Kombinasi Ciri Orde 1, Ciri Orde 2 Dan Discrete Cosine Transform Pada Pengenalan Pola Citra Wajah Chapter III V
BAB 3
METODOLOGI PENELITIAN
3.1.
Tahapan Penelitian
Pada penelitian ini, seluruh prosedur awal penelitian terlebih dahulu harus sudah
dilakukan seperti studi literatur dan melakukan konsultasi dengan pembimbing.
Setelah ditemukan permasalahan dan merumuskannya maka penelitian bisa
dilanjutkan pada proses selanjutnya.
3.2
Diagram Alur Kerja Penelitian
Diagram alur kerja sistem penelitian yang akan dilakukan pada penelitian ini di
ilustrasikan pada gambar 3.1.
Mulai
Menetapkan Tujuan
Rumusan Masalah
Melakukan
Pengumpulan Data
Merancang System
yang akan dibangun
Menetapkan
Kesimpulan
Mengukur Kemampuan
Kinerja System
Menguji Coba System
yang dibangun
Gambar 3.1 Alur kerja penelitian secara umum
Berdasarkan gambar 3.1 dapat dijelaskan bahwa alur kerja penelitian secara
umum dimulai dengan tahapan menetapkan tujuan rumusan masalah yang akan
diteliti, agar penelitian yang diteliti tidak menyebar keruang lingkup yang lain dan
dilanjutkan dengan tahapan mengumpulkan data yang akan diteliti khususnya citra
wajah, selanjutnya setalah sampel terkumpulkan maka dilanjutkan tahapan merancang
atau membangun sistem dimana sistem dirancang dan diimplemetasikan sesuai
dengan tujuan penelitian yang telah difokuskan, kemudian pada tahapan selanjutnya
yaitu melakukan pengujian sistem yang telah diimplemetasikan dan pada tahapan
terakhir setelah pengujian sistem yaitu tahapan mengukur kinerja sistem sehingga
dapat diambil kesimpulan terhadap penelitian.
Universitas Sumatera Utara
16
3.3
Data Dan Peralatan Penelitian Yang Digunakan
Data yang digunakan dalam penelitian ini terdiri dari sekumpulan file citra wajah yang
digunakan sebagai pelatihan dan sekumpulan file citra wajah yang digunakan sebagai
pengujian. Proses pengambilan sampel wajah menggunakan bantuan Camera Digital
XLR Nikon D90 dengan jarak pengambilan 2 meter, hasil photo tersebut di potong
pada bagian wajah dan di atur resolusinya dengan ukuran 75 x 100 pixel. File citra
wajah yang digunakan yaitu file yang berformat bmp. Alasan pemilihan file citra .bmp
adalah dikarenakan format gambar .bmp merupakan standar default dalam pemrosesan
citra pada sistem operasi Windows.
3.4
Pengenalan Citra Wajah
Pengenalan citra wajah yang dibahas dalam penelitian ini adalah pengenalan citra
wajah dengan ekstraksi fitur ciri orde satu, ekstraksi fitur ciri orde dua, kombinasi
ekstraksi fitur ciri orde satu dan ciri orde dua, kombinasi DCT dengan ekstraksi fitur
ciri orde satu, kombinasi DCT dengan ekstraksi fitur ciri orde dua kombinasi DCT
dengan ekstraksi fitur ciri orde satu dan dua.
3.4.1. Pengenalan Citra Wajah Dengan Ekstraksi Fitur Ciri Orde Satu
Langkah pengenalan citra wajah dengan ekstraksi fitur ciri orde satu dapat dilihat
pada gambar 3.2.
Hitung Ekstraksi Fitur
Ciri Orde Satu
SUMBER
GRAYSCALE
Gambar
Dikenali
Gambar 3.2 Pengenalan citra wajah dengan ekstraksi fitur ciri orde satu
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Universitas Sumatera Utara
17
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
ekstraksi fitur ciri orde satu, dan selanjutnya akan melakukan kalkulasi antara pola
training dan pola citra testing, pola wajah yang dikenali adalah pola wajah yang
kalkulasi persentase yang paling tinggi.
3.4.2. Pengenalan Citra Wajah Dengan Ekstraksi Fitur Ciri Orde Dua
Langkah pengenalan citra wajah dengan ekstraksi fitur ciri orde dua dapat dilihat
pada gambar 3.3.
Hitung Ekstraksi Fitur
Ciri Orde Dua
SUMBER
Gambar
Dikenali
GRAYSCALE
Gambar 3.3 Pengenalan citra wajah dengan ekstraksi fitur ciri orde dua
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah, maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Dua dan selanjutnya akan melakukan kalkulasi antara pola
training dan pola citra testing, pola wajah yang dikenali adalah pola wajah yang
kalkulasi persentase yang paling tinggi.
Universitas Sumatera Utara
18
3.4.3. Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu
dan Ciri Orde Dua
Langkah pengenalan citra wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu dan
Ciri Orde Dua dapat dilihat pada gambar 3.4.
Hitung Ekstraksi Fitur Kombinasi
Ciri Orde Satu dan Ciri Orde Dua
SUMBER
GRAYSCALE
Gambar
Dikenali
Gambar 3.4 pengenalan citra wajah dengan kombinasi ekstraksi fitur
ciri orde satu dan ciri orde dua
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Satu dan Ciri Orde Dua dan selanjutnya akan melakukan
kalkulasi antara pola training dan pola citra testing, pola wajah yang dikenali adalah
pola wajah yang kalkulasi persentase yang paling tinggi.
3.4.4. Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu
dengan DCT (Discrete Cosine Transform)
Langkah pengenalan citra wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu dan
Ciri Orde Dua dapat dilihat pada gambar 3.5.
Universitas Sumatera Utara
19
Hitung DCT
(Discrete Cosine Transform)
Hitung Ekstraksi Fitur
Ciri Orde Satu
SUMBER
Gambar
Dikenali
GRAYSCALE
Gambar 3.5 Pengenalan citra wajah dengan ekstraksi fitur ciri orde satu
dengan DCT (discrete cosine transform)
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Satu dan selanjutnya akan di transformasikan menggunakan
discrete cosine transform perolehan bobot nilai tersebut akan dilakukan kalkulasi
antara pola training dan pola citra testing, pola wajah yang dikenali adalah pola wajah
yang kalkulasi persentase yang paling tinggi.
3.4.5. Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Dua
dengan DCT (Discrete Cosine Transform)
Langkah pengenalan citra wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde Dua
dengan DCT (Discrete Cosine Transform) dapat dilihat pada gambar 3.6.
Hitung DCT
(Discrete Cosine Transform)
Hitung Ekstraksi Fitur
Ciri Orde Dua
SUMBER
Gambar
Dikenali
GRAYSCALE
Gambar 3.6 Pengenalan citra wajah dengan ekstraksi fitur ciri orde dua
dengan DCT (discrete cosine transform)
Universitas Sumatera Utara
20
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Dua dan Ciri Orde Dua dan selanjutnya akan di
transformasikan menggunakan discrete cosine transform perolehan bobot nilai
tersebut akan dilakukan kalkulasi antara pola training dan pola citra testing, pola
wajah yang dikenali adalah pola wajah yang kalkulasi persentase yang paling tinggi
3.4.6. Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu
dan Ciri Orde Dua dengan DCT (Discrete Cosine Transform)
Langkah pengenalan citra wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu dan
Ciri Orde Dua dengan DCT (Discrete Cosine Transform) dapat dilihat pada gambar
3.7.
Hitung DCT
(Discrete Cosine Transform)
Hitung Ekstraksi Fitur
Ciri Orde Satu dan Ciri Orde Dua
SUMBER
Gambar
Dikenali
GRAYSCALE
Gambar 3.7 Pengenalan citra wajah dengan ekstraksi fitur ciri orde satu dan
ciri orde dua dengan DCT (discrete cosine transform)
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Satu dan Ciri Orde Dua dan selanjutnya akan di
transformasikan menggunakan discrete cosine transform perolehan bobot nilai
Universitas Sumatera Utara
21
tersebut akan dilakukan kalkulasi antara pola training dan pola citra testing, pola
wajah yang dikenali adalah pola wajah yang kalkulasi persentase yang paling tinggi
3.5. Skema Grayscale
Diagram alir untuk proses Grayscale dibangun berdasarkan Gambar 3.8.
Mulai
Input Citra
Kanal R=(R+G+B)/3
Kanal G=(R+G+B)/3
Kanal B=(R+G+B)/3
Tidak
Apakah semua pixel
(nilai intensitas) citra
sudah di kalkulasi
Ya
Stop
Gambar 3.8. Diagram alir proses grayscale
Tahapan grayscale bertujuan membantu percepatan dalam komputasi
selanjutnya, dimana grayscale bekerja menyama-ratakan nilai intensitas ketiga kanal
yang terdapat pada citra 24 bit. Nilai-nilai intensitas yang terdapat pada kanal R, kanal
G, dan kanal B dijumlahkan dan dibagi dengan jumlah kanal berturut-turut hingga
besar ukuran citra, sehingga nilai-nilai kanal sekarang diperbaharui dengan nilai
jumlah setiap kanal dibagi jumlah kanal. Sehingga sistem lebih cepat dalam proses
kumputasi selanjutnya yang hanya mengambil salah satu kanal saja sebagai presentasi
nilai-nilai intensitas lainnya yang terdapat pada citra.
Universitas Sumatera Utara
22
3.6. Skema Ekstraksi Fitur Ciri Orde Satu
Diagram alir untuk proses ekstraksi fitur ciri orde satu dibangun berdasarkan
Gambar 3.9.
Mulai
Input Citra Grayscale
Hitung Ekstraksi Fitur
Ciri Orde Satu
Tidak
Apakah Semua nilai
telah di Ekstraksi
Ya
Selesai
Gambar 3.9. Diagram alir proses ekstraksi fitur menggunakan ciri orde satu
Pada tahapan ini sistem menerima inputan citra grayscale sebelum melakukan
ekstraksi fitur dengan menggunakan Ciri Orde Satu, setelah membaca data citra
grayscale, sistem akan melanjutkan ketahapan ekstraksi fitur Ciri Orde Satu ( mean,
skewness, variance, kurtosis, dan entropy), apabila keseluruhan citra sudah dilakukan
ekstraksi fitur dan mendapatkan nilai fitur yang dinginkan maka sistem akan masuk
ketahap berikutnya, tapi apabila keseluruhan citra belum di ekstraksi fiturnya maka
sistem akan kembali untuk melakukan penghitungan ekstraksi fitur.
Universitas Sumatera Utara
23
3.7. Skema Ekstraksi Fitur Ciri Orde Dua
Diagram alir untuk proses ekstraksi fitur ciri orde dua dibangun berdasarkan
Gambar 3.10.
Mulai
Input Citra Grayscale
Hitung CoOcurance Matrik
Hitung Ekstraksi
Fitur Ciri Orde Dua
Tidak
Apakah Semua nilai
telah di Ekstraksi
Ya
Selesai
Gambar 3.10. Diagram alir proses ekstraksi fitur menggunakan ciri orde dua
Pada tahapan ini sistem menerima inputan citra grayscale sebelum melakukan
ekstraksi fitur dengan menggunakan ciri orde dua, setelah membaca data citra
grayscale, maka akan dilakukan penghitungan Co-Ocurance Matrik terlebih dahulu,
perolehan dari nilai co-Ocurance matrik baik itu matrik 0°, 45°, 90°, 135° akan
dihitung nilai rata – ratanya dan disimpan kedalam matriks komulatif, perolehan nilai
dari matrik komulatif tersebut akan dihitung menggunakan ekstraksi fitur ciri orde dua
(Angular Second Moment, Contrast, Correlation, Variance, Inverse Difference
Moment)
.
Universitas Sumatera Utara
24
3.8. Skema Kombinasi Ekstraksi Fitur Ciri Orde Satu dan Dua
Diagram alir untuk proses ekstraksi fitur Ciri Orde Satu dan Dua dibangun
berdasarkan
Gambar 3.11.
Mulai
Input Citra Grayscale
Hitung Nilai Histogram Citra (Ciri Orde Satu)
Hitung Nilai Co-Ocurance Matrik (Ciri Orde Dua)
Hitung Ekstraksi Fitur
Ciri Orde Satu dan Dua
Tidak
Apakah Semua nilai
telah di Ekstraksi
Ya
Selesai
Gambar 3.11. Diagram alir proses ekstraksi fitur menggunakan ciri orde satu
dan ciri orde dua.
Pada tahapan ini sistem menerima inputan citra grayscale sebelum melakukan
ekstraksi fitur dengan menggunakan Ciri Orde Satu dan Dua, setelah membaca data
citra grayscale, sistem akan melanjutkan ketahapan ekstraksi fitur Ciri Orde Satu
(mean, skewness, variance, kurtosis, dan entropy), untuk Ekstraksi fitur ciri orde dua
akan dilakukan penghitungan Co-Ocurance Matrik terlebih dahulu, perolehan dari
nilai co-Ocurance matrik baik itu matrik 0°, 45°, 90°, 135°,akan dihitung
menggunakan ekstraksi fitur ciri orde dua (Angular Second Moment, Contrast,
Correlation, Variance, Inverse Difference Moment). apabila keseluruhan citra sudah
diekstraksi fitur dan mendapatkan nilai fitur yang dinginkan maka sistem akan masuk
ketahap berikutnya, tapi apabila keseluruhan citra belum di ekstraksi fiturnya maka
sistem akan kembali untuk melakukan penghitungan ekstraksi fitur.
Universitas Sumatera Utara
25
3.9. Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Satu dengan DCT
(Discrete Cosine Transform)
Diagram alir untuk kombinasi antara nilai Ciri Orde Satu dengan DCT (Discrete
Cosine Transform) dibangun berdasarkan Gambar 3.12.
Mulai
Input Nilai Ektraksi Fitur
Ciri Orde Satu
Hitung Nilai DCT (Discrete Cosine Transform)
C u =
Tidak
�−
� �
�=
� � � �
�
�+
�
�
Apakah Nilai
I
METODOLOGI PENELITIAN
3.1.
Tahapan Penelitian
Pada penelitian ini, seluruh prosedur awal penelitian terlebih dahulu harus sudah
dilakukan seperti studi literatur dan melakukan konsultasi dengan pembimbing.
Setelah ditemukan permasalahan dan merumuskannya maka penelitian bisa
dilanjutkan pada proses selanjutnya.
3.2
Diagram Alur Kerja Penelitian
Diagram alur kerja sistem penelitian yang akan dilakukan pada penelitian ini di
ilustrasikan pada gambar 3.1.
Mulai
Menetapkan Tujuan
Rumusan Masalah
Melakukan
Pengumpulan Data
Merancang System
yang akan dibangun
Menetapkan
Kesimpulan
Mengukur Kemampuan
Kinerja System
Menguji Coba System
yang dibangun
Gambar 3.1 Alur kerja penelitian secara umum
Berdasarkan gambar 3.1 dapat dijelaskan bahwa alur kerja penelitian secara
umum dimulai dengan tahapan menetapkan tujuan rumusan masalah yang akan
diteliti, agar penelitian yang diteliti tidak menyebar keruang lingkup yang lain dan
dilanjutkan dengan tahapan mengumpulkan data yang akan diteliti khususnya citra
wajah, selanjutnya setalah sampel terkumpulkan maka dilanjutkan tahapan merancang
atau membangun sistem dimana sistem dirancang dan diimplemetasikan sesuai
dengan tujuan penelitian yang telah difokuskan, kemudian pada tahapan selanjutnya
yaitu melakukan pengujian sistem yang telah diimplemetasikan dan pada tahapan
terakhir setelah pengujian sistem yaitu tahapan mengukur kinerja sistem sehingga
dapat diambil kesimpulan terhadap penelitian.
Universitas Sumatera Utara
16
3.3
Data Dan Peralatan Penelitian Yang Digunakan
Data yang digunakan dalam penelitian ini terdiri dari sekumpulan file citra wajah yang
digunakan sebagai pelatihan dan sekumpulan file citra wajah yang digunakan sebagai
pengujian. Proses pengambilan sampel wajah menggunakan bantuan Camera Digital
XLR Nikon D90 dengan jarak pengambilan 2 meter, hasil photo tersebut di potong
pada bagian wajah dan di atur resolusinya dengan ukuran 75 x 100 pixel. File citra
wajah yang digunakan yaitu file yang berformat bmp. Alasan pemilihan file citra .bmp
adalah dikarenakan format gambar .bmp merupakan standar default dalam pemrosesan
citra pada sistem operasi Windows.
3.4
Pengenalan Citra Wajah
Pengenalan citra wajah yang dibahas dalam penelitian ini adalah pengenalan citra
wajah dengan ekstraksi fitur ciri orde satu, ekstraksi fitur ciri orde dua, kombinasi
ekstraksi fitur ciri orde satu dan ciri orde dua, kombinasi DCT dengan ekstraksi fitur
ciri orde satu, kombinasi DCT dengan ekstraksi fitur ciri orde dua kombinasi DCT
dengan ekstraksi fitur ciri orde satu dan dua.
3.4.1. Pengenalan Citra Wajah Dengan Ekstraksi Fitur Ciri Orde Satu
Langkah pengenalan citra wajah dengan ekstraksi fitur ciri orde satu dapat dilihat
pada gambar 3.2.
Hitung Ekstraksi Fitur
Ciri Orde Satu
SUMBER
GRAYSCALE
Gambar
Dikenali
Gambar 3.2 Pengenalan citra wajah dengan ekstraksi fitur ciri orde satu
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Universitas Sumatera Utara
17
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
ekstraksi fitur ciri orde satu, dan selanjutnya akan melakukan kalkulasi antara pola
training dan pola citra testing, pola wajah yang dikenali adalah pola wajah yang
kalkulasi persentase yang paling tinggi.
3.4.2. Pengenalan Citra Wajah Dengan Ekstraksi Fitur Ciri Orde Dua
Langkah pengenalan citra wajah dengan ekstraksi fitur ciri orde dua dapat dilihat
pada gambar 3.3.
Hitung Ekstraksi Fitur
Ciri Orde Dua
SUMBER
Gambar
Dikenali
GRAYSCALE
Gambar 3.3 Pengenalan citra wajah dengan ekstraksi fitur ciri orde dua
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah, maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Dua dan selanjutnya akan melakukan kalkulasi antara pola
training dan pola citra testing, pola wajah yang dikenali adalah pola wajah yang
kalkulasi persentase yang paling tinggi.
Universitas Sumatera Utara
18
3.4.3. Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu
dan Ciri Orde Dua
Langkah pengenalan citra wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu dan
Ciri Orde Dua dapat dilihat pada gambar 3.4.
Hitung Ekstraksi Fitur Kombinasi
Ciri Orde Satu dan Ciri Orde Dua
SUMBER
GRAYSCALE
Gambar
Dikenali
Gambar 3.4 pengenalan citra wajah dengan kombinasi ekstraksi fitur
ciri orde satu dan ciri orde dua
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Satu dan Ciri Orde Dua dan selanjutnya akan melakukan
kalkulasi antara pola training dan pola citra testing, pola wajah yang dikenali adalah
pola wajah yang kalkulasi persentase yang paling tinggi.
3.4.4. Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu
dengan DCT (Discrete Cosine Transform)
Langkah pengenalan citra wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu dan
Ciri Orde Dua dapat dilihat pada gambar 3.5.
Universitas Sumatera Utara
19
Hitung DCT
(Discrete Cosine Transform)
Hitung Ekstraksi Fitur
Ciri Orde Satu
SUMBER
Gambar
Dikenali
GRAYSCALE
Gambar 3.5 Pengenalan citra wajah dengan ekstraksi fitur ciri orde satu
dengan DCT (discrete cosine transform)
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Satu dan selanjutnya akan di transformasikan menggunakan
discrete cosine transform perolehan bobot nilai tersebut akan dilakukan kalkulasi
antara pola training dan pola citra testing, pola wajah yang dikenali adalah pola wajah
yang kalkulasi persentase yang paling tinggi.
3.4.5. Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Dua
dengan DCT (Discrete Cosine Transform)
Langkah pengenalan citra wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde Dua
dengan DCT (Discrete Cosine Transform) dapat dilihat pada gambar 3.6.
Hitung DCT
(Discrete Cosine Transform)
Hitung Ekstraksi Fitur
Ciri Orde Dua
SUMBER
Gambar
Dikenali
GRAYSCALE
Gambar 3.6 Pengenalan citra wajah dengan ekstraksi fitur ciri orde dua
dengan DCT (discrete cosine transform)
Universitas Sumatera Utara
20
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Dua dan Ciri Orde Dua dan selanjutnya akan di
transformasikan menggunakan discrete cosine transform perolehan bobot nilai
tersebut akan dilakukan kalkulasi antara pola training dan pola citra testing, pola
wajah yang dikenali adalah pola wajah yang kalkulasi persentase yang paling tinggi
3.4.6. Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu
dan Ciri Orde Dua dengan DCT (Discrete Cosine Transform)
Langkah pengenalan citra wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu dan
Ciri Orde Dua dengan DCT (Discrete Cosine Transform) dapat dilihat pada gambar
3.7.
Hitung DCT
(Discrete Cosine Transform)
Hitung Ekstraksi Fitur
Ciri Orde Satu dan Ciri Orde Dua
SUMBER
Gambar
Dikenali
GRAYSCALE
Gambar 3.7 Pengenalan citra wajah dengan ekstraksi fitur ciri orde satu dan
ciri orde dua dengan DCT (discrete cosine transform)
Pada tahapan ini yang dikerjakan oleh sistem adalah menerima inputan citra
wajah maka sistem selanjutnya akan melakukan proses grayscale dengan tujuan untuk
mempermudah perhitungan, dimana citra input mempunyai tiga kanal yaitu kanar R,
G, B, setelah grayscale bekerja maka citra akan menjadi satu kanal yaitu kanal
Grayscale, kemudian citra grayscale diproses kembali untuk melakukan penghitungan
Ekstraksi Fitur Ciri Orde Satu dan Ciri Orde Dua dan selanjutnya akan di
transformasikan menggunakan discrete cosine transform perolehan bobot nilai
Universitas Sumatera Utara
21
tersebut akan dilakukan kalkulasi antara pola training dan pola citra testing, pola
wajah yang dikenali adalah pola wajah yang kalkulasi persentase yang paling tinggi
3.5. Skema Grayscale
Diagram alir untuk proses Grayscale dibangun berdasarkan Gambar 3.8.
Mulai
Input Citra
Kanal R=(R+G+B)/3
Kanal G=(R+G+B)/3
Kanal B=(R+G+B)/3
Tidak
Apakah semua pixel
(nilai intensitas) citra
sudah di kalkulasi
Ya
Stop
Gambar 3.8. Diagram alir proses grayscale
Tahapan grayscale bertujuan membantu percepatan dalam komputasi
selanjutnya, dimana grayscale bekerja menyama-ratakan nilai intensitas ketiga kanal
yang terdapat pada citra 24 bit. Nilai-nilai intensitas yang terdapat pada kanal R, kanal
G, dan kanal B dijumlahkan dan dibagi dengan jumlah kanal berturut-turut hingga
besar ukuran citra, sehingga nilai-nilai kanal sekarang diperbaharui dengan nilai
jumlah setiap kanal dibagi jumlah kanal. Sehingga sistem lebih cepat dalam proses
kumputasi selanjutnya yang hanya mengambil salah satu kanal saja sebagai presentasi
nilai-nilai intensitas lainnya yang terdapat pada citra.
Universitas Sumatera Utara
22
3.6. Skema Ekstraksi Fitur Ciri Orde Satu
Diagram alir untuk proses ekstraksi fitur ciri orde satu dibangun berdasarkan
Gambar 3.9.
Mulai
Input Citra Grayscale
Hitung Ekstraksi Fitur
Ciri Orde Satu
Tidak
Apakah Semua nilai
telah di Ekstraksi
Ya
Selesai
Gambar 3.9. Diagram alir proses ekstraksi fitur menggunakan ciri orde satu
Pada tahapan ini sistem menerima inputan citra grayscale sebelum melakukan
ekstraksi fitur dengan menggunakan Ciri Orde Satu, setelah membaca data citra
grayscale, sistem akan melanjutkan ketahapan ekstraksi fitur Ciri Orde Satu ( mean,
skewness, variance, kurtosis, dan entropy), apabila keseluruhan citra sudah dilakukan
ekstraksi fitur dan mendapatkan nilai fitur yang dinginkan maka sistem akan masuk
ketahap berikutnya, tapi apabila keseluruhan citra belum di ekstraksi fiturnya maka
sistem akan kembali untuk melakukan penghitungan ekstraksi fitur.
Universitas Sumatera Utara
23
3.7. Skema Ekstraksi Fitur Ciri Orde Dua
Diagram alir untuk proses ekstraksi fitur ciri orde dua dibangun berdasarkan
Gambar 3.10.
Mulai
Input Citra Grayscale
Hitung CoOcurance Matrik
Hitung Ekstraksi
Fitur Ciri Orde Dua
Tidak
Apakah Semua nilai
telah di Ekstraksi
Ya
Selesai
Gambar 3.10. Diagram alir proses ekstraksi fitur menggunakan ciri orde dua
Pada tahapan ini sistem menerima inputan citra grayscale sebelum melakukan
ekstraksi fitur dengan menggunakan ciri orde dua, setelah membaca data citra
grayscale, maka akan dilakukan penghitungan Co-Ocurance Matrik terlebih dahulu,
perolehan dari nilai co-Ocurance matrik baik itu matrik 0°, 45°, 90°, 135° akan
dihitung nilai rata – ratanya dan disimpan kedalam matriks komulatif, perolehan nilai
dari matrik komulatif tersebut akan dihitung menggunakan ekstraksi fitur ciri orde dua
(Angular Second Moment, Contrast, Correlation, Variance, Inverse Difference
Moment)
.
Universitas Sumatera Utara
24
3.8. Skema Kombinasi Ekstraksi Fitur Ciri Orde Satu dan Dua
Diagram alir untuk proses ekstraksi fitur Ciri Orde Satu dan Dua dibangun
berdasarkan
Gambar 3.11.
Mulai
Input Citra Grayscale
Hitung Nilai Histogram Citra (Ciri Orde Satu)
Hitung Nilai Co-Ocurance Matrik (Ciri Orde Dua)
Hitung Ekstraksi Fitur
Ciri Orde Satu dan Dua
Tidak
Apakah Semua nilai
telah di Ekstraksi
Ya
Selesai
Gambar 3.11. Diagram alir proses ekstraksi fitur menggunakan ciri orde satu
dan ciri orde dua.
Pada tahapan ini sistem menerima inputan citra grayscale sebelum melakukan
ekstraksi fitur dengan menggunakan Ciri Orde Satu dan Dua, setelah membaca data
citra grayscale, sistem akan melanjutkan ketahapan ekstraksi fitur Ciri Orde Satu
(mean, skewness, variance, kurtosis, dan entropy), untuk Ekstraksi fitur ciri orde dua
akan dilakukan penghitungan Co-Ocurance Matrik terlebih dahulu, perolehan dari
nilai co-Ocurance matrik baik itu matrik 0°, 45°, 90°, 135°,akan dihitung
menggunakan ekstraksi fitur ciri orde dua (Angular Second Moment, Contrast,
Correlation, Variance, Inverse Difference Moment). apabila keseluruhan citra sudah
diekstraksi fitur dan mendapatkan nilai fitur yang dinginkan maka sistem akan masuk
ketahap berikutnya, tapi apabila keseluruhan citra belum di ekstraksi fiturnya maka
sistem akan kembali untuk melakukan penghitungan ekstraksi fitur.
Universitas Sumatera Utara
25
3.9. Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Satu dengan DCT
(Discrete Cosine Transform)
Diagram alir untuk kombinasi antara nilai Ciri Orde Satu dengan DCT (Discrete
Cosine Transform) dibangun berdasarkan Gambar 3.12.
Mulai
Input Nilai Ektraksi Fitur
Ciri Orde Satu
Hitung Nilai DCT (Discrete Cosine Transform)
C u =
Tidak
�−
� �
�=
� � � �
�
�+
�
�
Apakah Nilai
I