Ambil score terkecil sebagai hasil dari wajah yang telah diproyeksikan, wajah

commit to user IV - 41

2. Gabungkan setiap image dalam WH elemen vektor dengan menggabungkan

semua baris. Buat ImageMatrix sebagai matrik N x WH berisi semua gambar yang digabung.

3. Jumlahkan semua baris pada ImageMatrix dan bagi dengan N untuk

mendapatkan rataan gambar gabungan. Kita namakan vektor elemen WH ini dengan ψ. 4. Kurangi ImageMatrix dengan average image ψ. Kita namakan matriks baru ukuran N x WH sebagai Ф. 5. Jika pada elemen-elemen dari matriks Ф ditemukan nilai negatif, ganti nilainya dengan nilai 0. Kemudian identifikasi dilakukan dengan proyeksi dengan algoritma sebagai berikut:

1. Buat projectToFaceSpacetest_image: image berukuran W x H pixel

2. Kita gabung elemen vektor WH dan kita sebut img

3. Load nilai rataan ψ dari database atau file

4. Kurangi img dengan ψ, kita dapatkan img’

5. Jika pada img’ ditemukan elemen dengan nilai negatif, ganti dengan nilai 0,

untuk mendapatkan vektor ukuran img’’. Proses terakhir adalah identifikasi, yaitu memproyeksikan test image ke face space dan menghitung score. 1. Load semua wajah yang sudah diproyeksikan dari database 2. Proj=projectToFaceSpacetest_image 3. Lakukan operasi pengurangan, proj dengan semua wajah yang telah diproyeksikan. Ambil nilai absolutnya dan jumlahkan, hasilnya adalah score.

4. Ambil score terkecil sebagai hasil dari wajah yang telah diproyeksikan, wajah

ini sebagai hasil identifikasi. 2.11. Penelitian Terdahulu Sistem presensi yang diterapkan di berbagai instansiperusahaan saat ini sudah banyak menggunakan sistem digital seperti fingerprint, barcode, pengenalan wajah dan menggunakan iris mata sebagai identitas dalam melakukan input data presensi. commit to user IV - 42 Berbagai penelitian telah dilakukan untuk melakukan inovasi- inovasi terbaru, diantaranya penelitian yang dilakukan oleh Syamsiar 2005 dengan judul Sistem Identifikasi Scan Iris Mata Menggunakan Metode JST Propagasi Balik Untuk Aplikasi Sistem Pengamanan Brankas. Sistem scanning iris merupakan pengembangan dari sistem biometrik, dimana sistem ini menggunakan anggota tubuh manusia untuk diidentifikasi sebagai ciri unik manusia. Iris sendiri memiliki ciri yang dapat bertahan lama hingga seumur hidup sama halnya dengan DNA pada tubuh manusia dan sidik jari manusia. Pada proyek akhir ini dibuat suatu sistem untuk identifikasi pola iris mata seseorang yang keluaran dari sistem ini digunakan untuk pengamanan brankas. Proses yang dilakukan meliputi pengambilan citra secara video capture, kemudian citra dikonversi dari skala RGB ke grayscale. Setelah itu citra diproses melalui preprocessing image dan dilakukan deteksi pupil dan iris, lalu disegmentasi agar dapat diambil area irisnya saja. Kemudian citra dibagi menjadi 64 area untuk menyederhanakan pemrosesannya. Tahap terakhir adalah identifikasi dengan metode NN, tetapi sebelumnya sistem dilatih untuk mengenali referensinya dengan merubah nilai epoch, laju belajar, dan toleransi error hingga dihasilkan output yang sesuai dengan nilai referensi yang sudah ditentukan. Sistem dapat bekerja optimal pada range : learning rate laju belajar sebesar 15, jangkauan epoch looping sebanyak 100000 kali dengan toleransi error 0,001 dan momentum 0,1. Tingkat keberhasilan sistem dalam mengenali user adalah 80,1. Menurut Awaludin 2006 Face Recognition atau pengenalan wajah sejauh ini dilakukan untuk mengenali wajah seseorang dari suatu foto atau video. Dari hal tersebut dicoba mengembangkan proses pengenalan wajah atau face recognition tersebut dengan membandingkan foto dengan citra. Melalui penelitian ini diharapkan dapat lebih mempermudah proses pengenalan wajah, yang awalnya harus menggunakan foto atau rekaman video orang yang dicari, tetapi dengan proyak akhir ini kita dapat mengenali seseorang hanya dengan mengetahui ciri-cirinya saja yang digambarkan dengan media citra. Pengenalan wajah manusia merupakan salah satu bidang penelitian yang penting. Penelitian tersebut telah banyak commit to user IV - 43 dilakukan dengan kelebihan dan kekurangan tertentu. Dari sebuah wajah, banyak informasi yang didapat baik secara statis maupun dinamis, misalnya saja warna kulit, struktur tulang wajah, dan ekspresi wajah. Dalam hal ini bidang keamananpun tak luput untuk memanfaatkan teknologi ini. Dengan perangkat lunak face recognition, penegak hukum dapat mencari dan mengidentifikasi wajah seorang kriminal. Jika semula polisi hanya berpedoman pada ilustrasi gambar wajah dan sidik jari penjahat secara manual, kini teknologi komputer dapat melakukan tugas tersebut dengan lebih cepat dan akurat. Hal ini memungkinkan kepolisian dapat mengenali wajah seorang penjahat melalui sketsa, serta mendapatkan informasi tentang orang tersebut. commit to user IV - 44

BAB III METODOLOGI PENELITIAN

Metode penelitian menggambarkan langkah-langkah penelitian yang akan dilakukan dalam pemecahan masalah. Adapun langkah-langkah penyelesaian masalah adalah seperti dalam Gambar 3.1. Gambar 3.1. Metodologi Tahap studi pendahuluan Tahap analisa, Tahap analisis dan Studi Pustaka Perumusan Masalah dan Tujuan Penelitian Analisa Sistem Awal Identifikasi kebutuhan sistem 1. Kerangka kerja 2. Input dan Output sistem 3. Kebutuhan perangkat keras dan lunak 4. Struktur biaya Peran Peran cangan Analisis Hasil Rancangan Kesimpulan dan Saran Pengu jian Peranc angan Studi Lapangan a