Pengenalan Wajah dengan Variasi Pencahayaan Menggunakan Metode Local Directional Pattern - Face Recognition Under Varying Illumination Using Local Directional Pattern Method.
i
Universitas Kristen Maranatha
PENGENALAN WAJAH DENGAN VARIASI PENCAHAYAAN
MENGGUNAKAN METODE LOCAL DIRECTIONAL
PATTERN
Frinesdi Bermanto Ginting NRP : 0422171
email : frinesdi_ginting@ymail.com
ABSTRAK
Pada umumnya sistem pengenalan wajah memiliki tingkat akurasi yang tinggi pada lingkungan yang terkondisi. Namun tingkat akurasi akan menurun apabila lingkungan dipengaruhi oleh beberapa variasi yaitu variasi pose, pencahayaan, dan ekspresi. Pada Tugas Akhir ini dibahas sistem pengenalan wajah dengan berbagai variasi pencahayaan (illumination variations).
Ada banyak metode yang telah dikembangkan untuk mengatasi kendala variasi pencahayaan dalam sistem pengenalan wajah. Pada Tugas Akhir ini digunakan ekstraksi ciri Local Directional Pattern dan Chi-Square Measurement untuk tahap klasifikasi. Algoritma LDP ini memiliki sifat-sifat penting yang tahan terhadap variasi pencahayaan dan menggunakan komputasi yang sederhana sehingga diharapkan menghasilkan tingkat akurasi pengenalan yang tinggi.
Percobaan dilakukan terhadap citra wajah dari 20 subyek dengan 30 jenis variasi pencahayaan. Dari hasil percobaan diperoleh hasil tingkat akurasi pengenalan wajah dengan LDP (k=3) lebih baik dibandingkan LDP (k=4), dan LDP (k=5) dengan tingkat akurasi pengenalan LDP (k=3) sebesar 86,11%, LDP (k=4) sebesar 83,52% dan LDP (k=5) sebesar 84,44%.
Kata Kunci: Pengenalan Wajah, Local Directional Pattern, Chi-Square Measurement, Ekstraksi Fitur, Variasi Pencahayaan, Tingkat Akurasi.
(2)
ii
Universitas Kristen Maranatha
FACE RECOGNITION UNDER VARYING ILLUMINATION
USING LOCAL DIRECTIONAL PATTERN METHOD
Frinesdi Bermanto Ginting NRP : 0422171
email : frinesdi_ginting@ymail.com
ABSTRACT
In general, face recognition system has high acurracy degree under controlled environments. However, the performance tends to suffer when variations such as poses, illuminations, poses, expression are present. This final project focuses on face recognition system under varying illuminations.
There are numerous methods have been developed to overcome the impact of illumination variation in face recognition system. In this final project, Local Directional Pattern (LDP) is used as feature vectors and Chi-Square Measurement as classifier. The LDP algorithm is expected to have robust properties in the occurrence of illumination variations.
The experiments tested the image from 20 subject with 30 different illumination variations. It is concluded that accuracy level of LDP (k=3) is superior to LDP (k=4) and LDP (k=5) at 86.11%, 83.52%, and 84.44% respectively.
Keywords: Face Rcognition, Local Directional Pattern, Chi-Square Measurement,
(3)
v
Universitas Kristen Maranatha
DAFTAR ISI
HALAMAN JUDUL LEMBAR PENGESAHAN SURAT PERNYATAAN
PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR GAMBAR ... vii
DAFTAR TABEL ... viii
DAFTAR LAMPIRAN ... ix
BAB I PENDAHULUAN ... 1
I.1 Latar Belakang ... 1
I.2 Rumusan Masalah ... 2
I.3 Tujuan Tugas Akhir ... 2
I.4 Pembatasan Masalah ... 2
I.5 Sistematika Penulisan ... 2
BAB II LANDASAN TEORI ... 4
II.1 Citra digital ... 4
II.2 Dasar Pengolahan Citra Digital ... 5
II.3 Operasi Pengolahan Citra ... 6
II.3.1 Image Enhancement ... 6
II.3.2 Image Restoration ... 6
II.3.3 Image Compression ... 6
II.3.4. Image Segmentation ... 6
II.3.5 Image Reconstruction ... 7
II.4 Histogram Equalization... 7
II.5 Pattern Recognition (Pengenalan Pola)... 8
(4)
vi
Universitas Kristen Maranatha
II.7 Feature Extraction (Ekstraksi Fitur) ... 11
II.8 Local Directional Pattern... 11
II.9 Histogram Local Directional Pattern ... 16
II.10 Chi Square Dissimilarity Measure ... 16
II.10 Akurasi Pengenalan ... 17
BAB III PERANCANGAN SISTEM ... 18
III.1 Diagram Blok Sistem ... 18
III.2 Diagram Alir Sistem ... 19
III.2.1 Diagram Alir Proses Pelatihan ... 19
III.2.2 Diagram Alir Proses Pengujian ... 20
III.2.3 Pra-Pemprosesan ... 21
III.2.4 Ekstraksi Ciri Local Directional Pattern ... 22
III.2.5 Classifier Chi-Square ... 23
III.7 Database Citra ... 25
BAB IV DATA PENGAMATAN DAN ANALISIS ... 26
IV.1 Penjelasan Simulasi Percobaan ... 26
IV.1.1 Proses Pelatihan ... 26
IV.1.2 Proses Pengujian ... 26
IV.2 Percobaan 1 dengan nilai k=3 ... 27
IV.3 Percobaan 2 dengan nilai k=4 ... 29
IV.4 Percobaan 3 dengan nilai k=5 ... 32
IV.5 Analisis ... 34
BAB V SIMPULAN DAN SARAN ... 36
V.1 Simpulan... 36
V.2 Saran ... 36
(5)
vii
Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar II.1 Tampilan citra sebelum proses Histogram Equalization... 7
Gambar II.2 Tampilan citra setelah proses Histogram Equalization ... 8
Gambar II.3 Diagram sederhana proses pengenalan pola ... 9
Gambar II.4 Diagram Blok Proses Pelatihan Citra Wajah... 10
Gambar II.5 Diagram Blok Proses Pengenalan Citra Wajah ... 11
Gambar II.6 Matriks Kirsch Mask . ... 12
Gambar II.7 a. 8 posisi respon tepi LDP. b. Posisi bit biner LDP. ... 12
Gambar II.8 Perhitungan kode LDP dengan k=3. ... 13
Gambar II.9 Penempelan/Penggabungan Histogram setiap Regions ... 16
Gambar III.1 Diagram Blok Sistem ... 18
Gambar III.2 Diagram Alir Proses Pelatihan ... 19
Gambar III.3 Diagram Alir Proses Pengujian ... 20
Gambar III.4 Diagram Alir Pra-Pemprosesan ... 21
Gambar III.5 Diagram alir ekstraksi ciri LDP ... 22
Gambar III.6 Diagram alir Chi-Square ... 24
(6)
viii
Universitas Kristen Maranatha
DAFTAR TABEL
Tabel IV.1 Contoh percobaan 1 dengan 1 citra uji ... 27
Tabel IV.2 Semua hasil percobaan 1 dengan k=3 ... 29
Tabel IV.3 Contoh percobaan 2 dengan 1 citra uji ... 29
Tabel IV.4 Semua hasil percobaan 2 dengan k=4 ... 31
Tabel IV.5 Contoh percobaan 3 dengan 1 citra uji ... 32
(7)
ix
Universitas Kristen Maranatha
DAFTAR LAMPIRAN
Lampiran A Listing Program ... A-1 Lampiran B Citra Data Latih... B-1 Lampiran C Hasil Percobaan Kode LDP Dengan k=3... C-1 Lampiran D Hasil Percobaan Kode LDP Dengan k=4 ... D-1 Lampiran E Hasil Percobaan Kode LDP Dengan k=5 ... E-1
(8)
1
Universitas Kristen Maranatha
BAB I
PENDAHULUAN
I.1 Latar Belakang
Beberapa tahun belakangan ini, pengenalan wajah merupakan salah satu bidang penelitian yang sangat popular. Aplikasi dari pengenalan wajah ini banyak dimanfaatkan pada sistem biometrik, sistem akses control (access control system), sistem pengawasan (surveillance), sistem keamanan (security system), sistem verifikasi kartu kredit, dan sistem pengambilan video berbasis konten
(content-based video retrieval systems)[6][7] .
Umumnya sistem pengenalan wajah yang sudah diperkenalkan oleh para peneliti memiliki tingkat akurasi yang tinggi pada lingkungan yang terkondisi (under controlled environment). Namun tingkat akurasi pengenalan wajah menjadi sangat rendah pada lingkungan yang tidak dikondisikan (uncontrolled environment) karena dipengaruhi beberapa factor variasi yaitu variasi pose, pencahayaan, dan ekspresi (Pose, illumination, and expression/PIE)[8] . Dari ketiga faktor variasi yang disebut di atas, faktor variasi pencahayaan (illuminations varying) merupakan faktor variasi yang sangat menarik untuk dibahas. Untuk mengatasi masalah yang disebabkan oleh variasi pencahayaan ini, berbagai metode pendekatan telah diperkenalkan, seperti preprocessing and illumination normalization techniques[3]
[10] , illumination invariant feature extraction techniques [12] [13] , dan 3D face modeling techniques[1] [2] .
Selain metode pendekatan yang sudah disebutkan diatas, metode deskripsi pola lokal (Local Pattern Descriptor) juga sudah banyak digunakan dalam pengenalan wajah. Local Pattern Descriptor ini termasuk pola biner lokal (Local
Binary Pattern) dan pola direksional lokal (Local Directional Pattern) memiliki
sifat-sifat penting yang tahan terhadap variasi pencahayaan dan menggunakan komputasi yang sederhana (Computational Simplicity).
Oleh karena itu, pada tugas akhir ini metode yang akan digunakan untuk pengenalan wajah adalah metode fitur ekstraksi Local Directional Pattern.
BAB I
(9)
2
Universitas Kristen Maranatha
I.2 Rumusan Masalah
Bagaimana melakukan pengenalan wajah dengan variasi pencahayaan menggunakan metode ekstraksi ciri Local Directional Pattern?
I.3 Tujuan Tugas Akhir
Mengevaluasi dan menganalisis hasil pengenalan wajah dengan variasi pencahayaan menggunakan metode Local Directional Pattern.
I.4 Pembatasan Masalah
1. Database yang digunakan adalah database Yale B.
2. Realisasi menggunakan program Matlab
3. Ukuran citra wajah sebesar 168 x 192 piksel dengan format *.pgm. 4. Citra wajah setiap individu menggunakan satu ekspresi dan satu pose
yang sama dan tanpa aksesoris lain.
5. Citra wajah yang digunakan menghadap ke depan (front) dan dalam posisi tegak.
6. Citra wajah yang digunakan terdiri dari 20 individu yang berbeda. 7. Citra wajah setiap individu memiliki 30 variai pencahayaan yang
berbeda.
I.5 Sistematika Penulisan
Sistematika penulisan laporan Tugas Akhir ini ditulis dalam lima bab dengan susunan sebagai berikut :
BAB.I PENDAHULUAN
Pada bab ini akan dibahas mengenai Latar Belakang, Rumusan Masalah, Tujuan, Pembatasan Masalah, dan Sistematika Penulisan laporan Tugas Akhir ini.
BAB.II LANDASAN TEORI
Pada bab ini akan membahas teori yang digunakan, maupun yang mendasari Tugas Akhir ini untuk merancang sistem perangkat lunak pengenalan wajah menggunakan ekstraksi ciri Local Directional Pattern.
(10)
3
Universitas Kristen Maranatha BAB.III PERANCANGAN SISTEM
Pada bab ini dijelaskan mengenai diagram blok dan cara kerja sistem serta diagram alir perangkat lunak yang akan direalisasikan.
BAB.IV DATA PENGAMATAN DAN ANALISIS
Pada bab ini berisi tentang percobaan dan hasil pengamatan yang telah dilakukan terhadap semua citra uji sehingga dapat dianalisis.
BAB.V SIMPULAN DAN SARAN
Pada bab ini berisi kesimpulan dari pengujian dan analisis Tugas Akhir ini dan saran-saran yang perlu dilakukan untuk perbaikan di masa mendatang.
(11)
36
Universitas Kristen Maranatha
BAB V
SIMPULAN DAN SARAN
V.1 Simpulan
Berdasarkan hasil percobaan dan analisis dari bab IV dapat diambil beberapa kesimpulan sebagai berikut:
1. Metode ekstraksi ciri Local Directional Pattern dapat diterapkan dalam pengenalan wajah dengan variasi pencahayaan. Tingkat akurasi pengenalan LDP (k=3) sebesar 86,11%, LDP (k=4) sebesar 83,52% dan LDP (k=5) sebesar 84,44%.
2. Jumlah kode LDP yang digunakan untuk membuat histogram LDP citra uji maupun histogram LDP citra latih berpengaruh terhadap tingkat akurasi pengenalan.
3. Tingkat akurasi pengenalan wajah terbesar bila menggunakan metode
Local Directional Pattern dengan variasi pencahayaan dan citra yang
digunakan diambil dari Extended Yale Face Database B diperoleh pada kode LDP dengan k (direction) = 3, yaitu sebesar 86,11%.
V.2 Saran
Setelah melihat dan menganalisis hasil percobaan, berikut beberapa saran untuk pengembangan sistem pengenalan wajah selanjutnya:
1. Pada klasifikasi pengenalan wajah dengan metode ekstraksi ciri LDP ini, bisa dicoba menggunakan klasifikasi yang lain seperti Bin-by-bin
dissimilarity measures, Cross-bin dissimilarity measures, Histograms vs Signatures, The Earth Mover's Distance atau yang lainnya.
2. Pada tahap pra-pemprosesan, bisa dilakukan percobaan dengan membagi citra menjadi 6x6 regions, 7x7 regions atau lebih untuk mengetahui tingkat akurasi pengenalannya.
BAB V SIMPULAN
DAN SARAN
(12)
PENGENALAN WAJAH DENGAN VARIASI PENCAHAYAAN
MENGGUNAKAN METODE LOCAL DIRECTIONAL
PATTERN
FACE RECOGNITION UNDER VARYING ILLUMINATION
USING LOCAL DIRECTIONAL PATTERN METHOD
LAPORAN TUGAS AKHIR
Diajukan untuk memenuhi persyaratan Sarjana Strata Satu (S-1) Program Studi Teknik Elektro
Fakultas Teknik
Universitas Kristen Maranatha
Disusun Oleh:
FRINESDI BERMANTO GINTING 0422171
Pembimbing:
MEILAN JIMMY HASUGIAN, ST., MT.
PROGRAM STUDI TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS KRISTEN MARANATHA
BANDUNG
(13)
LEMBAR PENGESAHAN
PENGENALAN WAJAH DENGAN VARIASI PENCAHAYAAN
MENGGUNAKAN METODE LOCAL DIRECTIONAL
PATTERN
FACE RECOGNITION UNDER VARYING ILLUMINATION
USING LOCAL DIRECTIONAL PATTERN METHOD
LAPORAN TUGAS AKHIR
Disusun Oleh:
FRINESDI BERMANTO GINTING
0422171
Tugas Akhir ini telah diterima dan disahkan untuk memenuhi persyaratan Sarjana Strata Satu (S-1)
Program Studi Teknik Elektro Fakultas Teknik
Universitas Kristen Maranatha
Bandung, Januari 2017 Disetujui oleh:
Pembimbing
Meilan Jimmy Hasugian, ST., MT. NIK: 220833
Disahkan oleh:
Ketua Program Studi Teknik Elektro
(Novie Theresia Br. Pasaribu, S.T., M.T) NIK: 220924
(14)
SURAT PERNYATAAN
Yang bertanda tangan di bawah ini
Nama : Frinesdi Bermanto Ginting
NRP : 0422171
menyatakan dengan sesungguhnya bahwa Tugas Akhir ini adalah hasil karya saya sendiri dan bukan duplikasi dari hasil karya orang lain.
Apabila kelak terbukti pernyataan ini tidak benar, maka saya bersedia menerima sanksi.
Demikian pernyataan saya.
Bandung, Januari 2017 Yang menyatakan
Frinesdi Bermanto Ginting Materai
yang berlaku
(15)
PERNYATAAN PERSETUJUAN PUBLIKASI
LAPORAN TUGAS AKHIR
Saya yang bertanda tangan di bawah ini
Nama : Frinesdi Bermanto Ginting
NRP : 0422171
Fakultas / Program Studi : Teknik / Teknik Elektro
Dengan ini, saya menyatakan bahwa:
1) Demi pengembangan ilmu pengetahuan, saya menyetujui untuk memberikan kepada Universitas Kristen Maranatha Hak Bebas Royalti noneksklusif (Non-exclusive Royalty-Free Right) atas Laporan Tugas Akhir saya yang berjudul “PENGENALAN WAJAH DENGAN VARIASI PENCAHAYAAN MENGGUNAKAN METODE LOCAL DIRECTIONAL PATTERN”
2) Universitas Kristen Maranatha berhak meyimpan, mengalihmediakan / mengalihformatkan, mengelola dalam bentuk pangkalan data (database), mendistribusikannya, serta menampilkannya dalam bentuk softcopy untuk kepentingan akademis tanpa perlu meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis / pencipta
3) Saya bersedia untuk menanggung secara pribadi, tanpa melibatkan pihak Universitas Kristen Maranatha, segala bentuk tuntutan hukum yang timbul atas pelanggaran Hak Cipta dalam karya ilmiah saya ini
Demikianlah pernyataan ini saya buat dengan sebenarnya dan untuk dapat dipergunakan sebagaimana mestinya.
Bandung, Januari 2017 Yang menyatakan,
Frinesdi Bermanto Ginting Materai
yang berlaku
(16)
iii
Universitas Kristen Maranatha
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus karena anugrah dan penyertaan-Nya sehingga penulis dapat menyelesaikan pembuatan laporan Tugas Akhir yang berjudul “PENGENALAN WAJAH DENGAN VARIASI PENCAHAYAAN MENGGUNAKAN METODE LOCAL DIRECTIONAL PATTERN”. Tanpa bantuan-Nya penulis tidak akan dapat menyelesaikan pembuatan Tugas Akhir ini. Tugas Akhir ini disusun untuk memperoleh gelar Strata 1 (S1) Fakultas Teknik, Jurusan Teknik Elektro, Universitas Kristen Maranatha.
Dalam penyelesaian Tugas Akhir ini, penulis banyak mendapatkan bantuan dari berbagai pihak. Karena itu, tidak lupa penulis menyampaikan ucapan terima kasih kepada pihak-pihak yang telah mendukung dalam mengerjakan Tugas Akhir ini:
1. Orang tua dan keluarga penulis yang senantiasa mendoakan dan memberikan dukungan moral, dukungan spiritual, perhatian serta doa. 2. Bapak Meilan Jimmy Hasugian, ST., MT., selaku dosen pembimbing yang
senantiasa memberikan pengetahuan, membimbing, dan mendukung dalam pelaksanaan Tugas Akhir ini.
3. Ibu Novie Theresia Pasaribu, ST., MT., selaku ketua jurusan Teknik Elektro, Universitas Kristen Maranatha.
4. Ibu Ir. Yohana Susanthi, M.Sc., selaku koordinator Tugas Akhir, jurusan Teknik Elektro, Universitas Kristen Maranatha.
5. Dr. Erwani Merry Sartika, ST., MT., Bapak Dr. Ir. Daniel Setiadikarunia, MT., dan Bapak Ir. Aan Darmawan, MT., selaku penguji yang telah memberikan banyak masukan pada seminar dan sidang Tugas Akhir. 6. Dr. Erwani Merry Sartika, ST., MT., selaku dosen wali penulis.
7. Seluruh staf pengajar di Fakultas Teknik Elektro Universitas Kristen Maranatha yang telah memberikan ilmu dan pengetahuannya.
8. Seluruh staf Tata Usaha dan para karyawan di Fakultas Teknik Elektro Universitas Kristen Maranatha.
(17)
iv
Universitas Kristen Maranatha 9. Abang dan kakak angkatan 2001, Andrew Silitonga, Sandie, Emil, Yossi,
Nina, Hilda, Jocong, Marwin, Cipta, Anton, Ega, Eik, Sinyo, Daton, Mahar, Jul Hoka, Budi, Kiki, Andris, David K, Tony, Lucky, David Y, Cien Siung, Sanwill, Oki, Edy, Tobias, Brian, dan Johnny yang telah bersedia memberikan bantuan dana untuk penulis.
10.Daniel Galumbang Sigalingging, Joni Sitepu, Bonie Ismailia Mehta, Widyawan Tarigan, Hiskia Sembiring, Suriandi Jayakrista Tarigan sebagai teman yang senantiasa mendoakan, mendukung, serta memberi semangat. 11.Susy Nuriana Tampubolon sebagai kekasih penulis yang selalu mendoakan,
mendukung, serta memberi semangat pada penulis dalam keadaan suka maupun duka.
Penulis berharap agar laporan Tugas Akhir ini dapat bermanfaat bagi pihak-pihak yang membutuhkan. Akhir kata, penulis juga ingin meminta maaf apabila ada kesalahan yang terjadi dalam penyusunan laporan maupun hal-hal yang tidak berkenan didalam pengerjaan Tugas Akhir ini.
Bandung, Januari 2017 Penyusun
(18)
37
Universitas Kristen Maranatha
DAFTAR PUSTAKA
Belhumeur, P. N. and D. J. Kriegman. 1998. What is the Set of images of an Object Under All Possible Lighting Conditions. Int. J. Comput. Vision., vol. 28, no. 3, pp. 245-260.
Basri, R. and D. W. Jacobs. 2003. Illumination Modeling for Face Recognition.
IEEE T. Pattern Anal., vol. 25, no. 2, pp. 89-111.
Chen, W., M. J. Er and S. Wu. 2006. Illumination Compensation and Normalization for Robust Face Recognition Using Discrete Cosine Transform in Logarithm Domain. IEEE T. Syst. Man Cy. B., vol. 36, no. 2, April, pp. 458-466.
Dougherty, G. 2013. Pattern Rcognition and Classification. New York: Springer Science.
Gonzalez, R. C., R. E. Woods and S. L. Eddins. 2004. Digital Image Processing
using Matlab. New Jersey: Pearson Prentice Hall.
Jabid, T., M. H. Kabir and O. Chae. 2010. Local Directional Pattern (LDP) for Face Recognition., Proceeding of the IEEE International Conference of
Consumer Electronics.
Jabid, T., M. H. Kabir and O. Chae. 2010. Robust Facial Expression Recognition Based on Local Directional Pattern., ETRI Journal, vol. 32, no. 5, October, pp. 784-794.
Kim, D. J., S. H. Lee and M. K. Sohn. 2013. Face Recognition via Local Directional Pattern. International Journal of Security and Its Applications
(IJSIA)., vol. 7, no. 2, March.
Munir, R. 2007. Pengolahan Citra Digital. Bandung : Informatika.
Ojala, T., M. Pietikainen and T. Maenpaa. 2002. Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns. IEEE
Transactions on Pattern Analysis and Machine Intelligence., vol. 24, no. 7, pp.
971-987.
(19)
38
Universitas Kristen Maranatha Sanderson, T. and K. K. Paliwal. 2003. Fast features for face authentication under illumination direction changes. Pattern Recogn. Lett., vol. 24, no. 14, pp. 2409-2419.
Shashua, A. and T. Riklin-Raviv. 2001. The Quotient Image: Class Based Re-rendering and Recognition with Varying Illuminations. IEEE T. Pattern
Anal., vol. 23, no. 2, pp. 129-139.
Struc, V., J. Zibert and N. Pavesic. 2009. Histogram Remapping as a Preprocessing Step for Robust Face Recognition., Issue 3, vol. 6, March.
(1)
SURAT PERNYATAAN
Yang bertanda tangan di bawah ini
Nama : Frinesdi Bermanto Ginting NRP : 0422171
menyatakan dengan sesungguhnya bahwa Tugas Akhir ini adalah hasil karya saya sendiri dan bukan duplikasi dari hasil karya orang lain.
Apabila kelak terbukti pernyataan ini tidak benar, maka saya bersedia menerima sanksi.
Demikian pernyataan saya.
Bandung, Januari 2017 Yang menyatakan
Frinesdi Bermanto Ginting Materai
yang berlaku
(2)
PERNYATAAN PERSETUJUAN PUBLIKASI
LAPORAN TUGAS AKHIR
Saya yang bertanda tangan di bawah ini
Nama : Frinesdi Bermanto Ginting
NRP : 0422171
Fakultas / Program Studi : Teknik / Teknik Elektro
Dengan ini, saya menyatakan bahwa:
1) Demi pengembangan ilmu pengetahuan, saya menyetujui untuk memberikan kepada Universitas Kristen Maranatha Hak Bebas Royalti noneksklusif (Non-exclusive Royalty-Free Right) atas Laporan Tugas Akhir saya yang berjudul “PENGENALAN WAJAH DENGAN VARIASI
PENCAHAYAAN MENGGUNAKAN METODE LOCAL
DIRECTIONAL PATTERN”
2) Universitas Kristen Maranatha berhak meyimpan, mengalihmediakan / mengalihformatkan, mengelola dalam bentuk pangkalan data (database), mendistribusikannya, serta menampilkannya dalam bentuk softcopy untuk kepentingan akademis tanpa perlu meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis / pencipta
3) Saya bersedia untuk menanggung secara pribadi, tanpa melibatkan pihak Universitas Kristen Maranatha, segala bentuk tuntutan hukum yang timbul atas pelanggaran Hak Cipta dalam karya ilmiah saya ini
Demikianlah pernyataan ini saya buat dengan sebenarnya dan untuk dapat dipergunakan sebagaimana mestinya.
Bandung, Januari 2017 Yang menyatakan,
Frinesdi Bermanto Ginting Materai
yang berlaku
(3)
iii
Universitas Kristen Maranatha
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus karena anugrah dan penyertaan-Nya sehingga penulis dapat menyelesaikan pembuatan laporan Tugas Akhir yang berjudul “PENGENALAN WAJAH DENGAN
VARIASI PENCAHAYAAN MENGGUNAKAN METODE LOCAL
DIRECTIONAL PATTERN”. Tanpa bantuan-Nya penulis tidak akan dapat
menyelesaikan pembuatan Tugas Akhir ini. Tugas Akhir ini disusun untuk memperoleh gelar Strata 1 (S1) Fakultas Teknik, Jurusan Teknik Elektro, Universitas Kristen Maranatha.
Dalam penyelesaian Tugas Akhir ini, penulis banyak mendapatkan bantuan dari berbagai pihak. Karena itu, tidak lupa penulis menyampaikan ucapan terima kasih kepada pihak-pihak yang telah mendukung dalam mengerjakan Tugas Akhir ini:
1. Orang tua dan keluarga penulis yang senantiasa mendoakan dan memberikan dukungan moral, dukungan spiritual, perhatian serta doa. 2. Bapak Meilan Jimmy Hasugian, ST., MT., selaku dosen pembimbing yang
senantiasa memberikan pengetahuan, membimbing, dan mendukung dalam pelaksanaan Tugas Akhir ini.
3. Ibu Novie Theresia Pasaribu, ST., MT., selaku ketua jurusan Teknik Elektro, Universitas Kristen Maranatha.
4. Ibu Ir. Yohana Susanthi, M.Sc., selaku koordinator Tugas Akhir, jurusan Teknik Elektro, Universitas Kristen Maranatha.
5. Dr. Erwani Merry Sartika, ST., MT., Bapak Dr. Ir. Daniel Setiadikarunia, MT., dan Bapak Ir. Aan Darmawan, MT., selaku penguji yang telah memberikan banyak masukan pada seminar dan sidang Tugas Akhir. 6. Dr. Erwani Merry Sartika, ST., MT., selaku dosen wali penulis.
7. Seluruh staf pengajar di Fakultas Teknik Elektro Universitas Kristen Maranatha yang telah memberikan ilmu dan pengetahuannya.
8. Seluruh staf Tata Usaha dan para karyawan di Fakultas Teknik Elektro Universitas Kristen Maranatha.
(4)
iv
Universitas Kristen Maranatha 9. Abang dan kakak angkatan 2001, Andrew Silitonga, Sandie, Emil, Yossi,
Nina, Hilda, Jocong, Marwin, Cipta, Anton, Ega, Eik, Sinyo, Daton, Mahar, Jul Hoka, Budi, Kiki, Andris, David K, Tony, Lucky, David Y, Cien Siung, Sanwill, Oki, Edy, Tobias, Brian, dan Johnny yang telah bersedia memberikan bantuan dana untuk penulis.
10.Daniel Galumbang Sigalingging, Joni Sitepu, Bonie Ismailia Mehta, Widyawan Tarigan, Hiskia Sembiring, Suriandi Jayakrista Tarigan sebagai teman yang senantiasa mendoakan, mendukung, serta memberi semangat. 11.Susy Nuriana Tampubolon sebagai kekasih penulis yang selalu mendoakan,
mendukung, serta memberi semangat pada penulis dalam keadaan suka maupun duka.
Penulis berharap agar laporan Tugas Akhir ini dapat bermanfaat bagi pihak-pihak yang membutuhkan. Akhir kata, penulis juga ingin meminta maaf apabila ada kesalahan yang terjadi dalam penyusunan laporan maupun hal-hal yang tidak berkenan didalam pengerjaan Tugas Akhir ini.
Bandung, Januari 2017 Penyusun
(5)
37
Universitas Kristen Maranatha
DAFTAR PUSTAKA
Belhumeur, P. N. and D. J. Kriegman. 1998. What is the Set of images of an Object Under All Possible Lighting Conditions. Int. J. Comput. Vision., vol. 28, no. 3, pp. 245-260.
Basri, R. and D. W. Jacobs. 2003. Illumination Modeling for Face Recognition. IEEE T. Pattern Anal., vol. 25, no. 2, pp. 89-111.
Chen, W., M. J. Er and S. Wu. 2006. Illumination Compensation and Normalization for Robust Face Recognition Using Discrete Cosine Transform in Logarithm Domain. IEEE T. Syst. Man Cy. B., vol. 36, no. 2, April, pp. 458-466.
Dougherty, G. 2013. Pattern Rcognition and Classification. New York: Springer Science.
Gonzalez, R. C., R. E. Woods and S. L. Eddins. 2004. Digital Image Processing using Matlab. New Jersey: Pearson Prentice Hall.
Jabid, T., M. H. Kabir and O. Chae. 2010. Local Directional Pattern (LDP) for Face Recognition., Proceeding of the IEEE International Conference of Consumer Electronics.
Jabid, T., M. H. Kabir and O. Chae. 2010. Robust Facial Expression Recognition Based on Local Directional Pattern., ETRI Journal, vol. 32, no. 5, October, pp. 784-794.
Kim, D. J., S. H. Lee and M. K. Sohn. 2013. Face Recognition via Local Directional Pattern. International Journal of Security and Its Applications (IJSIA)., vol. 7, no. 2, March.
Munir, R. 2007. Pengolahan Citra Digital. Bandung : Informatika.
Ojala, T., M. Pietikainen and T. Maenpaa. 2002. Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns. IEEE Transactions on Pattern Analysis and Machine Intelligence., vol. 24, no. 7, pp. 971-987.
(6)
38
Universitas Kristen Maranatha Sanderson, T. and K. K. Paliwal. 2003. Fast features for face authentication under illumination direction changes. Pattern Recogn. Lett., vol. 24, no. 14, pp. 2409-2419.
Shashua, A. and T. Riklin-Raviv. 2001. The Quotient Image: Class Based Re-rendering and Recognition with Varying Illuminations. IEEE T. Pattern Anal., vol. 23, no. 2, pp. 129-139.
Struc, V., J. Zibert and N. Pavesic. 2009. Histogram Remapping as a Preprocessing Step for Robust Face Recognition., Issue 3, vol. 6, March.