Aplikasi Absensi Berbasis Mobile Android Dengan Verifikasi Wajah Menggunakan Algoritma Fisherface.

TESIS

APLIKASI VERIFIKASI WAJAH UNTUK ABSENSI PADA

PLATFORM ANDROID DENGAN MENGGUNAKAN

ALGORITMA FISHERFACE

I PUTU PUTRAYANA WARDANA

PROGRAM PASCASARJANA

UNIVERSITAS UDAYANA

DENPASAR

2016

TESIS

APLIKASI VERIFIKASI WAJAH UNTUK ABSENSI PADA

PLATFORM ANDROID DENGAN MENGGUNAKAN

ALGORITMA FISHERFACE

I PUTU PUTRAYANA WARDANA NIM 1291761022

PROGRAM MAGISTER

PROGRAM STUDI TEKNIK ELEKTRO

PROGRAM PASCASARJANA

DENPASAR

2016

APLIKASI VERIFIKASI WAJAH UNTUK ABSENSI PADA PLATFORM ANDROID

DENGAN MENGGUNAKAN ALGORITMA FISHERFACE

Tesis untuk Memperoleh Gelar Magister pada Program Magister, Program Studi Teknik Elektro,

Program Pascasarjana Universitas Udayana

I PUTU PUTRAYANA WARDANA NIM 1291761022

PROGRAM STUDI TEKNIK ELEKTRO PROGRAM PASCASARJANA

UNIVERSITAS UDAYANA DENPASAR

Lembar Pengesahan

TESIS INI TELAH DISETUJUI PADA TANGGAL 08 JUNI 2016

Mengetahui

Pembimbing II,

Dr. Ir. Made Sudarma, M.A.Sc. NIP 196512311993031189 Pembimbing I,

Prof. Ir. Ida Ayu Dwi Giriantari, M.EngSc.,PhD.

NIP 196512131991032001

Direktur Program Pascasarjana

Universitas Udayana

Prof. Dr. dr. A.A Raka Sudewi, Sp.S(K) NIP. 195902151985102001 Ketua Program Magister

Program Studi Teknik Elektro Program Pascasarjana

Universitas Udayana

Prof. Ir. Ida Ayu Dwi Giriantari, M.EngSc.,PhD.

Tesis Ini Telah Diuji pada Tanggal 8 Juni 2016

Panitia Penguji Tesis Berdasarkan SK Rektor Universitas Udayana, No.: 2562/UN14.4/HK/2016, Tanggal 7 Juni 2016

Ketua : Prof. Ir. A. Dwi Giriantari, M.Eng,Sc.,PhD

Anggota :

1. Dr. Ir. Made Sudarma, M.A.Sc 2. Dr. I Made Oka Widyantara, ST.,MT. 3. Dr. Ir. Agus Dharma, MT.

SURAT PERNYATAAN BEBAS PLAGIAT

Saya yang bertanda tangan dibawah ini :

Nama : I Putu Putra Yana Wardana

NIM : 1291761022

Program Studi : Magister Teknik Elektro

Judul Tesis : Aplikasi Verifikasi Wajah Untuk Absensi Pada Platform

Android Dengan Menggunakan Algoritma Fisherface

Dengan ini menyatakan bahwa karya ilmiah Tesis ini bebas plagiat.

Apabila di kemudian hari terbukti plagiat dalam karya ilmiah ini, maka saya bersedia menerima sanksi sesuai peraturan Mendiknas RI No. 17 tahun 2010 dan Peraturan Perundang-undangan yang berlaku

Denpasar, 07 Juli 2016 Yang membuat pernyataan,

UCAPAN TERIMA KASIH

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas segala berkah, semangat, kekuatan, dan karunia yang telah diberikan-Nya, sehingga penulis dapat menyelesaikan penyusunan laporan tesis yang berjudul “Aplikasi Verifikasi Wajah Untuk Absensi Pada Platform Android Dengan Menggunakan Algoritma Fisherface”.

Dalam penyusunan laporan tesis ini penulis banyak sekali mendapatkan bantuan baik berupa pengetahuan maupun moril dari berbagai pihak, sehingga akhirnya penulis dapat menyelesaikan tesis ini. Mengingat hal tersebut, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada Rektor Universitas Udayana Prof. Dr. dr. Ketut Suastika Sp. PD-KEMD, atas kesempatan dan fasilitas yang diberikan kepada penulis untuk mengikuti dan menyelesaikan pendidikan Program Magister di Universitas Udayana dan tidak lupa ucapan terimakasih kepada Ibu Prof. Dr. dr. A.A Raka Sudewi, Sp.S (K), sebagai Direktur Program Pasca Sarjana Universitas Udayana yang telah memberi kesempatan untuk melanjutkan studi di Pasca Sarjana Universitas Udayana. Tidak lupa ucapan terimakasih kepada Ibu Prof. Ir. Ida Ayu Dwi Giriantari, M.Eng.Sc.,Ph.D, sebagai Ketua Program Magister Program Studi Teknik Elektro Program Pasca Sarjana Universitas Udayana dan sekaligus juga telah bersedia membimbing dan memotivasi dalam menyelesaikan tesis sebagai pembimbing I serta Bapak Dr. Ir. Made Sudarma, M.A.Sc, selaku pembimbing II yang telah memberikan bimbingan, saran dan motivasi dalam menyelesaikan tesis ini. Serta tidak lupa kepada Bapak dan Ibu dosen Program Studi Teknik Elektro Program Pasca Sarjana Universitas Udayana beserta staff dan karyawan yang banyak membantu

Ucapan terimakasih penulis sampaikan kepada kedua Orang tua, I Wayan Mudana dan Ni Luh Warini beserta Keluarga yang selalu memberikan doa, dukungan, materi dan motivasi sehingga penulis bisa menyelesaikan studi ini. Serta kepada Luh Pande Latria Devi dan ketiga anakku yang senantiasa memberikan perhatian, dukungan, dan motivasi untuk menyelesaikan studi ini. Seluruh pihak yang tidak dapat penulis sebutkan satu-persatu atas partisipasi dan kontribusinya terhadap penyusunan laporan tesis ini.

Akhirnya penulis mohon maaf atas segala keterbatasan yang ada dalam laporan tesis ini. Semoga tesis ini dapat memberikan kontribusi positif bagi semua pihak.

Denpasar, 08 Juni 2016

Penulis

Wajah merupakan salah satu bagian tubuh manusia yang sering digunakan dalam sistem pengenalan biometrik karena tingkat perbedaan yang tinggi antara wajah yang satu dengan wajah lainnya. Aplikasi mobile android dengan tambahan keamanan fitur pengenalan wajah akan menambah keamanan privasi seseorang penggunaan telpon pribadi/handphone khususnya yang berbasis android. Ektraksi ciri merupakan salah satu tahapan yang dilalui dalam pengembangan sistem pengenalan biometrik wajah pada aplikasi absensi face recognition. Tahap ini bertujuan untuk mengekstrak informasi dari citra wajah sehingga dapat digunakan sebagai ciri unik dari wajah bersangkutan. Pada paper ini tahap ekstraksi ciriface recognition dilakukan dengan menggunakan algoritma Fisherface. Citra wajah melalui proses pelatihan dengan penyelarasan wajah dan ekstraksi fisherface yang kemudian dicocokan dengan membandingkan nilai

euclidiannya. Hasil uji coba pada penelitian ini menghasilkan algoritma fisherface tidak berpengaruh terhadap perubahan ekpresi wajah, jarak dan pencahayaan setelah dilakukan pengujian sebanyak dua ratus tiga puluh database citra wajah tetap dapat mengenali wajah seseorang

Kata Kunci : Absensi, face recognition, mobile, android, fisherface

Abstract

The face is one part of the human body which are often used in biometric recognition system for high-level differences between the faces of the other faces. Android mobile application with additional security face recognition feature will add to the security of personal privacy of a person's use of telephone / mobile in particular that based on android. Extraction is one of the characteristics of the stages through which the development of biometric facial

recognition systems on attendance face recognition applications. This stage aims to extract information from the face image so that it can be used as the unique features of the face in question. In this paper face recognition feature extraction phase is done by using algorithms Fisherface. The image of the face through the training process to the alignment faces and extraction fisherface which is then matched by comparing the value euclidiannya. The trial results in this study resulted in fisherface algorithm does not affect the change in facial expression, distance and lighting after testing two hundred thirty facial image database will still be able to recognize a person's face.

Keywords : Attendance, face recognition, mobile, android, fisherface

DAFTAR ISI

SAMPUL LUAR………..…………...….I

SAMPUL DALAM……….II

LEMBAR PERSETUJUAN…..………III

LEMBAR PENGESAHAN………...IV

LEMBAR PANITIA PENGUJI ... V SURAT PERNYATAAN BEBAS PLAGIAT ... VI

UCAPAN TERIMAKASIH ... VII ABSTRAK………..VIII ABSTRACT………...IX DAFTAR ISI………...X DAFTAR ISTILAH ... XIII DAFTAR TABEL………...XIV DAFTAR GAMBAR………...XV BAB I PENDAHULUAN ... Error! Bookmark not defined.

1.1 Latar Belakang ... Error! Bookmark not defined.

1.2 Rumusan Masalah ... Error! Bookmark not defined.

1.3 Tujuan Penelitian... Error! Bookmark not defined.

1.4 Manfaat Penelitian... Error! Bookmark not defined.

1.5 Ruang Lingkup Penelitian ... Error! Bookmark not defined.

1.6 Keaslian Penelitian ... Error! Bookmark not defined.

1.7 Hipotesis ... Error! Bookmark not defined.

BAB II KAJIAN PUSTAKA ... Error! Bookmark not defined.

2.1 State Of Art Review ... Error! Bookmark not defined.

2.2 Konsep Pemrograman Berorientasi ObjekError! Bookmark not defined.

2.3 Perangkat Lunak ... Error! Bookmark not defined.

2.4 Perangkat Mobile... Error! Bookmark not defined.

2.5 Smartphone... Error! Bookmark not defined.

2.6 Sistem Operasi Android ... Error! Bookmark not defined.

2.7 Android SDK (Software Development Kit)Error! Bookmark not defined.

2.8 Eclipse ... Error! Bookmark not defined.

2.10 Face Recognition ... Error! Bookmark not defined.

2.10.1 Deteksi Wajah ... Error! Bookmark not defined.

2.11 Penyimpanan Fitur ... Error! Bookmark not defined.

2.11.1 Pencocokan ... Error! Bookmark not defined.

BAB III METODE PENELITIAN ... Error! Bookmark not defined.

3.1 Rancangan Penelitian ... Error! Bookmark not defined.

3.1.1 Gambaran Umum Sistem ... Error! Bookmark not defined.

3.1.2 Rancangan Database ... Error! Bookmark not defined.

3.2 Sumber Data ... Error! Bookmark not defined.

3.3 Tempat dan Waktu Penelitian ... Error! Bookmark not defined.

3.4 Instrumen Penelitian ... Error! Bookmark not defined.

3.5 Metode dan Teknik Analisis Data ... Error! Bookmark not defined.

3.6 Parameter Pengenalan Wajah ... Error! Bookmark not defined.

3.7 Rancangan Percobaan ... Error! Bookmark not defined.

3.8 Proses Pengenalan Wajah... Error! Bookmark not defined.

BAB IV HASIL DAN PEMBAHASAN ... Error! Bookmark not defined.

4.1. Antarmuka Sistem ... Error! Bookmark not defined.

4.1 Deteksi Wajah ... Error! Bookmark not defined.

4.2 Training Sistem ... Error! Bookmark not defined.

4.3 Absensi Wajah... Error! Bookmark not defined.

4.4 Algoritma fisherface dalam sistem ... Error! Bookmark not defined.

4.4.1 Unjuk kerja sistem dalam beberapa parameter pengujianError! Bookmark not defined.

BAB V KESIMPULAN DAN SARAN ... Error! Bookmark not defined.

5.1. Kesimpulan... Error! Bookmark not defined.

DAFTAR PUSTAKA ... Error! Bookmark not defined.

LAMPIRAN ... Error! Bookmark not defined.

DAFTAR ISTILAH

1. Verifikasi : pencocokan kembali

2. Biometrika : berasal dari bahasa Yunani yaitu bios yang artinya hidup dan metron yang artinya mengukur, maka dapat diartikan sebagai studi tentang metode otomatis untuk

mengenali manusia berdasarkan satu atau lebih bagian tubuh manusia atau kelakuan dari manusia itu sendiri yang memiliki keunikan.

3. DNA : sejenis asam nukleat yang tergolong biomolekul utama penyusun berat kering setiap organisme. Di dalam sel, DNA umumnya terletak di dalam inti sel.

4. Privasi : kerahasian

5. Akuisisi : masukan data direkam dan kemudian diproses computer 6. Referensi : sumber acuan

7. Smartphone : telepon genggam yang mempunyai kemampuan tingkat tinggi, kadang-kadang dengan fungsi yang menyerupai komputer

8. User friendly : bersahabat dengan pengguna,mudah digunakan

9. Open source : sistem pengembangan yang tidak dikoordinasi oleh suatu individu/lembaga pusat, tetapi oleh para pelaku yang bekerja sama dengan memanfaatkan kode sumber (source-code) yang tersebar dan tersedia bebas (biasanya menggunakan fasilitas komunikasi internet)

10.Database : kumpulan informasi yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh informasi dari basis data tersebut

11.Programer : suatu proses iteratif penulisan dan penyuntingan kode sumber sehingga membentuk sebuah program

DAFTAR TABEL

Tabel 2. 1. Penelitian Sebelumnya……...………..13

Tabel 2. 2. Metriks Kebaharuan……….14

Tabel 3.2. Desain Tabel absen_out………....…40Tabel 3.3.

Desain Tabel data_peg………..41

Tabel 3.4. Susunan Rancangan percobaan…………..………..………….46

Tabel 4.1. Tabel Data Citra Latih (Traning Set)……….…………..……….57

Tabel 4.2. Tabel Data Citra Uji (Test Set)………...…59Tabel 4.3. Tabel Konversi Citra...………..72

Tabel 4.4. Hasil Unjuk Kerja Sistem Jarak dan Sudut…………..……….80 Tabel 4.5. Hasil Unjuk Kerja Jarak dan Kacamata...………....……….84

Tabel 4.6. Hasil Unjuk Kerja Arah Cahaya dan Jilbab………..…....…87Tabel 4.7. Hasil Unjuk Kerja Ekspresi dan Kacamata………...…..143

DAFTAR GAMBAR

Gambar 1.2. Diagram Fishbone………...………Error!

Gambar 2.1. Contoh Perangkat Mobile………..Error! Bookmark not defined.

Gambar 2.2. Contoh Perangkat Smartphone………...………...………21

Gambar 2.3. Diagram Blok Deteksi Wajah………..…….Error! Bookmark not defined. Gambar 3.1. Rancangan Umum Penelitian………..………..Error! Bookmark not defined. Gambar 3.2. Gambaran Umum Perangkat Lunak………..…….…...………Error! Bookmark not defined. Gambar 3.3. Detail Proses Deteksi Metode Fisherface………..Error! Bookmark not defined. Gambar 4.1. Tampilan Aplikasi Absensi Fisherface………...………..49

Gambar 4.2. Diagram Proses Deteksi Wajah……….…….…...………53

Gambar 4.3. Diagram Proses Training Sistem……….………..54

Gambar 4.4. Contoh Tampilan Citra Uji Pada Aplikasi…...……...………..55

Gambar 4.5. Diagram Proses Absensi Wajah…………..……..…….…...………61

Gambar 4.6. Tampilan Database Citra Dengan Karakteristik Berbeda……...…..62

Gambar 4.7. Tampilan Hasil Proses Absensi………...………..63

Gambar 4.8. Tampilan Hasil User Berhasil Absensi………….…….…...………64

Gambar 4.9. Tampilan Sistem Dapat Menangkap Citra Wajah 15 Derajat……...65

Gambar 4.10. Perkiraan Sudut,Batasan Maksimal Sistem………...………..65

Gambar 4.11. Tampilan Icon Face Recognition ………..…….…...…….…66

Gambar 4.12. Tampilan Aplikasi Berhasil Diload………....67

Gambar 4.13. Tampilan Fitur Icon Untuk Mengubah Kamera Belakang Depan..68

Gambar 4.14. Tampilan Proses Training Database Wajah………69

Gambar 4.16. Tampilan Data Rekaman Absensi…………..……...………..71 Gambar 4.17. Generalisasi Akurasi jarak dan Sudut Wajah………...…...………76 Gambar 4.18. Generalisasi Akurasi Jarak dan Kacamata……….……...…..81 Gambar 4.19. Generalisasi Akurasi Arah Cahaya dan Jilbab………..…..86 Gambar 4.20. Generalisasi Akurasi Ekspresi dan Kacamata………….…………92

BAB I

PENDAHULUAN

1.1 Latar Belakang

Perkembangan IT di era globalisasi ini yang begitu pesat menjadi salah satu hal yang sangat berharga bagi perusahaan atau instansi. Pemanfaatan IT oleh instansi akan membantu organisasi tersebut dalam menangani informasi dalam jumlah besar, bersaing dalam dunia global dan akhirnya menjadi instansi yang sukses. Setiap instansi mempunyai struktur organisasi dan kebijakan yang berbeda, sehingga sebuah teknologi informasi yang digunakan oleh instansi satu tidak dapat digunakan oleh instansi yang lainnya. Hal ini memperkecil daya guna dari sebuah teknologi informasi yang ada. Mengelola informasi dalam jumlah besar diperlukan sistem informasi yang efektif oleh instansi. Salah satunya dalam mengelola informasi sumber daya manusia yang ada di dalam instansi tersebut. Informasi mengenai sumber daya manusia sangatlah dibutuhkan oleh instansi guna menunjang kinerja sumber daya manusia tersebut dan juga menunjang kinerja instansi tersebut. Dibantu perkembangan perangkat mobile dan keinginan untuk mempermudah proses absensi untuk meningkatkan kinerja sumber daya manusia dan menunjang kinerja instansi sehingga membutuhkan sistem aplikasi absensi yang mempunyai mobilitas tinggi.

Perkembangan perangkat mobile yang pesat, salah satunya adalah smartphone.

Handphone yang sebelumnya sebagai alat komunikasi,saat ini sudah lebih dari fungsi dasarnya dan semakin canggih. Berbagai macam fitur disediakan seperti pengolahan gambar dan video, pengolahan dokumen, aplikasi permainan yg semakin variatif dan lain sebagainya. Hal tidak bisa

dilepaskan dari peran sistem operasi pada handphone. Sama seperti pada komputer, handphone

pun dapat di instal aplikasi yang diinginkan.

Android adalah sistem operasi berbasis Linux yang dirancang untuk perangkat seluler layar sentuh seperti telepon pintar dan komputer tablet. Android awalnya dikembangkan oleh Android, Inc., dengan dukungan finansial dari Google, yang kemudian membelinya pada tahun 2005. Sistem operasi ini dirilis secara resmi pada tahun 2007, bersamaan dengan didirikannya Open Handset Alliance, konsorsium dari perusahaan-perusahaan perangkat keras, perangkat lunak, dan telekomunikasi yang bertujuan untuk memajukan standar terbuka perangkat seluler. Ponsel Android pertama mulai dijual pada bulan Oktober 2008. Android bersifat open source

sehingga mudah kedepannya untuk mengembangkan tanpa perlu membayar licence(free). Keunggulan android juga tampilannya yg sangat user friendly / mudah digunakan dan beragam aplikasi dan fitur yang ditawarkan di google play,store yang menyediakan beragam kebutuhan aplikasi yang kita butuhkan baik itu yang berbayar maupun yang free.

Sebagai alat komunikasi yang sedang diminati masyarakat dunia, keamanan data yang disimpan di dalam smartphone android seperti email, foto, dokumen sensitif dan lain-lain menjadi isu yang sangat penting. Isu ini menjadi semakin penting mengingat seringnya smartphone digunakan oleh orang lain. Selain itu penggunaan sistem pembuka kunci dengan PIN

dan pattern yang membentuk sebuah garis pola juga masih memiliki kelemahan, contohnya pemilik smartphone lupa dengan angka kombinasi PIN atau garis pola yang digunakan untuk membuka kunci keamanan smartphone.

Perkembangan aplikasi handphone yang inovatif menambah daya tarik seseorang memiliki handphone dan memaksimalkan fungsi handphone dengan melengkapi aplikasi aplikasi yang berguna dan menarik salah satunya missal aplikasi facebook. Perkembangan

aplikasi yang inovatif tersebut beriringan dengan peningkatan fitur keamanan aplikasi di

handphone yang disediakan langsung oleh vendor mobile maupun fitur keamanan yang disediakan langsung oleh penyedia aplikasi inovatif contohnya seperti aplikasi mengunci

handphone yang disediakan semakin beragam ada yg dengan hanya mengetikkan password, ada yang melengkapinya dengan sidik jari dan lain lain. Salah satu fitur keamanan yang ada selain

password dan sidik jari adalah menggunakan verifikasi wajah di aplikasi mobile (handphone). Pada dasarnya setiap manusia memiliki sesuatu yang unik yang berbeda dengan manusia lainnya. Inilah yang menimbulkan gagasan untuk menjadikan keunikan tersebut sebagai identitas diri. Hal ini perlu didukung oleh teknologi yang secara otomatis bisa mengidentifikasi/mengenali. Teknologi biometric adalah system yang menjembatani kebutuhan tersebut dengan menggunakan bagian tubuh manusia sebagai kepastian pengenalan. Bagian tubuh manusia yang digunakan antara lain sidik jari, mata dan wajah seseorang. Keunggulan

biometric dari yang lain adalah (1) Sulit untuk dimanipulasi, (2) Memungkinkan untuk dilakukan audit trial terhadap setiap kejadian yang ada, dimana melalui biometric security dapat diketahui siapa yang melakukan akses terhadap asset organisasi (who), dimana (where) dan kapan (when) individu tersebut melakukannya, (3) Mencegah individu yang tidak mempunyai otorisasi untuk melakukan akses terhadap asset organisasi. Kebocoran sangat mungkin terjadi, jika menggunakan password dan kartu, dimana kartu yang dimiliki individu dapat dipinjamkan kepada individu yang lain atau hilang dan ditemukan oleh individu yang lain yang tidak mempunyai otorisasi (4) Sebagai solusi untuk kelemahan konsep password yaitu adanya kemungkinan individu tidak dapat mengingat kembali password atau pin untuk melakukan akses

Verifikasi wajah merupakan proses pengenalan dan pencocokan wajah. Mengenali wajah seseorang merupakan suatu hal yang mudah dilakukan oleh manusia. Seseorang akan mudah

mengenali wajah orang yang dikenali sebelumnya walaupun ekspresi wajah orang berbeda beda setiap bertemu serta dalam kondisi pencahayaan yang terang ataupun gelap. Namun tidak demikian bagi sebuah mesin, komputer ataupun handphone yang belum dilengkapi sistem cerdas. Salah satu contoh sistem pengenalan pola adalah sistem pengenalan biometrika. Penggunaan teknologi pengenalan biometrika untuk mengenali seseorang pada dasarnya telah ada dan digunakan sejak ribuan tahun yang lalu. Wajah digunakan untuk pengenalan selain suara, sidik jari maupun cara jalan. Bahkan kini perkembangannya telah sampai penggunaan

DNA, tanda tangan, telapak tangan, retina mata dll. Penggunaaan biometrika untuk sistem pengenalan punya banyak kelebihan dan keunggulan dibandingkan dengan sistem tradisional seperti: penggunaan password, PIN, kartu dan kunci yang sudah diaplikasikan pada: akses pintu, presensi kehadiran, mesin ATM dll. Pengunaan password yang diketik (pin). Untuk sistem

mobile biometrika masih sedikit dan bisa diekplorasi lebih beragam dan mendalam untuk dibahas. Aplikasi dengan tambahan keamanan fitur pengenalan wajah akan menambah keamanan privasi seseorang penggunaan telpon pribadi/handphone khususnya yang berbasis android. Fitur pengenalan wajah ini didukung dengan perkembangan handphone yang sudah memiliki kemampuan kamera yang mumpuni dimuka dan dibelakang handphone. Harganya pun sudah semakin murah dari tahun ke tahun jadi semua orang dapat memilikinya dengan mudah seperti yang telah disampaikan diatas. Salah satu deteksi wajah yang penulis angkat adalah fisherface.

Pada tahun 1997, Peter N. Belhumeur, Joao P. Hespanha dan David J. Kriegman mengembangkan algoritma yang dinamakan fisherface. Algortima ini merupakan gabungan dari metode Principal Component Analysis (PCA) dengan Fisher’s Linear Discriminant (FLD). Dasar dari algoritma ini adalah reduksi dimensi yang sekaligus memperbesar rasio jarak antar

kelas terhadap jarak intra kelas dari vektor ciri. Semakin besar rasio, vektor ciri yang dihasilkan semakin tidak sensitif terhadap perubahan ekspresi ataupun perubahan cahaya, sehingga dapat menghasilkan klasifikasi yang lebih baik. Selain dapat menghasilkan tingkat klasifikasi yang lebih baik, algoritma fisherface ini juga performa dan waktu pemrosesan yang lebih cepat. Dengan kelebihannya, tentunya algoritma fisherface ini cocok untuk diimplementasikan pada sistem pengenalan wajah yang berbasis pada smartphone android. Pemaparan diatas saya berharap dengan menggunakan teknologi yang aman biometric khususnya deteksi wajah dan didukung kebebasan open source dari android maka saya berharap aplikasi absensi wajah dapat mengganti sistem yang sudah ada untuk meningkatkan keamanan seperti yang telah saya paparkan diatas

Berdasarkan masalah tersebut diatas, penulis merancang sebuah perangkat lunak absensi berbasis mobile android yang terintegrasi dengan mencocokkan wajah seseorang (verifikasi)

untuk fitur keamanan dari aplikasi berbasis android tersebut. Aplikasi absensi mobile berbasis android dengan verifikasi wajah menggunakan algoritma fisherface diharapkan meningkatkan keamanan dan memudahkan kita untuk melakukan absensi.

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas maka dirumuskan permasalahan sebagai berikut : 1. Bagaimana rancangan sebuah perangkat aplikasi absensi berbasis android dengan

verifikasi wajah?

2. Bagaimana unjuk kerja sistem perangkat aplikasi absensi berbasis android dengan

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah :

1. Untuk mengetahui rancangan sebuah perangkat aplikasi absensi berbasis android dengan verifikasi wajah.

2. Untuk mengetahui unjuk kerja sistem perangkat aplikasi absensi berbasis android dengan verifikasi wajah?

1.4 Manfaat Penelitian

Hasil penelitian diharapkan mampu memberikan sumbangan dan dukungan terhadap perkembangan dunia smartphone dan aplikasi keamanan mobile, mencoba mengaplikasikan mata kuliah citra digital yang didapat khususnya biometrika kususnya lagi verifikasi wajah dalam aplikasi mobile sehingga menambah keamanan dan privasi masyarakat dalam menggunakan aplikasi mobile yang mementingkan tingkat keamanan untuk menjaga privasi mereka dan memudahkan melakukan absensi dengan bantuan smartphone masing masing

1.5 Ruang Lingkup Penelitian

Kompleknya permasalahan yang terkait topik yang penulis angkat, maka penulis berusaha membatasi permasalahan sebagai berikut :

1. Perangkat aplikasi berbasis android dengan verifikasi wajah hanya untuk perangkat

mobile yang berbasis android saja

2. Perangkat aplikasi berbasis android dengan verifikasi wajah hanya dapat memverifikasi wajah saja dan hanya yang tersimpan di database

3. Perangkat aplikasi berbasis android dengan verifikasi berasal dari sumber literature

1.6 Keaslian Penelitian

Penelitian tentang perangkat lunak berbasis android dengan verifikasi wajah telah banyak dilakukan. Salah satunya adalah penelitian oleh Donovan Gentles dalam tesisnya yang berjudul

“Aplication of Biometrics in Mobile Voting”. Tahun 2012, dalam penelitian tersebut

memfokuskan tentang penggunaan aplikasi biometric untuk mobile voting. Jurnal “Android Based Mobile Application Development and its Security”, Tahun 2012 oleh Suhas Holla, dkk, menuliskan hasil penelitian tentang keunggulan dan keamanan mobile application android based

. Dalam penelitian Sin Kwan Kang tahun 2012 yang berjudul “A Study on the Mobile Communication Network with Smart Phone for Building of Location Based Real Time Reservation System” telah secara khusus menggunakan mobile based untuk system reservasi

dengan menggabungkan augmented reality. Dalam penelitian tahun 2012 yang berjudul “Face Analysis and Recognition in Mobile Device”oleh Mauricio Villegas Santamaria telah secara khusus menggabungkan algoritma eigenfaces, algoritma fisherfaces dan algoritma local features

untuk dapat menangkap wajah dan mengenalinya secara spesifik jenis kelamin dan namanya di perangkat mobile berbasis j2me khusus untuk seri N70. Artikel yang berjudul ”Face Recognition Application on Android” oleh Aditya Pabbaraju dan Srujankumar Puchakayala, menggabungkan

algoritma eigenfaces dan algoritma fisherfaces pada perangkat android mobile. Menghasilkan hasil kecepatan mendeteksi wajah 0,9 detik, preprocecingnya 0,03 detik, projecting dengan eigen vector space 0,4 detik, detecting the min 0,01 detik( variable), similar growth entire process 1,4 detik. Jurnal tahun terbit 2012 atas nama Jianfeng Ren etc yang berjudul “A Complete and Fully

Automated Face Verification System On Mobile Devices”,pada artikel ini membahas verifikasi wajah di mobile khususnya untuk PDA dengan 02FN database

Berdasarkan penjelasan di atas dapat dilihat bahwa penelitian terhadap perangkat lunak berbasis android telah banyak dilakukan akan tetapi dari penelitian-penelitian tersebut, belum ada yang secara khusus mengembangkan aplikasi absensi berbasis android dengan algoritma

fisherface untuk verifikasi wajah

Gambar 1.2. Diagram Fishbone

1.7 Hipotesis

Perangkat lunak berbasis android dengan verifikasi wajah dapat menambah aplikasi berbasis android yang telah ada disamping memiliki kelebihan pada fitur verifikasi wajah yang diimplementasikan langsung dalam mengamankan sebuah aplikasi mobile berbasis android, mengetahui cara merancang sebuah perangkat aplikasi absensi berbasis android dengan verifikasi wajah dan untuk mengetahui unjuk kerja sistem perangkat aplikasi absensi berbasis android dengan verifikasi wajah sehingga pengguna yang menggunakan aplikasi berbasis android merasakan lebih aman dalam menggunakan dan mengamankan privasinya pada saat menggunakan aplikasi absensi mobile android

BAB II

KAJIAN PUSTAKA

2.1State Of Art Review

Penelitian tentang verifikasi wajah di mobile device telah banyak dan dengan beberapa metode yang berbeda, berikut beberapa penelitian yang berkaitan:

Penelitian yang berjudul “Face Analysis and Recognition in Mobile Device” tahun 2008 oleh Mauricio Villegas Santamaria membandingkan beberapa metode verification wajah dari segi waktu dan ketepatannya serta membandingkan metode verification wajah di computer dan perangkat mobile berbasis j2me yaitu handphone seri n70.

Penelitian yang berjudul “Face Recognition in Mobile device” tahun 2010 oleh Mattias Junered telah menerapkan gabungan algoritma PCA, LDA, SVM, ICA, metode matching graph

dan metode Neural Network.

Penelitianoleh Donovan Gentles dalam tesisnyayang berjudul “Aplication of Biometrics in Mobile Voting”. Tahun 2012, dalam penelitian tersebut memfokuskan tentang penggunaan

aplikasi biometric untuk mobile voting.

Jurnal “Android Based Mobile Application Development and its Security”, Tahun 2012

oleh Suhas Holla, dkk, menuliskan hasil penelitian tentang keunggulan dan keamanan mobile

application android based .

Dalam penelitian Sin Kwan Kang tahun 2012 yang berjudul “A Study on the Mobile Communication Network with Smart Phone for Building of Location Based Real Time Reservation System” telah secara khusus menggunakan mobile based untuk system reservasi

Dalam artikel yang berjudul ”Face Recognition Application on Android” oleh Aditya Pabbaraju dan Srujankumar Puchakayala, menggabungkan algoritma eigenfaces dan algoritma fisherfaces pada perangkat android mobile. Menghasilkan hasil kecepatan mendeteksi wajah 0,9 detik, preprocessing 0,03 detik, projecting dengan eigen vector space 0,4 detik, detecting the min

0,01 detik( variable), similar growth entire process 1,4 detik.

Jurnal tahun terbit 2012 atas nama Jianfeng Ren etc yang berjudul “A Complete and Fully Automated Face Verification System On Mobile Devices”,pada artikel ini membahas verifikasi wajah di mobile khususnya untuk PDA dengan 02FN database.

Tabel 2. 1. Penelitian Sebelumnya

No Nama Judul Deskripsi

1.

Mauricio Villegas Santamaria dkk (2008)

Face Analysis and Recognition in Mobile Device

Membandingkan beberapa metode

verification wajah dari segi waktu dan ketepatannya serta membandingkan metode verification wajah di computer dan perangkat mobile berbasis j2me yaitu nokia seri n70

2. Mattias Junered, dkk (2010)

Face Recognition in Mobile device

Menerapkan gabungan algoritma PCA, LDA, SVM, ICA, metode matching graph dan metode Neural Network

untuk face recognition

3.

Donovan Gentles, dkk (2012)

Aplication of Biometrics in Mobile Voting

Memfokuskan tentang penggunaan aplikasi biometric untuk mobile voting

4. Suhas Holla, dkk (2012)

Android Based Mobile Application Development and its Security

Keunggulan dan keamanan mobile application android based

5. Sin Kwan Kang, dkk (2012)

A Study on the Mobile Communication Network with Smart Phone for Building of Location Based

Secara khusus menggunakan mobile based untuk system reservasi dengan menggabungkan augmented reality

Real Time Reservation System 6. Aditya Pabbaraju, dkk (2012) Face Recognition Application on Android

Menggabungkan algoritma eigenfaces

dan algoritma fisherfaces pada perangkat android mobile. Menghasilkan hasil kecepatan mendeteksi wajah 0,9 detik,

preprocecingnya 0,03 detik, projecting

dengan eigen vector space 0,4 detik,

detecting the min 0,01 detik( variable), similar growth entire process 1,4 detik

7. Jianfeng Ren,dkk (2012)

A Complete and Fully Automated Face Verification System On Mobile Devices

Membahas verifikasi wajah di mobile khususnya untuk PDA dengan 02FN

database.

Tabel 2. 2. Metriks Kebaharuan

Judul Jurnal Ilmiah

Komponen 1 Topik Thesis (mobile) Komponen 2 Topik Thesis (verifikasi wajah) Komponen 3 Topik Thesis (android) Face Analysis and

Recognition in Mobile Device oleh Mauricio Villegas Santamaria dkk (2008)

 

Face Recognition in Mobile device oleh Mattias Junered, dkk (2010)

 

Aplication of Biometrics in Mobile Voting oleh Donovan Gentles, dkk (2012)

 

Android Based Mobile Application Development and its Security oleh

Suhas Holla, dkk (2012)

A Study on the Mobile Communication Network with Smart Phone for Building of Location Based Real Time Reservation System oleh Sin Kwan Kang, dkk (2012)

 

Face Recognition Application on Android oleh Aditya Pabbaraju, dkk (2012)

 

A Complete and Fully Automated Face Verification System On Mobile Devices oleh

Jianfeng Ren,dkk (2012)

 

Aplikasi Absensi Berbasis Mobile

Dengan Verifikasi Wajah Menggunakan Algoritma Fisherface

  

2.2Konsep Pemrograman Berorientasi Objek

Pemrograman berorientasi objek merupakan suatu konsep yang membagi program menjadi objek - objek yang saling berinteraksi sama lain. Objek merupakan kesatuan entitas yang memiliki sifat dan tingkah laku. Keuntungan OOP (Hermawan, 2004) antara lain, yaitu :

a. Alami (Natural),

b. dapat diandalkan (Reliable),

d. mudah untuk dimaintain (Maintainable), e. dapat diperluas (Extendable),

f. efesiensi waktu,

Java merupakan salah satu bahasa pemrograman yang menggunakan konsep OOP. Java adalah suatu teknologi di dunia software computer. Selain merupakan suatu bahasa pemrograman, Java juga merupakan suatu platform. Mulanya Java diciptakan dengan tujuan untuk menghasilkan bahasa komputer sederhana yang dapat dijalankan di peralatan sederhana dengan tidak terikat pada arsitektur tertentu. Terakhir teknologi Java melahirkan J2ME (Java 2 Micro Edition) yang sudah diadopsi oleh Nokia, Siemens, Sony Ericsson, Motorola, Samsung untuk menghasilkan aplikasi mobile baik games maupun software bisnis dan berbagai jenis software lain yang dapat dijalankan di peralatan mobile seperti ponsel (Rickyanto, 2005).

2.3 Perangkat Lunak

Perancangan perangkat lunak adalah disiplin manajerial dan teknis yang berkaitan dengan pembuatan dan pemeliharaan produk perangkat lunak secara sistematis, termasuk pengembangan dan modifikasinya, yang dilakukan pada waktu yang tepat dan dengan mempertimbangkan faktor biaya.

Software engineer bertugas melakukan analisa, rancangan, uji dan verifikasi, dokumentasi, pemeliharaan perangkat lunak, serta pengelolaan proyek. Software engineer harus mempunyai keterampilan dan pengalaman seorang programmer.

Programmer adalah individu yang bertugas dalam hal rincian implementasi, pengemasan, dan modifikasi algoritma serta struktur data, dituliskan dalam sebuah bahasa pemrograman tertentu.

Dalam membuat sebuah perangkat lunak terdiri dari beberapa tahap / fase yang menggambarkan sebuah kegiatan yang akan dilakukan sehingga memudahkan dalam mendefinisikan, mengembangkan, menguji, mengantarkan, mengoperasikan, dan memelihara produk perangkat lunak. Setiap fase membutuhkan informasi masukan, proses dan produk yang terdefinisi dengan baik. Deretan fase tersebut adalah :

a. Analisa terdiri dari fase pertama yaitu perencanaan yang menghasilkan dua produk yaitu Pendifinisian Sistem (System Definition) dan Perencanaan Proyek (Poject Plan) dan fase kedua yaitu penetapan persyaratan yang menghasilkan sebuah produk spesifikasi kebutuhan perangkat lunak (Software Requirements Specifications).

b. Perancangan melakukan identifikasi terhadap komponen perangkat lunak (fungsi, arus data, penyimpanan data), hubungan antar komponen, struktur perangkat lunak (dekomposisi menjadi modul-modul dan antar muka Perangkat Lunak). Fase ini menghasilkan arsitektur rinci, terutama dalam bentuk algoritma-algoritma.

c. Implementasi adalah terjemahan langsung arsitektur rinci ke dalam bahasa pemrograman tertentu.

d. Pengujian terdiri dari fase pertama yaitu uji integrasi dengan melakukan pengujian terhadap semua modul dan pengantarmukaan sehingga pada level sistem dapat beroperasi dengan benar, dan fase kedua yaitu uji penerimaan dengan melakukan berbagai pengujian, mengacu kepada berbagai persyaratan yang telah ditentukan.

e. Pemeliharaan terdiri dari fase peningkatan kemampuan, adaptasi terhadap lingkungan pemrosesan, dan melakukan berbagai koreksi atas kesalahan yang terjadi

2.4Perangkat Mobile

Perangkat mobile merupakan perangkat bergerak yang digunakan sebagai alat komunikasi dan komputasi seperti PDA (Personal Digital Assistance), smartphone dan cell phone. Berbagai perangkat mobile ini dibedakan berdasarkan spesifikasi perangkat keras dan perangkat lunaknya seperti processor, ukuram memory, screen resolution, sistem operasi, web browser dan sebagainya. Berikut ini adalah berbagai contoh gambar perangkat mobile.

Gambar 1.1. Contoh Perangkat Mobile

Perangkat mobile memiliki banyak jenis dalam hal ukuran, desain dan layout, tetapi memiliki kesamaan karakteristik yang sangat berbeda dari sistem desktop.

a. Ukuran yang kecil

Perangkat mobile memiliki ukuran yang kecil. Konsumen menginginkan perangkat yang terkecil untuk kenyamanan dan mobilitas mereka.

b. Memory yang terbatas

Perangkat mobile juga memiliki memory yang kecil, yaitu primary (ram) dan secondary (disk). Pembatasan ini adalah salah satu factor yang mempengaruhi penulisan program untuk berbagai jenis dari perangkat ini. Dengan pembatasan jumlah memory, pertimbangan-pertimbangan khusus harus diambl untuk memelihara pemakaian sumber daya.

Sistem mobile tidaklah setangguh desktop. Ukuran, teknologi dan biaya adalah beberapa faktor yang mempengaruhi status dari sumber daya ini.

d. Mengkonsumsi daya yang rendah

Perangkat mobile menghabiskan sedikit daya dibandingkan dengan mesin desktop. Perangkat ini harus menghemat daya karena mereka berjalan pada keadaan diman daya yang disediakan dibatasi oleh baterai.

2.5 Smartphone

Smartphone adalah telepon genggam yang mempunyai kemempuan tingkat tinggi, kadang-kadang dengan fungsi yang menyerupai komputer. Belum ada standar pabrik yang menentukan arti telepon cerdas. Smartphone merupakan telepon yang bekerja menggunakan seluruh perangkat lunak system operasi yang menyediakan hubungan standar dan mendasar bagi pengembang aplikasi. Bagi yang lainnya, telepon cerdas hanyalah merupakan sebuah telepon yang menyajikan fitur canggih seperti surel (surat elektronik), internet dan kemampuan membaca buku elektronik (e-book) atau terdapat papan ketik (baik sebagaimana jadi maupun dihubung keluar) dan penyambung VGA. Dengan kata lain, telepon cerdas merupakan komputer kecil yang mempunyai kemampuan sebuah telepon. Pertumbuhan permintaan akan alat canggih yang mudah dibawa kemana-mana membuat kemajuan besar dalam pemrosesan, pengingatan, layar dan sistem operasi yang di luar dari jalur telepon genggam sejak beberapa tahun ini.

Kebanyakan alat yang dikategorikan sebagai telepon pintar menggunakan sistem operasi yang berbeda. Dalam hal fitur, kebanyakan telepon pintar mendukung sepenuhnya fasilitas surel dengan fungsi pengatur personal yang lengkap. Fungsi lainnya dapat menyertakan miniatur papan ketik QWERTY, layar sentuh atau D-pad, kamera, pengaturan daftar nama, penghitung kecepatan, navigasi piranti lunak dan keras, kemampuan membaca dokumen bisnis,

pemutar musik, penjelajah foto dan melihat klip video, penjelajah internet, atau hanya sekedar akses aman untuk membuka surel perusahaan.

Gambar 2. 2. Contoh Perangkat Smartphone

2.6 Sistem Operasi Android

Android adalah sistem operasi berbasis Linux dirancang terutama untuk perangkat mobile touchscreen seperti smartphone dan komputer tablet. Awalnya dikembangkan oleh Android, Inc, yang didukung Google finansial dan kemudian dibeli pada tahun 2005, Android ini diresmikan pada tahun 2007 bersama dengan pendiri Open Handset Alliance: konsorsium hardware, software, dan telekomunikasi perusahaan yang ditujukan untuk memajukan terbuka standar untuk perangkat mobile. Yang pertama ponsel Android terjual pada bulan Oktober 2008. Android adalah open source dan Google merilis kode di bawah Lisensi Apache. Ini kode sumber terbuka dan lisensi permisif memungkinkan perangkat lunak untuk secara bebas dimodifikasi dan didistribusikan oleh produsen perangkat, operator nirkabel dan pengembang antusias. Selain itu, Android memiliki komunitas besar pengembang menulis aplikasi yang memperluas fungsionalitas dari perangkat, ditulis terutama dalam versi disesuaikan dari bahasa pemrograman Java. Pada bulan Oktober 2012, ada sekitar 700.000 aplikasi yang tersedia untuk Android, dan

perkiraan jumlah aplikasi yang diunduh dari Google Play, toko aplikasi utama Android, adalah 25 miliar. Faktor-faktor ini telah memberikan kontribusi terhadap pembuatan Android platform smartphone dunia yang paling banyak digunakan, menyalip Symbian pada kuartal keempat tahun 2010 dan software pilihan bagi perusahaan teknologi yang membutuhkan biaya rendah, disesuaikan, sistem operasi ringan untuk perangkat teknologi tinggi tanpa mengembangkan satu dari awal. Sebagai hasilnya, meskipun terutama dirancang untuk ponsel dan tablet, ia telah melihat aplikasi tambahan di televisi, konsol game, kamera digital dan elektronik lainnya. Sifat terbuka Android telah lebih jauh mendorong komunitas besar pengembang dan penggemar untuk menggunakan kode sumber terbuka sebagai dasar untuk proyek-proyek berbasis komunitas, yang menambahkan fitur baru untuk pengguna tingkat lanjut atau membawa Android ke perangkat yang resmi dirilis menjalankan operasi lainnya sistem. Sebuah laporan pada Juli 2013 menyatakan bahwa pangsa Android di pasar smartphone global, yang dipimpin oleh produk Samsung, adalah 64% pada bulan Maret 2013. Keberhasilan sistem operasi telah membuatnya menjadi target litigasi paten sebagai bagian dari apa yang disebut "perang smartphone" antara perusahaan teknologi Pada Mei 2013, total 900 juta perangkat Android telah diaktifkan dan 48 miliar aplikasi telah diinstal dari toko Google Play menurut sumber wikipedia.

2.7 Android SDK (Software Development Kit)

Android SDK adalah tools API (Aplication Programming Interface) yang diperlukan untuk mengembangkan aplikasi pada platform Android menggunakan bahasa pemrograman Java. Sebagai platform aplikasi netral, Android memberi kesempatan bagi semua orang untuk membuat aplikasi yang dibutuhkan, yang bukan merupakan aplikasi bawaan Handphone / Smartphone (Safaat H, 2011). Beberapa fitur-fitur Android yang paling penting adalah :

b. Integrated browser berdasarkan engine open source WebKit.

c. Grafis yang dioptimalkan dan didukung oleh libraries grafis 2D, grafis 3D berdasarkan spesifikasi opengl ES 1.0 (Opsional akselerasi perangkat keras). d. SQLite untuk penyimpanan data (database).

e. Media yang mendukung audio, video, dan gambar. f. Bluetooth, EDGE, 3G dan WiFi, Kamera dan GPS

g. Lingkungan Development yang lengkap dan kaya termasuk perangkat emulator, tools untuk debugging, profil dan kinerja memori, dan plugin untuk IDE Eclipse.

2.8 Eclipse

Dalam pemrograman komputer, Eclipse adalah multi-bahasa lingkungan pengembangan Terpadu (IDE) yang terdiri dari ruang kerja dasar dan extensible sistem plug-in untuk mengubah lingkungan. Hal ini ditulis sebagian besar di Java. Hal ini dapat digunakan untuk mengembangkan aplikasi di Jawa dan, melalui berbagai plug-in, bahasa pemrograman lain termasuk Ada, C, C + +, COBOL, Fortran, Haskell, JavaScript, Perl, PHP, Python, R, Ruby (termasuk Ruby on Rails kerangka), Scala, Clojure, Groovy, Skema, dan Erlang. Hal ini juga dapat digunakan untuk mengembangkan paket untuk software Mathematica. Pembangunan lingkungan termasuk Eclipse Java Development Tools (JDT) untuk Jawa dan Scala, Eclipse CDT untuk C / C + + dan Eclipse PDT untuk PHP, antara lain. Basis kode awal berasal dari IBM Visual Age The Eclipse Software Development Kit (SDK), yang meliputi alat pengembangan Java, dimaksudkan untuk pengembang Java.. Pengguna dapat memperpanjang kemampuannya dengan menginstal plug-in ditulis untuk Platform Eclipse, seperti toolkit pengembangan untuk bahasa pemrograman lain, dan dapat menulis dan berkontribusi sendiri plug-in modul. Dirilis di bawah persyaratan Lisensi Publik Eclipse, Eclipse SDK ini gratis dan terbuka source software

(meskipun tidak sesuai dengan GNU General Public License . Itu salah satu IDE pertama yang berjalan di bawah GNU Classpath dan itu berjalan tanpa masalah di bawah IcedTea.

2.9 SQLite

SQLite merupakan sebuah sistem manajemen basisdata relasional yang bersifat ACID -compliant dan memiliki ukuran pustaka kode yang relatif kecil, ditulis dalam bahasa C. SQLite merupakan proyek yang bersifat public domain yang dikerjakan oleh D. Richard Hipp

Tidak seperti pada paradigma client-server umumnya, Inti SQLite bukanlah sebuah sistem yang mandiri yang berkomunikasi dengan sebuah program, melainkan sebagai bagian integral dari sebuah program secara keseluruhan. Sehingga protokol komunikasi utama yang digunakan adalah melalui pemanggilan API secara langsung melalui bahasa pemrograman. Mekanisme seperti ini tentunya membawa keuntungan karena dapat mereduksi overhead, latency times, dan secara keseluruhan lebih sederhana. Seluruh elemen basisdata (definisi data, tabel, indeks, dan data) disimpan sebagai sebuah file. Kesederhanaan dari sisi disain tersebut bisa diraih dengan cara mengunci keseluruhan file basis data pada saat sebuah transaksi dimulai (Safaat N, 2005).

Terdapat beberapa alasan mengapa SQLite sangat cocok untuk pengembangan aplikasi Android, yaitu :

a. Database dengan konfigurasi nol. Artinya tidak ada konfigurasi database untuk para

developer. Ini membuatnya relatif mudah digunakan.

b. Tidak memiliki server. Tidak ada proses database SQLite yang berjalan. Pada dasarnya satu set libraries menyediakan fungsionalitas database.

c. Single-file database. Ini membuat keamanan database secara langsung.

2.10 Face Recognition

Sistem pengenalan wajah/recognition wajah adalah aplikasi pengolahan citra yang dapat mengidentifikasi atau memverifikasi seseorang melalui citra digital atau frame video. Saat ini sistem pengenalan wajah telah menjadi salah satu aplikasi pengolahan citra yang cukup popular terutama di dalam bidang keamanan seperti verifikasi kartu kredit dan identifikasi penjahat. Sistem pengenalan citra wajah umumnya mencakup empat modul utama:

1. Deteksi wajah (face detection). 2. Penyelasaran wajah (Face Alignment) 3. Ekstraksi fitur fisherface (feature extraction) 4. Pencocokan (matching).

2.10.1 Deteksi Wajah

Proses deteksi wajah merupakan salah satu bagian terpenting dalam sistem pengenalan wajah. Sistem harus mampu mendeteksi keberadaan wajah pada citra dengan berbagai variasi pose, pencahayaan, ekspresi wajah dan atribut (kaca mata, kumis dan jenggot).

Gambar 2. 3. Diagram Blok Deteksi Wajah Metode Fisherface

Wajah merupakan sisi bagian depan dari kepala yang meliputi: daerah dari dahi hingga dagu, termasuk juga rambut, dahi, alis, mata, hidung, pipi, mulut, bibir, gigi, dagu dan kulit.

Capture Deteksi Wajah Penyelarasan wajah Simpan database Ekstraksi Fisher face Hasil Pencocokan

SImpan data absensi Capture Deteksi

Wajah Penyelarasan wajah Pencoco kan Modul Pelatihan Modul Pencocokan

Wajah digunakan untuk menunjukkan sikap seseorang terhadap ekspresi wajah, penampilan, serta identitas dari seseorang. Tidak ada satu pun wajah yang sama atau serupa mutlak, bahkan pada manusia kembar sekalipun. Wajah sebagai objek dua dimensi digambarkan dengan berbagai macam illuminasi, pose dan ekspresi wajah untuk diidentifikasi berdasarkan citra dua dimensi dari wajah tersebut. Melihat wajah, manusia dapat mengenali atau mengidentifikasi seseorang dengan mudah (Zayuman, 2010)

Sistem pengenalan wajah seseorang tidak mengganggu kenyamanan seseorang saat akuisisi citra. Pendekatan yang paling umum untuk pengenalan wajah didasarkan pada bentuk dan penempatan atribut wajah seperti mata, alis mata, hidung, bibir dan dagu serta hubungan antara atribut tersebut atau analisis wajah secara keseluruhan yang menghadirkan suatu wajah sebagai suatu kombinasi dari sejumlah wajah kanonik. Suatu sistem pegenalan wajah pada prakteknya agar dapat bekerja dengan baik maka sistem harus secara otomatis dapat mendeteksi kehadiran wajah pada citra yang diperoleh, menempatkan posisi wajah dan mengenali wajah dari suatu sudut pandang umum atau berbagai pose. Beberapa kesulitan dalam penggunaan biometrika wajah, diantaranya: penyamaran, deteksi wajah ditengah keramaian orang, sudut pandang atau pose

Pengenalan wajah (face recognition) merupakan salah satu teknologi biometrik yang sekarang telah diterapkan untuk banyak aplikasi dalam bidang keamanan, antara lain access security system, Authentification system, hingga sebagai alat bantu dalam pelacakan pelaku kriminal. Namun dalam perkembangannya masih terdapat beberapa permasalahan, selain masalah komputasi dan kapasitas penyimpanan data, kondisi citra wajah yang menjadi masukan (input) sistem juga merupakan masalah yang penting. Beberapa aspek penting yang

mempengaruhi kondisi citra wajah manusia diantaranya adalah pencahayaan, ekspresi wajah dan perubahan atribut seperti kumis, janggut dan kacamata.

Pada tahun 1997, Peter N. Belhumeur, Joao P. Hespanha dan David J. Kriegman mengembangkan algoritma yang dinamakan Fisherface. Algortima ini merupakan gabungan dari metode Principal Component Analysis (PCA) dengan Fisher’s Linear Discriminant (FLD). Dasar dari algoritma ini adalah reduksi dimensi yang sekaligus memperbesar rasio jarak antar kelas terhadap jarak intra kelas dari vektor ciri. Semakin besar rasio, vektor ciri yang dihasilkan semakin tidak sensitif terhadap perubahan ekspresi ataupun perubahan cahaya, sehingga dapat menghasilkan klasifikasi yang lebih baik. Selain dapat menghasilkan tingkat klasifikasi yang lebih baik, algoritma Fisherface ini juga performa dan waktu pemrosesan yang lebih cepat. Dengan kelebihannya, tentunya algoritma Fisherface ini cocok untuk diimplementasikan pada sistem pengenalan wajah yang berbasis pada smartphone android

2.10.1.a. Metode Fisherface

Metode Fisherface dikembangkan oleh Peter N. Belhumeur, João P. Hespana dan David J. Kreigman pada tahun 1997 untuk mengatasi kelemahan metode Eigenface, khususnya untuk citra dalam variasi pencahayaan dan ekspresi wajah. Metode ini mentransformasikan vektor dari ruang citra berdimensi-n ke ruang citra berdimensi-m dengan m < n 2.

Dasar dari metode Fisherface ini adalah Fisher's Linear Discriminant (FLD). FLD ditemukan oleh Robert Fisher pada tahun 1936 untuk klasifikasi taksonomi dan menjadi salah satu teknik yang banyak digunakan dalam pengenalan pola (pattern recognition). FLD merupakan salah satu contoh metode class specific, karena metode ini berusaha untuk

membentuk jarak (scatter) antar kelas dan intra kelas sehingga dapat menghasilkan klasifikasi yang lebih baik.

Fisher's Linear Discriminant yang menjadi dasar dari algoritma Fisherface memilih matriks transformasi W yang dapat memaksimalkan rasio antara determinan between-class scatter (SB) dengan within-class scatter (SW) dari vektor-vektor ciri melalui fungsi :

Wopt = argmax ………. (1)

= ₁

;

₂

;

…

. ;

dimana [w1; w2; ....; wm] merupakan m buah vektor eigen (dalam bentuk vektor baris) dari rasio antara SB dengan SW, yang bersesuaian dengan m buah nilai eigen terbesar. Jika wi adalah vektor eigen dari rasio antara matriks SB dengan matriks SW dan di merupakan nilai eigen yang bersesuaian, maka :

1

=

1 ………..………... (2) dimana i = 1...m dan d1 > d2 > ... > dm.

Jika xi, i = 1...N adalah vektor citra dimensi-n dan masing-masing vektor citra merupakan anggota salah satu dari C kelas citra wajah {X1, X2, ..., XC} dan vektor u adalah rata-rata vektor citra yang dapat diperoleh dari persamaan :

�

=

1 ₌₁ ……….. (3)

maka matriks SB dan matrik SW dapat diperoleh melalui persamaan berikut :

=

₌₁

� − � � − �

………. (4)

dimana Ni adalah jumlah anggota kelas Xi dan μi adalah rata-rata citra anggota kelas Xi, i = 1...C.

Suatu citra wajah dengan lebar dan tinggi masing-masing l dan t piksel mempunyai jumlah piksel sebanyak lxt. Tiap-tiap piksel dikodekan dengan nilai 0-255 sesuai dengan nilai tingkat keabuannya. Maka dapat dibentuk citra wajah berdasarka nilai keabuan tersebut yaitu :

=

�

11

�

12

… �

1

�

21

�

22

…

… �

2

…

�

�1

…

�

�2

…

…

�

�

………. (6)

dimana i = 1...N (banyaknya citra wajah)

Setiap gi adalah anggota salah satu kelas wajah X. Jika terdapat C buah kelas wajah X maka terdapat Xj, dimana j = 1..C. Untuk setiap kelas wajah Xj terdapat Nj citra wajah, dimana j = 1..C dan N1 = N2 = Nj. Dengan demikian jumlah citra wajah adalah N1 + N2 + N3 + ... + Nc = N. Dari vektor citra wajah di atas dapat dibentuk suatu vektor baris citra wajah yaitu : xi = [a11

a12 ... ag ] (1*N)

Dengan demikian vektor citra dikatakan berada dalam ruang citra dimensi-n, dimana i = 1...N. Selanjutnya adalah membentuk matriks input berdimensi N*n yang berisi kumpulan vektor baris citra yang akan digunakan dalam pelatihan dan pengujian.

input=

1 2

…

(N*n) ………. (7)

Matriks input ini yang merupakan masukan untuk metode Fisherface. Berikut akan dijelaskan algoritma metode Fisherface.

Konstruksi fisherface adalah pembuatan suatu set fisherface dari suatu set gambar training dengan menggunakan perhitungan Principal Component Analysis (PCA) dan Fisher’s Linear

Discriminant (FLD). Perhitungan PCA dilakukan dengan langkah-langkah sebagai berikut: 1. Mengambil satu set gambar training dan kemudian mentransformasikan setiap gambar

tersebut menjadi vektor kolom, sehingga akan didapat satu matriks yang tiap kolomnya mewakili gambar yang berbeda, face space ( Γ )

2. Membentuk average face (Ψ), yaitu nilai rata-rata dari seluruh gambar wajah pada training set, dan mengurangi seluruh gambar pada training set terhadap average face

untuk mencari deviasinya ȼ

ȼ= Γ-Ψ ……….. (8)

3. Menghitung matriks kovarian (A), yaitu dengan melakukan operasi perkalian transpose dari training set yang telah dinormalisasikan.

………... (9)

4. Menghitung nilai eigen (λ) dan vektor eigen (ν) dari matriks kovarian. λ

5. Mengurutkan vektor eigen berdasarkan dengan besarnya nilai eigen masing-masing vektor.

6. Menghitung matriks proyeksi PCA (Wpca) yaitu dengan mengalikan nilai deviasi dengan vektor eigen dan menormalisasikan hasilnya. ′ = Ȼ ⋅

……….. (10)

2.10.1.b. Eigenface

Pada dasarnya (Agustina, 2002), metode Eigenface bertujuan untuk mengekstrak ciri-ciri suatu citra dengan teori Principal Component Analysis (PCA) atau transformasi Karhunen- Loeve, yaitu menyusun suatu citra baru yang mengandung hanya informasi informasi penting dari citra yang lama. Metode ini bertujuan untuk memaksimalkan total-scatter atau jarak vector ciri (Roth, 2007). Jadi informasi cirri mengenai suatu citra akan disebarkan sehingga bercampur dengan informasi ciri citra yang lain. Setiap citra dapat direpresentasikan sebagai vektor baris xi,

i = 1 … N, berdimensi n. Nilai n merupakan dimensi ruang citra, sehingga xi berada di dalam

ruang citra berdimensi n. Matriks kovarian STatau matriks total-scatter, didefinisikan sebagai:

= ∙ ……….…₍₁₁₎

di mana A = [Φi], dimanaΦi adalah selisih vektor citra dengan rata-rata vector citra xi, i = 1 … N Transformasi Karhunen-Loeve atau PCA terhadap vektor citra akan menghasilkan vektor-vektor ciri yang memiliki total-scatter:

W ST WT

dengan W adalah matriks transformasi. Matriks transformasi W yang dipilih adalah matriks yang dapat dimaksimalkan determinan dari total-scatter vector vector ciri. Atau:

= arg max ……….₍₁₂₎

= _{1; 2 ;}…_{. ;}

di mana wi, i = 1 … m, adalah kumpulan vektor eigen dari ST (dalam bentuk vector basis) yang bersesuaian dengan m nilai eigen terbesar. Vektor-vektor eigen ini, yang disebut principal components, memiliki dimensi yang sama dengan citra wajah, yaitu n, sehingga disebut sebagai

Eigenfaces atau Eigenpictures. Eigenfaces merupakan vector vektor basis dari ruang ciri dimensi-m. Transformasi citra dari ruang citra dimensi-n ke ruang ciri dimensi-m adalah

Yi =ɸi W T

Dengan demikian, dapat diperoleh vector ciri berdimensi m untuk masing-masing citra. Besarnya nilai m dapat ditentukan melalui persamaan berikut:

=_� �=1

�

=1

………...₍₁₄₎

dimana θ adalah suatu nilai ambang atau threshold dan 0 < threshold ≤ 1. 2.10.2. Penyelarasan Wajah

Pada proses pendeteksian wajah, citra wajah yang didapatkan masih berupa perkiraan kasar atau masih memiliki kualitas yang cukup buruk seperti ukuran yang berbeda dengan ukuran normal, faktor pencahayaan yang kurang atau lebih, kejelasancitra yang buruk dan sebagainya. Sehingga perlu dilakukan proses penyelarasan.Proses penyelarasan wajah merupakan proses yang bertujuan untuk menormalisasi wajah dari citra wajah yang didapatkan dari proses pendeteksian wajah. Proses ini terdiri dari tahapan-tahapan sebagai berikut:

1. Grayscaling (tahap konversi citra warna menjadi warna abu)

2. Pemotongan (tahap pemisahan citra wajah dengan latar belakangnya) 3. Resizing (tahap normalisasi dimensi citra)

4. Equalizing (tahap koreksi tingkat kecerahan citra)

2.10.3. Ekstraksi Fitur

Reduksi komponen atau fitur wajah dilakukan untuk mengurangi memori yang dibutuhkan dan waktu komputasi. Ada dua cara yang digunakan yaitu pemilihan fitur (feature selection) dan ekstraksi fitur (feature extraction). Pemilihan fitur bertujuan untuk memilih sejumlah fitur yang banyak berpengaruh dari fitur yang ada. Sedangkan ekstraksi fitur di dapat dengan memproyeksikan fitur ke dalam dimensi yang lebih rendah.

Fitur adalah segala jenis aspek pembeda, kwalitas atau karakteristik. Fitur bisa berupa simbolik (misal warna) atau numerik (misal intensitas). Terdapat dua jenis karakteristik yang disebut sebagai fitur dari sebuah citra:

A. Bagian global dari suatu citra. B. Bagian khusus dari suatu citra.

Terkadang fitur dari suatu citra tidak berhubungan langsung dengan bagia-bagian yang terdapat pada citra tersebut tetapi masih mencerminkan karakteristik tertentu dari citra. Fitur wajah merupakan hasil suatu algoritma ekstraksi terhadap citra wajah. Ekstraksi fitur dilaksanakan dengan alasan:

1. Mengurangi data masukan (sehingga mempercepat proses dan mengurangi kebutuhan data).

2. Menyediakan sekumpulan fitur yang relevan untuk proses klasifikasi. 3. Mengurangi redudansi.

4. Menemukan variabel fitur yang menjelaskan data.

5. Menghasilakan representasi dalam dimensi yang lebih kecil dengan sedikit informasi yang hilang

2.11 Penyimpanan Fitur

Proses penyimpanan fitur merupakan tahapan terakhir dari proses pelatihan citra wajah. Proses ini berfungsi untuk menyimpan fitur hasil ekstraksi citra wajah yang ada di dalam database ke dalam sebuah file berekstensi *.xml. File inilah yang nantinya akan digunakan untuk proses pencocokan antara citra wajah yang diuji dengan hasil ekstraksi fitur yang terdapat pada file ini.

2.11.1 Pencocokan

Pencocokan fitur adalah tahapan inti dari pada proses pengenalan citra wajah. Proses ini merupakan proses pencocokan fitur dari citra uji dengan fitur citra wajah dari database, yang sebelumnya telah melalui proses pelatihan citra. Proses perbandingan ini dilakukan menggunakan metode pengenalan pola, salah satunya adalah metode nearest neighbours

dimana Ni adalah jumlah anggota kelas Xi dan μi adalah rata-rata citra anggota kelas Xi, i = 1...C.

Suatu citra wajah dengan lebar dan tinggi masing-masing l dan t piksel mempunyai jumlah piksel sebanyak lxt. Tiap-tiap piksel dikodekan dengan nilai 0-255 sesuai dengan nilai tingkat keabuannya. Maka dapat dibentuk citra wajah berdasarka nilai keabuan tersebut yaitu :

=

�

11

�

12

… �

1

�

21

�

22

…

… �

2

…

�

�1

…

�

�2

…

…

�

�

………. (6)

dimana i = 1...N (banyaknya citra wajah)

Setiap gi adalah anggota salah satu kelas wajah X. Jika terdapat C buah kelas wajah X maka terdapat Xj, dimana j = 1..C. Untuk setiap kelas wajah Xj terdapat Nj citra wajah, dimana j = 1..C dan N1 = N2 = Nj. Dengan demikian jumlah citra wajah adalah N1 + N2 + N3 + ... + Nc = N.

Dari vektor citra wajah di atas dapat dibentuk suatu vektor baris citra wajah yaitu : xi = [a11 a12 ... ag ] (1*N)

Dengan demikian vektor citra dikatakan berada dalam ruang citra dimensi-n, dimana i = 1...N. Selanjutnya adalah membentuk matriks input berdimensi N*n yang berisi kumpulan vektor baris citra yang akan digunakan dalam pelatihan dan pengujian.

input= 1 2

…

(N*n) ………. (7)

Matriks input ini yang merupakan masukan untuk metode Fisherface. Berikut akan dijelaskan algoritma metode Fisherface.

Konstruksi fisherface adalah pembuatan suatu set fisherface dari suatu set gambar training dengan menggunakan perhitungan Principal Component Analysis (PCA) dan Fisher’s Linear Discriminant (FLD). Perhitungan PCA dilakukan dengan langkah-langkah sebagai berikut:

1. Mengambil satu set gambar training dan kemudian mentransformasikan setiap gambar tersebut menjadi vektor kolom, sehingga akan didapat satu matriks yang tiap kolomnya mewakili gambar yang berbeda, face space ( Γ )

2. Membentuk average face (Ψ), yaitu nilai rata-rata dari seluruh gambar wajah pada training set, dan mengurangi seluruh gambar pada training set terhadap average face untuk mencari deviasinya ȼ

ȼ= Γ-Ψ ……….. (8)

3. Menghitung matriks kovarian (A), yaitu dengan melakukan operasi perkalian transpose dari training set yang telah dinormalisasikan.

………... (9)

4. Menghitung nilai eigen (λ) dan vektor eigen (ν) dari matriks kovarian. λ

5. Mengurutkan vektor eigen berdasarkan dengan besarnya nilai eigen masing-masing vektor.

6. Menghitung matriks proyeksi PCA (Wpca) yaitu dengan mengalikan nilai deviasi dengan vektor eigen dan menormalisasikan hasilnya. ′ = Ȼ ⋅

……….. (10)

2.10.1.b. Eigenface

Pada dasarnya (Agustina, 2002), metode Eigenface bertujuan untuk mengekstrak ciri-ciri suatu citra dengan teori Principal Component Analysis (PCA) atau transformasi Karhunen- Loeve, yaitu menyusun suatu citra baru yang mengandung hanya informasi informasi penting dari citra yang lama. Metode ini bertujuan untuk memaksimalkan total-scatter atau jarak vector ciri (Roth, 2007). Jadi informasi cirri mengenai suatu citra akan disebarkan sehingga bercampur dengan informasi ciri citra yang lain. Setiap citra dapat direpresentasikan sebagai vektor baris xi, i = 1 … N, berdimensi n. Nilai n merupakan dimensi ruang citra, sehingga xi berada di dalam ruang citra berdimensi n. Matriks kovarian STatau matriks total-scatter, didefinisikan sebagai:

= ∙ ……….…₍₁₁₎

di mana A = [Φi], dimanaΦi adalah selisih vektor citra dengan rata-rata vector citra xi, i = 1 … N Transformasi Karhunen-Loeve atau PCA terhadap vektor citra akan menghasilkan vektor-vektor ciri yang memiliki total-scatter:

W ST WT

dengan W adalah matriks transformasi. Matriks transformasi W yang dipilih adalah matriks yang dapat dimaksimalkan determinan dari total-scatter vector vector ciri. Atau:

= arg max ……….₍₁₂₎

= _{1; 2 ;}…_{. ;}

di mana wi, i = 1 … m, adalah kumpulan vektor eigen dari ST (dalam bentuk vector basis)

yang bersesuaian dengan m nilai eigen terbesar. Vektor-vektor eigen ini, yang disebut principal components, memiliki dimensi yang sama dengan citra wajah, yaitu n, sehingga disebut sebagai Eigenfaces atau Eigenpictures. Eigenfaces merupakan vector vektor basis dari ruang ciri dimensi-m. Transformasi citra dari ruang citra dimensi-n ke ruang ciri dimensi-m adalah

Yi =ɸi W T

Dengan demikian, dapat diperoleh vector ciri berdimensi m untuk masing-masing citra. Besarnya nilai m dapat ditentukan melalui persamaan berikut:

=_� �=1

�

=1

………...₍₁₄₎

dimana θ adalah suatu nilai ambang atau threshold dan 0 < threshold ≤ 1.

2.10.2. Penyelarasan Wajah

Pada proses pendeteksian wajah, citra wajah yang didapatkan masih berupa perkiraan kasar atau masih memiliki kualitas yang cukup buruk seperti ukuran yang berbeda dengan ukuran normal, faktor pencahayaan yang kurang atau lebih, kejelasancitra yang buruk dan sebagainya. Sehingga perlu dilakukan proses penyelarasan.Proses penyelarasan wajah merupakan proses yang bertujuan untuk menormalisasi wajah dari citra wajah yang didapatkan dari proses pendeteksian wajah. Proses ini terdiri dari tahapan-tahapan sebagai berikut:

1. Grayscaling (tahap konversi citra warna menjadi warna abu)

2. Pemotongan (tahap pemisahan citra wajah dengan latar belakangnya) 3. Resizing (tahap normalisasi dimensi citra)

4. Equalizing (tahap koreksi tingkat kecerahan citra)

2.10.3. Ekstraksi Fitur

Reduksi komponen atau fitur wajah dilakukan untuk mengurangi memori yang dibutuhkan dan waktu komputasi. Ada dua cara yang digunakan yaitu pemilihan fitur (feature selection) dan ekstraksi fitur (feature extraction). Pemilihan fitur bertujuan untuk memilih sejumlah fitur yang banyak berpengaruh dari fitur yang ada. Sedangkan ekstraksi fitur di dapat dengan memproyeksikan fitur ke dalam dimensi yang lebih rendah.

Fitur adalah segala jenis aspek pembeda, kwalitas atau karakteristik. Fitur bisa berupa simbolik (misal warna) atau numerik (misal intensitas). Terdapat dua jenis karakteristik yang disebut sebagai fitur dari sebuah citra:

A. Bagian global dari suatu citra. B. Bagian khusus dari suatu citra.

Terkadang fitur dari suatu citra tidak berhubungan langsung dengan bagia-bagian yang terdapat pada citra tersebut tetapi masih mencerminkan karakteristik tertentu dari citra. Fitur wajah merupakan hasil suatu algoritma ekstraksi terhadap citra wajah. Ekstraksi fitur dilaksanakan dengan alasan:

1. Mengurangi data masukan (sehingga mempercepat proses dan mengurangi kebutuhan data).

2. Menyediakan sekumpulan fitur yang relevan untuk proses klasifikasi. 3. Mengurangi redudansi.

4. Menemukan variabel fitur yang menjelaskan data.

5. Menghasilakan representasi dalam dimensi yang lebih kecil dengan sedikit informasi yang hilang

2.11 Penyimpanan Fitur

Proses penyimpanan fitur merupakan tahapan terakhir dari proses pelatihan citra wajah. Proses ini berfungsi untuk menyimpan fitur hasil ekstraksi citra wajah yang ada di dalam database ke dalam sebuah file berekstensi *.xml. File inilah yang nantinya akan digunakan untuk proses pencocokan antara citra wajah yang diuji dengan hasil ekstraksi fitur yang terdapat pada file ini.

2.11.1 Pencocokan

Pencocokan fitur adalah tahapan inti dari pada proses pengenalan citra wajah. Proses ini merupakan proses pencocokan fitur dari citra uji dengan fitur citra wajah dari database, yang sebelumnya telah melalui proses pelatihan citra. Proses perbandingan ini dilakukan menggunakan metode pengenalan pola, salah satunya adalah metode nearest neighbours