Penerapan face recognition menggunakan metode eigenfaces pada sistem presensi karyawan Universitas Sanata Dharma - USD Repository

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

PENERAPAN FACE RECOGNITION MENGGUNAKAN METODE EIGENFACE PADA SISTEM PRESENSI KARYAWAN UNIVERSITAS SANATA DHARMA SKRIPSI

  Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

  Oleh: Yunita Wahayuning Putri NIM : 085314082

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2012

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com FACE RECOGNITION APPLICATION USING EIGENFACE METHOD IN SANATA DHARMA UNIVERSITY OFFICIAL ATTENDANCE SYSTEM A THESIS

  Presented as Partial Fulfillment of the Requirements For the Degree of Sarjana Komputer In Department of Informatics Engineering

  By: Yunita Wahayuning Putri NIM : 085314082

INFORMATICS ENGINEERING STUDY PROGRAM

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

HALAMAN PERSEMBAHAN

  MOTIVASI DAN SEMANGAT TERBESAR ADALAH DARI DIRI KITA SENDIRI Bagaikan bejana dari tanah liat yang bersedia dibentuk dan menghasilkan kerajinan yang indah, demikian diri kita siap dibentuk melalui kesulitan-kesulitan yang kelak akan menjadikan kita pribadi yang berguna

  Skripsi ini kupersembahkan untuk : Tuhan Yesus Kristus Keluargaku Teman-temanku

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

PERNYATAAN KEASLIAN KARYA

  Saya menyatakan dengan sesungguhnya bahwa dalam skripsi yang saya tulis ini tidak memuat karya/bagian karya orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka.

  Yogyakarta, 23 Juli 2012 Penulis Yunita Wahayuning Putri

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

  Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : Yunita Wahayuning Putri Nomor Mahasiswa : 085314082 Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah dengan judul : PENERAPAN FACE RECOGNITION MENGGUNAKAN METODE EIGENFACE PADA SISTEM PRESENSI KARYAWAN UNIVERSITAS SANATA DHARMA Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan mempublikasikannya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai penulis.

  Demikian pernyataan ini yang saya buat dengan sebenarnya. Dibuat di Yogyakarta Pada tanggal 23 Juli 2012 Yang menyatakan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com ABSTRAK

  Saat ini sistem presensi pada beberapa instansi, perusahaan, atau perkantoran sudah menggunakan teknologi biometrik salah satunya pemindaian wajah. Saat melakukan proses presensi, pengguna harus berada pada posisi tertentu agar dapat dikenali sistem.

  Skripsi ini bertujuan untuk mengetahui akurasi sistem dalam mengenali citra masukan berupa citra wajah dengan berbagai posisi dan ekspresi. Proses pengenalan citra wajah dilakukan menggunakan metode ekstraksi ciri yaitu metode Eigenfaces dan menggunakan Euclidean Distance untuk mengukur kemiripan antara kedua buah citra wajah.

  Pada penelitian ini dilakukan 2 jenis pengujian, yaitu pengujian menggunakan 3-fold cross validation dan pengujian menggunakan user interface.

  Pengujian pertama menggunakan data training sebanyak 210 citra dan 105 citra sebagai data testing. Pada pengujian 3-fold cross validation ini diperoleh error rate sebesar 13.333% untuk kelompok A dan C yang kemudian digunakan sebagai model klasifikasi. Untuk pengujian menggunakan user interface diperoleh hasil bahwa sistem dapat mengenali citra masukan dengan baik ketika resolusinya sama dengan data citra pelatihan yaitu 2736x3648 piksel.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com ABSTRACT

  Today ’s presence system of multiple agencies, companies, or the offices are already using biometric technology such as face scan. However, the users must be at certain position to be recognized by the system.

  This thesis aims to do research about the accurate of the system in recognizing the input face image with a variety of position and facial expressions.

  Facial image recognition performed using Eigenfaces feature extraction method and it uses Euclidean Distance method to measure the similarity of two face images.

  This research was done by using two kinds of testing method. The first was 3-fold cross validation test and second was a test using user interface. The first test uses 210 training images and 105 images as the testing data. 3-fold cross validation test obtained 13.333% error rate for the A and C data group which is used for classification. For test using the user interface, the system can recognize correctly if the input image has 2736x3648 pixels resolution that similar to the trained face images.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

KATA PENGANTAR

  Citra wajah yang menunjukkan suatu ciri fisik dari seseorang telah banyak diimplementasikan untuk proses pengenalan. Pendekatan paling umum untuk proses pengenalan wajah didasarkan pada ciri wajah seperti hidung, mata, alis, dan sebagainya atau analisis wajah secara keseluruhan. Proses pengenalan telah banyak diimplemntasikan untuk sistem keamanan, sistem presensi, dan sebagainya.

  Skripsi dengan judul “Penerapan Face Recognition Menggunakan Metode Eigenface Pada Sistem Presensi Karyawan Universitas Sanata Dharma ” yang telah disusun ini diharapkan dapat memberikan sumbangsih untuk perkembangan ilmu pengetahuan khususnya dalam bidang pengenalan pola untuk membantu

proses ekstraksi ciri dan proses pengenalan pada sistem presensi.

  Terima kasih sebesarnya-besarnya kepada pihak-pihak yang telah membantu serta mendukung terselesaiknnya penyusunan skripsi ini:

  1. Tuhan Yesus Kristus yang selalu melindungi dan memberkati di setiap langkah.

  2. Ibu Sri Hartati Wijono, S.Si, M.Kom selaku selaku dosen pembimbing atas waktu dan saran yang telah diberikan.

  3. Bapak Eko Hari Parmadi, S.Si, M.Kom. dan Bapak Albertus Agung Hadhiatma,S.T.,M.T. atas saran dan kritikan yang diberikan.

  4. Kedua orangtuaku tercinta, Bapak Robin Haryanto dan Ibu Tuty Sumaryati untuk doa dan perhatian yang selalu diberikan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  5. Kedua kakakku tercinta, Mega Sapta Aria dan Bayu Agung Satriya untuk motivasi dan dukungan yang selalu diberikan.

  6. Yosaphat Samodra yang setia menemani dan memberikan semangat dalam penyelesaian skripsi ini.

  7. Teman-teman seperjuangan (Linardi, S.Kom., Roy Syahputra) yang bersedia meluangkan waktunya untuk berdiskusi bersama.

  8. Sahabat-sahabat penulis (Ayu Budi Setiawan, Septina Susanti, Mahesa Ahening Raras Kaesthi, Aditya Bayu Putranto, Regina Ditya Ardhiayana, Fransisca Siti Sudaryati, Anggit Purbarani) yang selalu memberikan keceriaan dan berbagi suka duka bersama.

  9. Teman-teman kos Edelweis yang selalu mengisi hari-hari bersama penulis serta dukungan dan doa yang diberikan.

  10. Seluruh teman-teman angkatan Teknik Informatika angkatan 2008 serta pihak-pihak yang tidak dapat penulis sebutkan satu per satu.

  Penulis menyadari bahwa masih terdapat kekurangan dalam penyusunan skripsi ini. Oleh karena itu penulis mengharapkan adanya kritik dan saran dari berbagai pihak yang bersifat membangun dalam penyempurnaan skripsi ini.

  Yogyakarta, 23 Juli 2012 Penulis Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

  DAFTAR ISI HALAMAN JUDUL BAHASA INDONESIA..

  1.5 Metodologi Penelitian … … … … … … … … … … … … … … … … … ..

  2.2.2.2.Proses Pengenalan Wajah … … … … … … … … … … … … …

  10

  2.2.2.1.Pencarian Ciri/Ekstraksi Ciri … … … .… … … … … … … … ..

  9

  2.2.2. Tahap-Tahap Pengenalan Wajah … … … … … … … … … … … .

  8

  2.2.1. Pengertian Pengenalan Wajah … ...… … … … … … … … … … ..

  8

  2.2. Pengenalan Wajah … .… … … … … ..… … … … … … … … … … … ...

  7

  5 BAB II LANDASAN TEORI … … … … … … … … … … … … … … … … … … 7 2.1 Wajah … … … … ..… ...… … … … … … … … … … … … … … … … … ..

  1.6 Sistematika Penulisan … … … … … … … … … … … … … … … … … ..

  4

  4

  … … … … … … … … … … .. i HALAMAN JUDUL BAHASA INGGRIS

  1.4 Batasan Masalah … … … … … … … … … … … … … … … … … … … .

  3

  1.3 Tujuan … … … … … … … … … … … … … … … … … … … … … … … ..

  3

  1.2 Rumusan Masalah … … … … … … … … … … … … … … … … … … …

  1

  1.1 Latar Belakang Masalah … … … … … … … … … … … … … … … … ...

  1

  … … … … … … … … … … … … … … … … … … … … … x DAFTAR ISI … … … … … … … … … … … … … … … … … … … … … … … … ... xii DAFTAR TABEL … … … … … … … … … … … … … … … … … … … … … … .. xvi DAFTAR GAMBAR … … … … … … … … … … … … … … … … … … … … … . xvii BAB I PENDAHULUAN … … … … … … … … … … … … … … … … … … … ..

  … … … … … … … … … … … … … … … … … … … … … … … … … .. viii ABSTRACT … … … … … … … … … … … … … … … … … … … … … … … … … ix KATA PENGANTAR

  … … … … … … … … … vi HALAMAN PERSETUJUAN PUBLIKASI … … … … … … … … … … … … . vii ABSTRAK

  HALAMAN PERSEMBAHAN … … … … … … … … … … … … … … … … … . v HALAMAN PERNYATAAN KEASLIAN KARYA

  … … … … … … … … … … … … … … … … … … iii HALAMAN PENGESAHAN … … … … … … … … … … … … … … … … … … iv

  … … ..… … … … … … … … … … .. ii HALAMAN PERSETUJUAN

  12 Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  2.3. Metode Eigenface … … … … … … … … … … … … … … … … … … …

  45 BAB IV IMPLEMENTASI DAN PENGUJIAN … … … … … … … … … … … 46

  3.5.2. Tampilan Antarmuka Menu File … … … … … … … … … ... 43

  

3.5.3. Tampilan Antarmuka Menu Help

… … … … … … … … … 43

  

3.5.4. Tampilan Antarmuka Menu About

… … … … … … … … .. 43

  3.5.5. Tampilan Open Image … … … … … … … … … … .… … … .. 44

  

3.5.6. Tampilan Cara Menggunakan Sistem

… … … … .… … … .. 45

  3.5.7. Tampilan Tentang Program … … … … … … … … … … … ..

  4.1 Implementasi Pelatihan Data … … … … … … … … … … … … … … ...

  3.5. Perancangan Antarmuka … … … … … ...… … … … … … … … … … .. 41

  46

  

4.1.1 Implementasi Pemrosesan Awal

… … … … … … … … … ... 46

  4.1.2 Implementasi Proses Ekstraksi Ciri...

  … … … … … … … ...

  47

4.1.3 Implementasi Proses Pengujian.

… … … … … … … … … ...

  50 4.2 Implementasi Proses Pengenalan Wajah... … … … … … … … … … ... 53 4.3 Implementasi Perancangan Antarmuka.

  3.5.1. Tampilan Antarmuka Proses Pengenalan Wajah … … … .. 42

  3.4. Perancangan Proses Pengenalan Wajah … … … … … … … … … … .. 38

  12

  3.1.2. Prosedur Pengambilan Data … … … … … … … … … … … … … 18

  2.4. Principal Component Analysis (PCA) … … … … … … … … … … … . 13

  2.4.1. Proses Perhitungan PCA … … … … … … … … … … … … … … . 14

  2.5. Metode Euclidean Distance … … … … … … … … … … … … … … … . 16 BAB III ANALISA DAN PERANCANGAN SISTEM … … … … … … … .

  18 3.1 Analisis Data. … … … … … … … … … ..… … … … … … … … … … … . 18 3.1.1. Jenis Data.

  … … … … … … … … … … … … … … … … … … … .

  18

  3.2 Perancangan Sistem Secara Umum … … … … … … … … … .… … … 20

  3.3.3. Proses Pengujian … … … … … … … … … … … … … … … ... 35

  3.2.1 Use Case … … … … … … ..… … … ..… … … … … … … … … 22

  3.2.2. Gambaran Sistem … … … … … … … … … … … … … … … . 23

  3.3. Perancangan Pelatihan Data … … … … … … … … … … … … … … … 24

  3.3.1. Proses Awal … … … … … … … … … … … … … … … … … ..

  25

  3.3.2. Ekstraksi Ciri … … … … … … … … … … … … … … … … … 25

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  4.3.1 Tampilan Proses Pengenalan Wajah..

  4.4.1.5.Hasil Pengujian 3-fold cross validation menggunakan data training webcam dan data testing kamera digital … … … … … … … … … … … … … … …

  4.5.2.2 Hasil Pengujian Citra Masukan menggunakan data training dari webcam … … … … … … … … … … … … ..

  83

  … … … … … … … … … …

  4.5.2.1 Hasil Pengujian Citra Masukan menggunakan data training dari kamera digital

  … … ... 83

  … … … .… … ..... 81 4.5.2 Analisa Hasil Pengujian melalui User Interface....

  4.5.1 Analisa Hasil Pengujian Pelatihan Data..

  4.5 Analisa Hasil Pengujian … ...… … … … .… … … … … … … … … … ... 81

  77

  4.4.2.2 Hasil Pengujian Citra Masukan menggunakan data training dari webcam … … … … … … … … … … … … ..

  74

  4.4.2.1 Hasil Pengujian Citra Masukan menggunakan data training dari kamera digital … … … … … … … … … .

  4.4.2 Hasil Pengujian melalui User Interface.... … … … .… … ... 74

  73

  73

  … … … … … … … ... 55

  4.4.1.4.Hasil Pengujian 3-fold cross validation menggunakan data training kamera digital dan data testing webcam … … … … … … … … … … … … … … ..

  71

  4.4.1.3.Hasil Pengujian 3-fold cross validation menggunakan kamera digital dengan data training menghadap ke depan … … … … … … … … … … … … ..

  66

  4.4.1.2.Hasil Pengujian 3-fold cross validation menggunakan webcam … … … … … … … … … … … ...

  60

  4.4.1.1.Hasil Pengujian 3-fold cross validation menggunakan kamera digital … … … … … … … … … ..

  … … … .… … ..... 59

  4.4.1 Hasil Pengujian 3-fold cross validation..

  4.4 Hasil Pengujian … … … … … … … … … .… … … … … … … … … … ... 59

  58

  4.3.3 Tampilan Tentang Program … … … ...… … … … … … … ...

  58

  4.3.2 Tampilan Cara menggunakan Sistem … … … … … … … ...

  83 Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

BAB V KESIMPULAN DAN SARAN

  85 … … … … … … … … … … … … … … .

5.1 Kesimpulan

  85 … … … … … … … … .… … … … … … … … … … … ...

  5.2 Saran … … … … … … … … … … … … … … … … … … … … … … ... 87 DAFTAR PUSTAKA … … … … … … … … … … … … … … … … … … … … … . 88 LAMPIRAN … … … … … … … … … … … … … … … … … … … … … … … … … 89

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com DAFTAR TABEL Tabel Keterangan Halaman

  2.1 Kategori Teknik Pengenalan Wajah

  11

  3.1 Daftar Nama Karyawan Fakultas Sains dan Teknologi

  19

  3.2 Pengelompokkan Data

  36

  3.3 Tabel Rancangan Pengujian Data training

  37 Tabel Hasil Pengujian Data training menggunakan

  4.1 63 kamera digital

  Tabel Hasil Pengujian Data training menggunakan

  4.2

  68 webcam Tabel Hasil Pengujian Data training menggunakan 4.3 kamera digital dengan data training menghadap ke

  70 depan Tabel Hasil Pengujian menggunakan data training

  4.4 71

kamera digital dan data testing webcam

  Tabel Hasil Pengujian menggunakan data training

  4.5

  71

webcam dan data testing kamera digital

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  55

  45

  4.1 Pemrosesan Awal

  45

  4.2 Implementasi Tampilan Proses Pengenalan Wajah

  54

  4.3 Implementasi Tampilan Open Image

  54

  4.4 Implementasi Tampilan Open File

  55

  4.5 Implementasi hasil proses pengenalan wajah

  4.6 Implementasi tampilan Menu Help

  45

  56

  

4.7 Implementasi tampilan cara menggunakan sistem

  56

  4.8 Implementasi Tampilan Menu About

  57

  4.9 Implementasi Tampilan Tentang Program

  57

  4.10 Data training kombinasi 1

  59

  4.11 Data testing kombinasi 1

  59 Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

  3.12 Tampilan antarmuka Tentang Program

  DAFTAR GAMBAR Gambar Keterangan Halaman

  2.1 Susunan Proses Pengenalan Wajah

  3.4 Proses Awal

  9

  2.2 Matriks N

  2 x 1

  15

  3.1 Gambaran Umum Proses Pengenalan Wajah

  21

  3.2 Use Case

  23

  3.3 Gambaran Umum Pengenalan Wajah, (a) Proses pelatihan model menggunakan data training (b) Proses pengenalan (testing)

  24

  25

  44

  3.5 Kombinasi Pengujian

  36

  

3.6 Tampilan antarmuka proses pengenalan wajah

  42

  3.7 Tampilan antarmuka Menu File

  43

  3.8 Tampilan antarmuka Menu Help

  43

  3.9 Tampilan antarmuka Menu About

  44

  3.10 Tampilan antarmuka Open Image

  3.11 Tampilan antarmuka System Help

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

  4.12 Data training kombinasi 2

  61

  4.13 Data testing kombinasi 2

  61

  4.14 Data training kombinasi 3

  63

  4.15 Data testing kombinasi 3

  63

  4.16 Data training kombinasi webcam 1

  65

  4.17 Data testing kombinasi webcam 1

  65

  4.18 Data training kombinasi webcam 2

  66

  4.19 Data testing kombinasi webcam 2

  67

  4.20 Data training kombinasi webcam 3

  68

  4.21 Data testing kombinasi webcam 3

  68 Hasil Pengujian Citra Masukan menggunakan 1 data testing dari kamera digital dan data training kamera

  4.22 (a)pengujian ke-1 73 (b)pengujian ke-2

  (c)pengujian ke-3 Hasil Pengujian Citra Masukan menggunakan 1 data testing dari webcam dan data training kamera

  4.23 (a)pengujian ke-1 74 (b)pengujian ke-2

  (c)pengujian ke-3 Hasil Pengujian Citra Masukan menggunakan 1 data testing dari webcam dan data training webcam

  4.24 (a)pengujian ke-1 76 (b)pengujian ke-2

  (c)pengujian ke-3 Hasil Pengujian Citra Masukan menggunakan 1 data testing dari kamera digital dan data training webcam

  4.25 (a)pengujian ke-1 77 (b)pengujian ke-2

  (c)pengujian ke-3

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com Citra masukan menggunakan webcam

  4.26 78

(a)citra asli (b)citra hasil cropping

  Hasil Pengujian Citra masukan menggunakan webcam

  4.27 78

(a)citra asli (b)citra hasil cropping

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

BAB I PENDAHULUAN

1.1 Latar Belakang Masalah

  Setiap instansi, perusahaan, perkantoran, perkuliahan, sekolah-sekolah, maupun lembaga-lembaga yang lain tentunya menerapkan sistem presensi untuk mencatat kehadiran karyawan, mahasiswa, atau murid-muridnya. Sistem presensi pada tiap instansi tersebut tentu berbeda, ada instansi yang masih menerapkan sistem presensi secara manual dan ada yang sudah menggunakan teknologi. Saat ini, sistem presensi secara manual sudah tidak efektif digunakan.

  Beberapa hal menunjukkan ketidakefektifan tersebut, seperti pemalsuan tanda tangan, pemborosan biaya (kertas, tinta cetak, dan sebagainya), pengolahan data kehadiran yang tidak akurat karena menggunakan tenaga manusia, serta pembuatan laporan untuk rekapitulasi menjadi lambat. Ketidakefektifan tersebut mendorong instansi-instansi meninggalkan sistem presensi secara manual.

  Sebagai salah satu contoh, Universitas Sanata Dharma, telah beralih dari sistem presensi karyawan secara manual menjadi sistem presensi berbasis teknologi biometrik, yaitu pengenalan sidik jari. Pengenalan sidik jari ini menggunakan sebuah sensor untuk mengenali sidik jari seseorang yang kemudian sensor dihubungkan dengan sistem presensi karyawan. Dalam penggunaannya, sistem presensi baru ini sudah cukup efektif dalam hal pendataan, efisiensi waktu, dan keakuratan data kehadiran. Walaupun sudah

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

  cukup efektif, sistem presensi dengan sidik jari ini masih menimbulkan beberapa permasalahan, antara lain sensor yang digunakan sering mengalami kerusakan, sensor terkadang kurang dapat mengenali dengan baik sidik jari seseorang, sensor menjadi tidak akurat dalam mengenali sidik jari seseorang ketika kondisi tangan basah (berkeringat), terluka (tergores), dan sebagainya.

  Beberapa kekurangan tersebut dapat diatasi dengan sebuah pengembangan sistem yang menerapkan teknologi biometrik yang lain, yaitu pengenalan wajah (face recognition). Pengenalan wajah telah banyak diaplikasikan dalam sistem

  security. Selain digunakan dalam sistem security, pengenalan wajah telah

  dikembangkan menjadi aplikasi yang mendukung suatu proses pendataan yang berhubungan dengan sistem informasi, seperti pendataan alamat paket barang, pendataan karyawan, dan sebagainya. Dalam aplikasinya sendiri pengenalan wajah menggunakan sebuah kamera untuk menangkap wajah seseorang kemudian dibandingkan dengan sistem pengenalan wajah yang sebelumnya telah mengolah pola koleksi wajah. Pengenalan wajah ini akan diimplementasikan dengan menggunakan metode Eigenface. Konsep Eigenface adalah serangkaian eigenvector yang digunakan untuk mengenali wajah manusia dalam suatu computer vision. Eigenvector berasal dari covariance

  matrix yang memiliki distribusi probabilitas yang tinggi dan dimensi ruang vektor untuk mengenali kemungkinan sebuah wajah.

  Pengenalan wajah menggunakan metode eigenface pernah dilakukan oleh

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

  rumah. Konsep pembuatan aplikasi tersebut yaitu untuk membedakan antara pemilik dan pencuri. Tingkat keberhasilan penggunaan metode tersebut mencapai 87,5% untuk mengenali wajah pemilik rumah. Kelebihan penggunaan metode ini adalah dapat mengenali berbagai ekspresi wajah secara real time.

  Berdasarkan permasalahan yang ada, penulis akan menerapkan pengenalan wajah (face recognition) dengan metode eigenface pada prototype sistem presensi karyawan USD dengan tujuan untuk mendata kehadiran karyawan-karyawan USD dan untuk dapat mengenali identitas karyawan- karyawan berdasarkan masukan citra wajah. Data yang digunakan masih berupa sampel dari 15 karyawan Fakultas Sains dan Teknologi.

  1.2 Rumusan Masalah

  Berdasarkan latar belakang yang telah disebutkan sebelumnya, maka dapat dirumuskan permasalahan, yaitu: berapa akurasi metode eigenface membantu mengenali wajah.

  1.3 Tujuan

  Adapun tujuan dari penelitian ini, antara lain :

1. Mengimplementasikan metode eigenface dengan masukan berupa data wajah.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

2. Melakukan proses pengenalan wajah dengan masukan wajah pada posisi yang berbeda-beda.

1.4 Batasan Masalah

  Penelitian ini memiliki batasan permasalahan, antara lain :

  1. Pengambilan citra wajah karyawan dilakukan di dalam ruangan dengan latar belakang polos (tidak terdapat obyek-obyek yang lain).

  2. Sistem yang dibuat merupakan prototipe sistem pengenalan wajah untuk presensi karyawan.

1.5 Metodologi Penelitian

  Metodologi penelitian yang dilakukan sebagai berikut :

  1. Studi literatur untuk mempelajari teori pengenalan wajah dan teknik

  Principal Component Analysis dalam hal ini metode Eigenface yang digunakan untuk proses pengenalan.

  2. Analisis data bertujuan untuk mengetahui bagaimana cara memperoleh data yang akan digunakan dalam penelitian.

  3. Pengembangan sistem menggunakan model Waterfall (Pressman, 2002).

  Tahapan-tahapan pengembangan sistem sebagai berikut :

• Analisis Analisis adalah tahap untuk menentukan analisis terhadap permasalahan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

• Desain Desain adalah proses menterjemahkan kebutuhan sistem ke dalam sebuah gambaran program, yaitu dengan mendesain use case, penggunaan algoritma dan desain model data yang akan digunakan.
• Implementasi Implementasi merupakan proses penterjemahan desain ke dalam bentuk yang dapat dieksekusi. Implementasi dilakukan dengan menggunakan MATLAB.
• Pengujian Pengujian memastikan apakah semua fungsi-fungsi program berjalan dengan baik dan menghasilkan output yang sesuai dengan yang dibutuhkan. Pengujian dilakukan dengan menguji data training menggunakan k-fold cross validation (Refaeilzadeh, dkk, 2008). Data

  training dibagi menjadi 3 bagian. Pengujian dilakukan untuk mengetahui akurasi sistem pengenalan wajah dan metode Eigenface yang digunakan.

1.6 Sistematika Penulisan

  Sistematika penulisan laporan tugas akhir ini adalah sebagai berikut :

BAB I PENDAHULUAN Berisi latar belakang masalah, rumusan masalah, batasan masalah, tujuan

  sistem, manfaat sistem dan metode penelitian serta sistematika penulisan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

BAB II DASAR TEORI Bab ini berisi landasan teori yang dipakai untuk pembahasan laporan tugas akhir. BAB III ANALISIS DAN PERANCANGAN SISTEM Bab ini berisi tentang analisis dan perancangan sistem yang akan diimplementasikan. BAB IV IMPLEMENTASI SISTEM Bab ini berisi tentang proses implementasi sesuai dengan rancangan sistem yang dibuat. BAB V ANALISIS HASIL Bab ini berisi tentang analisis hasil implementasi sistem. BAB VI PENUTUP Bab ini berisi tentang kesimpulan dan saran untuk sistem.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

BAB II LANDASAN TEORI

2.1 Wajah

  Wajah merupakan kontur kulit manusia yang terdapat pada bagian kepala depan (Nugroho, 2009). Wajah pada tiap orang pasti memliki perbedaan, sehingga dapat dilakukan pengenalan identitas seseorang. Pengenalan tersebut dapat dilakukan secara real time dengan menggunakan suatu teknologi komputer. Sebelum melakukan pengenalan, sebuah wajah harus diambil/difoto menggunakan kamera digital /webcam, hasilnya menjadi sebuah citra digital.

  Citra digital tersusun dari titik-titik atau kumpulan elemen-elemen gambar yang disebut piksel (picture element). Piksel adalah element terkecil dari sebuah citra digital. Dengan jumlah total piksel adalah M x N. Dimana M merupakan nilai height atau nilai tinggi citra digital dan N adalah nilai width atau nilai lebar citra digital.

  Sebuah citra wajah digital berupa sebuah matriks yang berisi nilai- nilai intensitas warna. Nilai-nilai tersebut yang nantinya akan digunakan untuk proses pengenalan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

2.2 Pengenalan Wajah

2.2.1. Pengertian Pengenalan Wajah

  Pengenalan wajah adalah salah satu teknologi biometrik yang telah banyak diaplikasikan untuk sistem keamanan, sistem absensi, pembuatan SIM, dan sebagainya. Pengenalan wajah akan melakukan pengenalan secara otomatis atas identitas seseorang berdasarkan ciri wajah dengan mencocokkan ciri tersebut dengan ciri wajah yang telah disimpan pada basisdata (Putra, 2009).

  Secara umum, sistem biometrika atau sistem pengenalan memiliki 5 modul dasar (Putra, 2009), antara lain :

  1. Modul sensor, merupakan modul untuk mengumpulkan data, mengambil data biometrika pengguna dan mengolahnya menjadi bentuk yang layak untuk proses pengolahan berikutnya.

  2. Modul pemisahan ciri, yaitu modul untuk menghasilkan ciri unik dari biometrika yang digunakan yang dapat membedakan seseorang dengan yang lain. Modul ini akan mengubah data dari modul sensor ke dalam representasi matematika yang diperlukan oleh modul pencocokan.

  3. Modul pencocokan, modul untuk menentukan tingkat kesamaan/ketidaksamaan antara ciri biometrika yang diuji dengan ciri biometrika acuan pada basisdata.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

  4. Modul keputusan, modul untuk memutuskan apakah pengguna yang diuji diterima atau ditolak berdasarkan skor hasil pencocokan. Sah atau tidak sahnya pengguna diputuskan berdasarkan suatu nilai ambang (threshold).

  5. Modul penyimpanan data, merupakan modul untuk mendaftarkan ciri biometrika pengguna ke dalam basisdata acuan. Basisdata ini yang akan digunakan sebagai acuan saat proses pengenalan.

2.2.2. Tahap-tahap Pengenalan Wajah

  Dalam melakukan pengenalan wajah (face recognition), ada beberapa tahapan proses yang harus dilalui, seperti :

  Citra input _simultan Deteksi Wajah Ekstraksi Ciri Pengenalan Wajah Identifikasi / Verifikasi

Gambar 2.1 Susunan Proses Pengenalan Wajah

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Deteksi wajah (face detection) merupakan proses awal yang harus dilakukan pada citra input untuk mendeteksi adanya citra wajah di dalam citra masukan. Namun, berdasarkan Gambar 2.1 tahap-tahap proses pengenalan wajah dikelompokkan menjadi 2 bagian, yaitu proses ekstraksi ciri dan proses pengenalan wajah (Zhao dan Chellapa, 2006). Proses deteksi wajah akan dilakukan bersama dalam proses ekstraksi ciri. Hal ini dikarenakan dalam proses deteksi wajah diperlukan ekstraksi ciri di dalam citra masukan yang akan mendeteksi apakah citra masukan merupakan citra yang mengandung ciri wajah.

  Secara umum, (Zhao dan Chellapa 2006) menjelaskan ada dua macam ciri (feature) pada wajah, yaitu holistic features dan facial

  feature . Facial feature contoh cirinya adalah warna dan bentuk, besar dan letak hidung, mulut, mata, telinga, dan lain-lain.

  Sedangkan pada holistic features setiap cirinya adalah merupakan suatu karakteristik dari seluruh wajah. Wajah dianggap sebagai kesatuan yang utuh.

  Untuk melakukan ekstrak ciri pada wajah, (Zhao dan Chellapa, 2006) membedakan teknik pengenalan wajah menjadi tiga metode, sebagai berikut :

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

2.2.2.1 Pencarian Ciri / Ekstraksi Ciri

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

Tabel 2.1 Kategori Teknik Pengenalan Wajah

  

Holistic methods

   Principal Component Analysis - Eigenfaces - Probabilistic eigenfaces

• Fisherfaces - SVM
• Evolution pursuit
• Feature line
• ICA

   Gambaran lain

• LDA/FLD
• PDBNN
• Kernel faces
• Tensorfaces

  Features-based methods

• Method Geometri Murni - Arsitektur Dinamis - Model Hidden Markov - Konvolusi Jaringan Syaraf

  

Hybrid methods

• Modular eigenfaces
• Hybrid LFA
• Normalisasi Bentuk - Dasar Komponen (disesuaikan dengan Zhao dan Chellapa, hal. 15)

a. Holistic methods

  Metode ini digunakan untuk menyelesaikan kasus holistic

  features yaitu mencari informasi secara keseluruhan pada wajah.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  b. Features-based Metode ini digunakan untuk menyelesaikan kasus facial

  features yaitu mencari informasi berdasarkan ciri yang ada pada wajah seperti hidung, mata, telinga, dan lain-lain.

  c. Hybrid methods Metode ini merupakan penggabungan dari metode holistic

  methods dan features-based.

  Proses pengenalan wajah atau biometrika yang lain merupakan proses pencocokan yang digunakan untuk menentukan tingkat kesamaan dan ketidaksamaan dua vektor ciri (Putra, 2009). Tingkat kesamaan berupa suatu skor yang kemudian akan digunakan untuk mengenali (mengklasifikasi) suatu vektor ciri apakah sah atau tidak dengan membandingkannya dengan suatu nilai ambang (threshold

  value ).

  Metode Eigenface merupakan metode yang menggunakan teknik PCA (lihat Tabel 2.1). Pengenalan citra wajah dengan metode Eigenface dilakukan berdasarkan pada pengurangan dimensi ruang wajah dengan menggunakan

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

2.2.2.2 Proses Pengenalan Wajah

2.3 Metode Eigenface

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Simpo PDF Merge and Split Unregistered Version - http://www.simpopdf.com

  Pencarian ciri dari suatu wajah dilakukan dengan mencari eigenvalue dan . Eigenvalue dapat disebut sebagai nilai karakteristik dari suatu

  eigenvektor