Picture2.PSet (i, j), RGB(x, x, x) Next j

Next i

(8)

A-2 For i = 1 To Picture2.Width Step 15 For j = 1 To Picture2.Height Step 15 warna = Picture2.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

If j >= 825 Then Picture2.PSet (i, j), RGB(255, 255, 255) Else Picture2.PSet (i, j), RGB(x, x, x)

Next j Next i

For i = 1 To Picture2.ScaleWidth Step 15 For j = 1 To Picture2.ScaleHeight Step 15 warna = Picture2.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

'cari titik tojolan dahi If x = 0 Then

List1.AddItem (i) List2.AddItem (j) GoTo wet

End If Next j Next i wet: n = 170

For i = 1 To Picture1.Width Step 15 For j = 1 To Picture1.Height Step 15 warna = Picture1.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

(9)

A-3 Picture2.PSet (i, j), RGB(x, x, x) Next j

Next i

k = ((List1.List(0)) + 75) k1 = ((List2.List(0)) + 450) For i = k To 1 Step -15

For j = (List2.List(0)) To k1 Step 15 warna = Picture2.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

'mencari titik lekukan hidung If x = 255 Then

List1.AddItem (i) List2.AddItem (j) GoTo wet1 End If Next j Next i wet1:

n = 170

For i = 1 To Picture1.Width Step 15 For j = 1 To Picture1.Height Step 15 warna = Picture1.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

If x >= n Then x = 255 Else x = 0 Picture2.PSet (i, j), RGB(x, x, x) Next j

(10)

A-4 Next i

For i = 1 To Picture2.ScaleWidth Step 15 For j = 1 To Picture2.ScaleHeight Step 15 warna = Picture2.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

If j >= 1620 Then Picture2.PSet (i, j), RGB(255, 255, 255) Else Picture2.PSet (i, j), RGB(x, x, x)

Next j Next i

For i = 1 To Picture2.ScaleWidth Step 15 For j = 1 To Picture2.ScaleHeight Step 15 warna = Picture2.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

'cari titik ujung hidung If x = 0 Then

List1.AddItem (i) List2.AddItem (j) GoTo wet2 End If Next j Next i wet2: n = 170

For i = 1 To Picture1.Width Step 15 For j = 1 To Picture1.Height Step 15 warna = Picture1.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

(11)

A-5 x = (r + g + b) / 3

If x >= n Then x = 255 Else x = 0 Picture2.PSet (i, j), RGB(x, x, x) Next j

Next i

For i = 1 To Picture2.Width Step 15 For j = 1 To Picture2.Height Step 15 warna = Picture2.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

If j <= 2340 Then Picture2.PSet (i, j), RGB(255, 255, 255) Else Picture2.PSet (i, j), RGB(x, x, x)

Next j Next i

For i = 1 To Picture2.ScaleWidth Step 15 For j = Picture2.ScaleHeight To 1 Step -15 warna = Picture2.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

'cari titik tonjolan dagu If x = 0 Then

List1.AddItem (i) List2.AddItem (j) GoTo wet3 End If Next j Next i wet3: n = 170

For i = 1 To Picture1.Width Step 15 For j = 1 To Picture1.Height Step 15 warna = Picture1.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

(12)

A-6 If x >= n Then x = 255 Else x = 0 Picture2.PSet (i, j), RGB(x, x, x) Next j

Next i 'hitung

X1 = List1.List(2) - List1.List(0) Y1 = List2.List(2) - List2.List(0) X2 = List1.List(2) - List1.List(1) Y2 = List2.List(2) - List2.List(1) x3 = List1.List(2) - List1.List(3) y3 = List2.List(2) - List2.List(3) j1 = Sqr(X1 ^ 2 + Y1 ^ 2) j2 = Sqr(x3 ^ 2 + y3 ^ 2) q = Round(j1, 3)

c = Round(j2, 3) m1 = Y1 / X1 m2 = Y2 / X2

sudut = Atn((m1 * m2) / (1 + (m1 * m2))) v = Round(sudut, 3)

List5.AddItem (q) List5.AddItem (c) List5.AddItem (v)

'ambil gambar untuk pengolahan citra dari depan Dim StrNmFile As String

Dim StrTipe As String Dim pic As Picture

CommonDialog1.Filter = StrTipe CommonDialog1.FileName = "*.jpg" CommonDialog1.ShowOpen

On Error GoTo ErrorHandler

(13)

A-7 Set pic = LoadPicture(StrNmFile) Picture3.Picture = pic

Exit Sub

ErrorHandler:

MsgBox "gambar belum dipilih"

'deteksi tepi

Dim h1(3, 3), h2(3, 3) As Single Dim x(500, 500) As Integer

h1(1, 1) = -1: h1(1, 2) = 1: h1(1, 3) = 1 h1(2, 1) = -1: h1(2, 2) = -2: h1(2, 3) = 1 h1(3, 1) = -1: h1(3, 2) = 1: h1(3, 3) = 1 For i = 1 To 3

For j = 1 To 3 h2(i, j) = h1(j, i) Next j

Next i n1 = 0

For i = 1 To Picture3.ScaleWidth Step 15 n1 = n1 + 1

n2 = 0

For j = 1 To Picture3.ScaleHeight Step 15 warna = Picture3.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256)

n2 = n2 + 1

x(n1, n2) = Int((r + g + b) / 3)

Picture4.PSet (i, j), RGB(x(n1, n2), x(n1, n2), x(n1, n2)) Next j

Next i

For i = 1 To n1 For j = 1 To n2 z1 = 0

(14)

A-8 z2 = 0

For u1 = -1 To 1 For u2 = -1 To 1

z1 = z1 + h1(u1 + 2, u2 + 2) * x(i + u1, j + u2) z2 = z2 + h2(u1 + 2, u2 + 2) * x(i + u1, j + u2) Next u2

Next u1

z = Int(Abs(z1 + z2)) If z > 255 Then z = 255

Picture4.PSet ((i - 1) * 15 + 1, (j - 1) * 15 + 1), RGB(z, z, z)

Next j Next i n = 90

For i = 1 To Picture4.Width Step 15 For j = 1 To Picture4.Height Step 15 warna = Picture4.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) s = (r + g + b) / 3

If s >= n Then s = 255 Else s = 0 Picture4.PSet (i, j), RGB(s, s, s) Next j

Next i 'krop hidung

For i = 1 To Picture4.Width Step 15 For j = 1 To Picture4.Height Step 15 warna = Picture4.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) s = (r + g + b) / 3

If j <= 870 Or j >= 1275 Or i <= 705 Or i >= 1470 Then Picture4.PSet (i, j), RGB(0, 0, 0) Else Picture4.PSet (i, j), RGB(s, s, s)

Next j Next i

(15)

A-9 For i = 1 To Picture4.Width Step 15 For j = 1 To Picture4.Height Step 15 warna = Picture4.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 255, 0)) / 256) / 256) Picture5.BackColor = warna And RGB(r, g, b)

If Picture5.BackColor = HFFFFFF Then z = z + 1

Text2.Text = z

End If Next j Next i

List5.AddItem (z)

'simpan

For p = 0 To 4 Step 1 List3.AddItem List5.List(p) Next p

Picture1.Cls Picture2.Cls Picture3.Cls Picture4.Cls List5.Clear List1.Clear List2.Clear Text2.Text = 0 'reset

List1.Clear List2.Clear List5.Clear List3.Clear Picture1.Cls Picture2.Cls Picture3.Cls

(16)

A-10 Picture4.Cls

Text2.Text = 0

'mencek koordinat Counter = 0

Xp = x / Screen.TwipsPerPixelX Yp = y / Screen.TwipsPerPixelY 'Show data on label

Label2.Caption = "X: " & Xp & " -- Y: " & Yp Counter = Counter + 1

'menampilkan koordinat Label2.Caption = "X: 0 -- Y: 0" 'membandingkan

If Option1.Value = False And Option2.Value = False And Option3.Value = False And Option4.Value = False And Option5.Value = False And Option6.Value = False And Option7.Value = False And Option8.Value = False And Option9.Value = False And Option10.Value = False And Option11.Value = False Then

MsgBox "pilih dahulu parameter yang akan dibandingkan" End If

If Option1.Value = True Then

If Abs(List3.List(0) - List5.List(0)) <= 14.45 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

If Option2.Value = True Then

If Abs(List3.List(1) - List5.List(1)) <= 8.694 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

If Option3.Value = True Then

If Abs(List3.List(2) - List5.List(2)) <= 0.003 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

If Option4.Value = True Then

If Abs(List3.List(3) - List5.List(3)) <= 24.334 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

(17)

A-11

If Abs(List3.List(0) - List5.List(0)) <= 14.45 And Abs(List3.List(1) - List5.List(1)) <= 8.694 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

If Option6.Value = True Then

If Abs(List3.List(0) - List5.List(0)) <= 14.45 And Abs(List3.List(2) - List5.List(2)) <= 0.003 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

If Option7.Value = True Then

If Abs(List3.List(0) - List5.List(0)) <= 14.45 And Abs(List3.List(3) - List5.List(3)) <= 24.334 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

If Option8.Value = True Then

If Abs(List3.List(1) - List5.List(1)) <= 8.694 And Abs(List3.List(2) - List5.List(2)) <= 0.003 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

If Option9.Value = True Then

If Abs(List3.List(1) - List5.List(1)) <= 8.694 And Abs(List3.List(3) - List5.List(3)) <= 24.334 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

If Option10.Value = True Then

If Abs(List3.List(0) - List5.List(0)) <= 14.45 And Abs(List3.List(1) - List5.List(1)) <= 8.694 And Abs(List3.List(2) - List5.List(2)) <= 0.003 And Abs(List3.List(3) - List5.List(3)) <= 24.334 Then MsgBox "cocok" Else MsgBox "tidak cocok"

End If

If Option11.Value = True Then If Abs(List3.List(0) - List5.List(0)) <= 14.45 And Abs(List3.List(1) - List5.List(1)) <= 8.694 And Abs(List3.List(2) - List5.List(2)) <= 0.003 Then MsgBox "cocok" Else MsgBox "tidak cocok"

'keluar dari program utama Unload Me

(18)

B-1

LAMPIRAN B

FOTO-FOTO

Ardi

Paskal

Inggar

Irma

Rizki

(19)

(20)

1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

I.1 Latar Belakang.

Metode pengenalan wajah untuk proses verifikasi, dibagi menjadi dua kategori utama[4]. Kategori yang pertama yaitu dilakukan melalui pendekatan secara holistik dan kategori yang kedua adalah pendekatan berdasarkan geometri. Dalam metode pendekatan secara holistik, pengenalan diperoleh dengan cara memodelkan atau mewakilkan intensitas nilai pixel dari citra wajah. Sedangkan dalam metode pendekatan berdasarkan geometri adalah memperhitungkan ciri - ciri yang ada pada wajah. Ciri – ciri itu adalah bagian mata, hidung, dan mulut. Tugas akhir yang meneliti bagian mata sudah pernah dikerjakan sebelumnya. Pada tugas akhir ini dikerjakan bagian hidung.

I.2 Identifikasi Masalah.

Bagaimana membuat program membandingkan dua buah masukan citra hidung menggunakan metode penghitungan biner putih dan sudut serta penghitungan jarak hidung ke dahi dan dagu?

1.3 Tujuan.

Membuat program membandingkan dua buah masukan citra hidung menggunakan metode penghitungan biner putih dan sudut serta penghitungan jarak hidung ke dahi dan dagu.

1.4 Pembatasan Masalah.

Batasan masalah pada tugas akhir ini adalah sebagai berikut : 1. Hidung yang akan dibandingkan adalah hidung manusia dewasa. 2. Bahasa pemrograman yang digunakan adalah visual basic 6.0. 3. Untuk pengambilan gambar wajah dari arah depan, kepala tidak

(21)

Universitas Kristen Maranatha menunduk, mendongak, atau menoleh.

4. Untuk pengambilan gambar wajah dari samping, kepala tidak menoleh, kepala menunduk atau mendongak tidak terlalu besar jaraknya yaitu 0.2 cm dari posisi tegak.

5. Jarak dalam pengambilan gambar ini sejauh ± 60cm.

6. Ukuran gambar dari arah samping adalah 97x180 pixel, sedangkan ukuran gambar dari arah depan adalah 138x150 pixel.

1.5 Sistematika Penulisan.

Sistematika penulisan tugas akhir ini dibagi menjadi 5 bab, yaitu: Bab I : Pendahuluan.

Pada bab ini dibahas tentang latar belakang, identifikasi masalah, tujuan, pembahasan masalah, dan sistematika penulisan.

Bab II : Landasan Teori.

Pada bab ini dibahas tentang landasan teori dari citra digital, grayscale, deteksi tepi, thresholding dan citra biner, serta parameter yang digunakan sebagai pembanding.

Bab III : Perancangan Perangkat Lunak.

Pada bab ini dibahas cara pengambilan gambar, perancangan dan jalannya program.

Bab IV : Pengujian Perangkat Lunak.

Pada bab ini dibahas tentang hasil pengujian dan analisa data. Bab 5V : Kesimpulan dan Saran.

(22)

Universitas Kristen Maranatha 47

BAB V

KESIMPULAN dan SARAN

V.1 Kesimpulan

Kesimpulan yang dapat diambil dari tugas akhir ini adalah program membandingkan dua buah masukan citra hidung menggunakan metode penghitungan biner putih dan penghitungan sudut serta penghitungan jarak hidung ke dahi dan dagu telah berhasil direalisasikan.

Parameter biner putih tidak layak untuk dijadikan sebagai parameter pembanding karena parameter tersebut tidak memiliki keunikan. Nilai FRR dan FAR untuk parameter biner putih juga cukup tinggi dibanding parameter yang lain yaitu 22.22% dan 33.33%

V.2 Saran

Saran untuk tugas akhir ini adalah parameter pembanding yang digunakan dapat ditambahkan seperti lebar hidung, dan sudut hidung dengan dagu.

(23)

DAFTAR PUSTAKA

1. Acharya, Tinku, Ajoy K.Ray, Image Processing Principles and Application, Wiley Interscience, 2005

2. Basuki, Achmad, Jozua F. Palandi, Fatchurrochman, Pengolahan Citra

Digital menggunakan Visual Basic, Graha Ilmu, 2005

3. http://id.shvoong.com/exact-sciences/physics/1803935-deteksi-tepi/ (diakses pada tanggal 20 September 2008)

4. http://www.academypublisher.com/jmm/vol01/no04/jmm01042128.pdf

(diakses pada tanggal 14 Januari 2008)

5. http://www. bioid.com/sdk/docs/About_EER.htm (diakses pada tanggal 20

September 2008)

6. Octovhiana, Krisna D., Cepat Mahir Visual Basic 6 vol 1, 2003

7. Penerbit Andi & Madcoms, Mahir Dalam 7 Hari Pemrograman Visual Basic, 2005

(1)

B-1

LAMPIRAN B

FOTO-FOTO

Ardi

Paskal

Inggar

Irma

Rizki

(2)

(3)

1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

I.1 Latar Belakang.

I.2 Identifikasi Masalah.

Bagaimana membuat program membandingkan dua buah masukan citra hidung menggunakan metode penghitungan biner putih dan sudut serta penghitungan jarak hidung ke dahi dan dagu?

1.3 Tujuan.

Membuat program membandingkan dua buah masukan citra hidung menggunakan metode penghitungan biner putih dan sudut serta penghitungan jarak hidung ke dahi dan dagu.

1.4 Pembatasan Masalah.

(4)

Universitas Kristen Maranatha menunduk, mendongak, atau menoleh.

4. Untuk pengambilan gambar wajah dari samping, kepala tidak menoleh, kepala menunduk atau mendongak tidak terlalu besar jaraknya yaitu 0.2 cm dari posisi tegak.

5. Jarak dalam pengambilan gambar ini sejauh ± 60cm.

6. Ukuran gambar dari arah samping adalah 97x180 pixel, sedangkan ukuran gambar dari arah depan adalah 138x150 pixel.

1.5 Sistematika Penulisan.

Sistematika penulisan tugas akhir ini dibagi menjadi 5 bab, yaitu: Bab I : Pendahuluan.

Pada bab ini dibahas tentang latar belakang, identifikasi masalah, tujuan, pembahasan masalah, dan sistematika penulisan.

Bab II : Landasan Teori.

Pada bab ini dibahas tentang landasan teori dari citra digital, grayscale, deteksi tepi, thresholding dan citra biner, serta parameter yang digunakan sebagai pembanding.

Bab III : Perancangan Perangkat Lunak.

Pada bab ini dibahas cara pengambilan gambar, perancangan dan jalannya program.

Bab IV : Pengujian Perangkat Lunak.

Pada bab ini dibahas tentang hasil pengujian dan analisa data. Bab 5V : Kesimpulan dan Saran.

(5)

Universitas Kristen Maranatha 47

BAB V

KESIMPULAN dan SARAN

V.1 Kesimpulan

V.2 Saran

Saran untuk tugas akhir ini adalah parameter pembanding yang digunakan dapat ditambahkan seperti lebar hidung, dan sudut hidung dengan dagu.

(6)

DAFTAR PUSTAKA

1. Acharya, Tinku, Ajoy K.Ray, Image Processing Principles and Application, Wiley Interscience, 2005

2. Basuki, Achmad, Jozua F. Palandi, Fatchurrochman, Pengolahan Citra

Digital menggunakan Visual Basic, Graha Ilmu, 2005

3. http://id.shvoong.com/exact-sciences/physics/1803935-deteksi-tepi/ (diakses pada tanggal 20 September 2008)

4. http://www.academypublisher.com/jmm/vol01/no04/jmm01042128.pdf

(diakses pada tanggal 14 Januari 2008)

5. http://www. bioid.com/sdk/docs/About_EER.htm (diakses pada tanggal 20

September 2008)

6. Octovhiana, Krisna D., Cepat Mahir Visual Basic 6 vol 1, 2003

7. Penerbit Andi & Madcoms, Mahir Dalam 7 Hari Pemrograman Visual Basic, 2005

Perbandingan Dua Citra Hidung Menggunakan Parameter Jarak Dari Hidung Ke Dahi dan Ke Dagu, Jumlah Pixel, dan Sudut.