Kombinasi Ciri Orde 1, Ciri Orde 2 Dan Discrete Cosine Transform Pada Pengenalan Pola Citra Wajah
KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
TESIS
JULIANSYAH PUTRA TANJUNG
147038076
PROGRAM MAGISTER S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister
Teknik Informatika
JULIANSYAH PUTRA TANJUNG
147038076
PROGRAM MAGISTER S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
ii
PENGESAHAN
Judul
: KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
Kategori
: TESIS
Nama
: JULIANSYAH PUTRA TANJUNG
Nomor Induk Mahasiswa : 147038076
Program Studi
: MAGISTER S2 TEKNIK INFORMATIKA
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Prof. Dr. Marwan Ramli, M.Si
Prof. Dr. Muhammad Zarlis
Diketahui/disetujui oleh
Program Studi Magister S2 Teknik Informatika
Ketua,
Prof. Dr. Muhammad Zarlis
NIP. 1957070701 198601 1 003
Universitas Sumatera Utara
iii
PERNYATAAN ORISINALITAS
KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
TESIS
Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan,
Februari 2017
Juliansyah Putra Tanjung
NIM.147038076
Universitas Sumatera Utara
iv
PERSETUJUAN PUBLIKASI
Sebagai civitas akademika Universitas Sumatera Utara, saya yang bertanda tangan
di bawah ini :
Nama
: Juliansyah Putra Tanjung
NIM
: 147038076
Program Studi
: Magister S2 Teknik Informatika
Jenis Karya Imliah
: Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royalti Non-Ekskutif (No-Exclusive Royaly
Free Righ) atas tesis saya yang berjudul :
KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
Beserta perangkat yang ada (Jika diperlukan). Dengan Hak Bebas Royaliti NonEkslusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,
memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis
saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai
penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan,
Februari 2017
Juliansyah Putra Tanjung
NIM. 14038076
Universitas Sumatera Utara
v
Telah diuji pada
Tanggal : 06 Februari 2017
_____________________________________________________________________
PANITIA PENGUJI TESIS
Ketua
: Prof. Dr. Muhammad Zarlis
Anggota
: 1. Prof. Dr. Marwan Ramli,M.Si
2. Dr. Mahyuddin, M. IT
3. Rahmat W. Sembiring, M.Sc.IT, Ph.D
Universitas Sumatera Utara
vi
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap (berikut gelar)
: Juliansyah Putra Tanjung, S.T
Tempat dan Tanggal Lahir
: Medan, 27 Juli 1987
Alamat Rumah
: Jl. Letda Sujono Gg. Jawa No. 21A
Telepon/Hp
: 081396300055
e-mail
: juliansyahputra27@gmail.com
Instansi Tempat Kerja
: Yayasan Pendidikan Shafiyyatul Amaliyyah
Alamat Kantor
: Jl. Setiabudi No. 191 Medan
Telepon
: 061- 8211347
DATA PENDIDIKAN
SD
: SD Negeri 064975 Medan
Tamat : Tahun 1999
SLTP
: SLTP Swasta Al-Ulum Medan
Tamat : Tahun 2002
SLTA
: SMA Negeri 6 Medan
Tamat : Tahun 2005
Strata-1
: S1 Sekolah Tinggi Teknk Harapan Medan
Tamat : Tahun 2010
Universitas Sumatera Utara
vii
UCAPAN TERIMAKASIH
Pertama - tama marilah kita panjatkan puji syukur kehadirat Allah SWT atas
segala limpahan rahmat dan karunia-Nya sehingga tesis ini dapat diselesaikan dengan
baik. Shalawat beserta salam kepada junjungan kami, Rasulullah Muhammad SAW
yang telah membawa kita dari alam kegelapan ke alam yang penuh dengan peradaban
seperti saat ini.
Dengan selesainya tesis ini, perkenankanlah kami mengucapkan terima kasih
kepada pihak yang telah mendukung diantaranya :
1. Rektor Universitas Sumatera Utara Prof. Runtung Sitepu atas kesempatan yang
diberikan kepada kami untuk mengikuti dan menyelesaikan pendidikan Program
Magister.
2. Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Prof. Dr. Opim Salim
Sitompul, M.Sc,
3. Ketua Program Studi Magister Teknik Informatika Fasilkom-TI Universitas
Sumatera Utara sekaligus sebagai pembimbing utama saya yang dengan penuh
perhatian dan telah memberikan dorongan, bimbingan dan juga arahan kepada
saya yaitu Bapak Prof. Dr. Muhammad Zarlis, M.Sc,
4. Sekretaris Program Studi Magister Teknik Informatika Fasilkom-TI Universitas
Sumatera Utara Dr. Syahril Efendi,S.Si, M.IT beserta seluruh staff pengajar dan
pegawai pada Program Studi Magister Teknik Informatika
Fasilkom-TI
Universitas Sumatera Utara.
5. Terima kasih yang setinggi-tingginya kami ucapkan Prof. Dr. Marwan Ramli,
M.Si selaku Pembimbing Anggota yang dengan penuh kesabaran menuntun dan
membimbing kami hingga selesainya penelitian ini.
6. Terima kasih yang setinggi-tingginya kami ucapkan kepada Bapak Dr.
Mahyuddin, M. IT dan Bapak Rahmat W. Sembiring, M.Sc.IT, Ph.D selaku
pembanding yang telah memberikan saran dan masukan untuk penyelesaian tesis
ini.
7. Terutama untuk istriku Eliya Fitri Nasution,S.Pd. dan Anakku Akifah Fathiah
Ramadhansyah serta Azmya Asheeka Putri yang sangat aku cintai, terima kasih
Universitas Sumatera Utara
viii
atas segala pengorbanan kalian baik berupa moril maupun materil, budi baik ini
tidak bisa dibalas hanya doa diserahkan kepada Allah SWT.
8. Terimakasih kepada orang tua serta keluarga besarku yang telah memberikan
do’a dan dukungan demi selesainya tesis ini.
9. Terimakasih kepada sahabatku Muhatir, Andiran Kurniawan, dan Putra Noba
yang sudah memberikan masukan, saling sharing dan semangat juang yang
tinggi demi selesainya tesis ini.
10. Dan tak lupa terima kasih saya ucapkan kepada Yayasan Pendidikan Shafiyyatul
Amaliyyah yang telah mengizinkan saya untuk melanjutkan pendidikan program
magister ini.
Medan, Februari 2017
Juliansyah Putra Tanjug
NIM. 147038076
Universitas Sumatera Utara
ix
ABSTRAK
Wajah merupakan suatu identitas untuk mengenali seseorang, setiap orang dapat
mengenali wajah dengan baik dan dapat membedakan setiap wajah yang telah dikenali
sebelumnya dalam keadaan apapun, hal ini sangat mudah dilakukan dikarenakan
manusia merupakan ciptaan Tuhan Yang Maha Esa, namun apakah sebuah sistem
komputer dapat melakukan hal yang sama seperti manusia, pasti ditemukan pada sistem
tersebut berbagai macam permasalahan, hal inilah yang harus dipelajari dan
dikembangkan. Salah satu cara untuk mengidentifikasi citra wajah adalah dengan
melakukan ekstraksi fitur diantaranya Ekstraksi Fitur Ciri Orde Satu (Statistik Fitur)
dan Ekstraksi Fitur Ciri Orde Dua (Feature Haralic) dan juga DCT (Discrete Cosine
Transform). Oleh karena itu perlu dilakukan analisa kinerja terhadap ketiga metode
tersebut dengan cara menentukan mana yang memiliki nilai yang lebih baik dalam
pengenalan pola citra wajah, Objek citra yang akan dikenali adalah objek citra wajah
dengan jumlah sample sebanyak 1400 citra wajah dengan tujuh kategori yaitu citra
wajah dengan orientasi 45°,30°,15°kekiri, 0° dan 45°,30°,15°kekanan. tahapan yang
akan dilakukan pertama adalah melakukan proses grayscale dan dilanjutkan dengan
kinerja ekstraksi fitur, yaitu kinerja Statistik Fitur (Ciri Orde Satu) dengan tingkat
keakuratan sebesar 65.54%,, Kinerja Feature Haralic (Ciri Orde Dua) dengan tingkat
keakuratan sebesar 50.89%, Kinerja kombinasi antara Statistik Fitur (Ciri Orde Satu)
dengan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 72,50%,
Kinerja kombinasi Discrete Cosine Transform (DCT) dengan Statistik Fitur (Ciri Orde
Satu) dengan tingkat keakuratan sebesar 7.14%,, Kinerja kombinasi Discrete Cosine
Transform (DCT) dengan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan
sebesar 11,61% dan Kinerja Kombinasi Discrete Cosine Transform (DCT) dengan
Statistik Fitur (Ciri Orde Satu) dan Feature Haralic (Ciri Orde Dua) dengan tingkat
keakuratan sebesar 6,79%.
Kata Kunci : Wajah, Ciri Orde Satu (Statistik Fitur), Ciri Orde Dua (Feature Haralic),
DCT (Discrete Cosine Transform)
Universitas Sumatera Utara
x
COMBINATION OF STATISTIC FEATURE, FEATURE HARALIC
AND DISCRETE COSINE TRANSFORM ON
FACE PATTERN RECOGNITION
ABSTRACT
Face is an identity to recognize a person, everyone can recognize faces well and can
distinguish individual faces that had been identified previously in any circumstances, it
is very easy to do because human beings are creatures of God Almighty, but however a
computer system can do the same as humans, is sure found in such systems a wide
range of issues, the matters to be studied and developed. The way to identify the face
image is conducted by extracting features including Feature Extraction Order One
(Statistic Feature) and the Order of Double Feature Extraction (Feature Haralic) and
DCT (Discrete Cosine Transform). It is very necessary ordering to analyze the
performance of the three methods by determining which one has the better value in
pattern recognition face image, object image to be recognized is the object of the face
image with the number of a sample of 1400 images with seven categories: face image
with orientation 45 °, 30 °, 15 ° left, 0 ° and 45 °, 30 °, 15 ° to right. The first stage will
be carried out is the process grayscale and continued with the performance of feature
extraction, the performance statistics feature (Feature Order One) with a level of
accuracy of 65.54% ,, Performance Haralic Feature (Feature Order Two) with the level
of accuracy of 50.89%, a combination of Performance between Statistics feature
(feature Order One) with Haralic feature (feature Order Two) with the level of
accuracy of 72.50%, a combination of performance Discrete Cosine Transform (DCT)
with Statistics feature (feature Order One) with a level of accuracy of 7:14%,
performance combination Discrete Cosine Transform (DCT) with Haralic feature
(feature Order Two) with the level of accuracy of 11.61% and combined performance
Discrete Cosine Transform (DCT) with Statistics feature (feature Order One) and
Haralic feature (feature Order Two) with level accuracy of 6.79%.
Keywords: Face, Statistic Feature, Feature Haralic, DCT (Discrete Cosine Transform)
Universitas Sumatera Utara
xi
DAFTAR ISI
Halaman
HALAMAN JUDUL ..........................................................................................
i
PENGESAHAN ................................................................................................. ii
PERNYATAAN ORISINILITAS .................................................................... iii
PERSETUJUAN PUBLIKASI ......................................................................... iv
PANITIA PENGUJI ..........................................................................................
v
RIWAYAT HIDUP ............................................................................................ vi
UCAPAN TERIMAKASIH .............................................................................. vii
ABSTRAK .......................................................................................................... ix
x
ABSTRAC ..........................................................................................................
DAFTAR ISI ...................................................................................................... xi
DAFTAR GAMBAR ......................................................................................... xiii
DAFTAR TABEL .............................................................................................. xiv
BAB 1 PENDAHULUAN ..................................................................................
1.1 Latar Belakang Masalah ....................................................................
1.2 Rumusan Masalah..............................................................................
1.3 Tujuan Penelitian ...............................................................................
1.4 Batasan Masalah ................................................................................
1.5 Manfaat Penelitian ............................................................................
1
1
3
3
4
4
BAB 2 LANDASAN TEORI .............................................................................
2.1 Pengenalan Wajah ............................................................................
2.2 Citra Digital .......................................................................................
2.3 Grayscale ...........................................................................................
2.4 Ekstraksi Ciri Statistik .......................................................................
2.4.1 Metode Statistik........................................................................
2.4.2 Metode Spektral .......................................................................
2.4.3 Metode Struktural.....................................................................
2.5 Ekstraksi Ciri Orde Pertama ..............................................................
2.6 Ekstraksi Ciri Orde Kedua .................................................................
2.7 Transformasi Kosinus Diskrit ............................................................
2.8 Penelitian Terkait ..............................................................................
5
5
5
7
7
7
8
8
8
9
12
13
BAB 3 METODE PENELITIAN .....................................................................
3.1 Tahapan Penelitian.............................................................................
3.2 Diagram Alur Kerja Penelitian ..........................................................
3.3 Data & Peralatan Penelitian Yang Digunakan...................................
3.4 Pengenalan Citra Wajah ....................................................................
3.4.1 Pengenalan Citra Wajah Dengan Ekstraksi Fitur
Ciri Orde Satu...........................................................................
3.4.2 Pengenalan Citra Wajah Dengan Ekstraksi Fitur
Ciri Orde Dua ...........................................................................
15
15
15
16
16
16
17
Universitas Sumatera Utara
xii
3.4.3 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur
Ciri Orde Satu dan Ciri Orde Dua ............................................
3.4.4 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur
Ciri Orde Satu dengan DCT (Discrete Cosine Transform) ......
3.4.5 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur
Ciri Orde Dua dengan DCT (Discrete Cosine Transform) ......
3.4.6 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur
Ciri Orde Satu dan Ciri Orde Dua dengan DCT
(Discrete Cosine Transform) ....................................................
3.5 Skema Grayscale ..............................................................................
3.6 Skema Ekstraksi Fitur Ciri Orde Satu .............................................
3.7 Skema Ekstraksi Fitur Ciri Orde Dua ...............................................
3.8 Skema Kombinasi Ekstraksi Fitur Ciri Orde Satu dan Dua .............
3.9 Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Satu dan DCT .
3.10 Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Dua dan DCT ..
3.11 Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Satu,
Dua & DCT (Discrete Cosine Transform) ....................................
3.12 Parameter Pengukuran Evaluasi Unjuk Kerja Sistem.....................
18
18
19
20
21
22
23
24
25
26
27
28
BAB 4 HASIL DAN PEMBAHASAN .............................................................
4.1 Hasil ..................................................................................................
4.1.1 Citra Wajah ..............................................................................
4.1.2 Proses Ekstraksi Fitur dan Bobot DCT ....................................
4.1.3 Hasil Perolehan Bobot Fitur dan Energi .................................
4.1.4 Hasil Pengujian ........................................................................
4.1.5 Pengukuran Unjuk Kerja Algoritma ........................................
4.2 Pembahasan .......................................................................................
4.3 Kontribusi .........................................................................................
29
29
29
30
36
37
37
45
48
BAB 5 KESIMPULAN DAN SARAN .............................................................
5.1 Kesimpulan .......................................................................................
5.2 Saran .................................................................................................
49
49
49
DAFTAR PUSTAKA ........................................................................................
LAMPIRAN 1 DAFTAR PUBLIKASI ILMIAH PENULIS ..........................
LAMPIRAN 2 DATA TRAINING ..................................................................
50
51
52
Universitas Sumatera Utara
xiii
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh Peralatan yang Menghasilkan Citra ................................................. 6
Gambar 2.2 Citra Dengan Empat Tingkat Keabuan & Hasil GLCM Pada Jarak 1 - 0 ... 10
Gambar 3.1 Alur Kerja Penelitian Secara Umum ......................................................... 15
Gambar 3.2 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Satu ................. 16
Gambar 3.3 Pengenalan Citra Wajah dengan Ekstraksi fitur Ciri Orde Dua .................... 17
Gambar 3.4 Pengenalan Citra Wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde
Satu dan Ciri Orde Dua ................................................................................. 18
Gambar 3.5 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Satu dan DCT
(Discrete Cosine Transform) ......................................................................... 19
Gambar 3.6 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Dua dan DCT
(Discrete Cosine Transform) ......................................................................... 19
Gambar 3.7 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Satu dan,
Ciri Orde Dua dengan DCT (Discrete Cosine Transform) ............................ 20
Gambar 3.8 Diagram Alir Proses Grayscale ..................................................................... 21
Gambar 3.9 Diagram Alir Proses Ekstraksi Fitur Menggunakan Ciri Orde Satu.............. 22
Gambar 3.10 Diagram Alir Proses Ekstraksi Fitur Menggunakan Ciri Orde Dua .............. 23
Gambar 3.11 Diagram Alir Proses Ekstraksi Fitur Menggunakan Ciri Orde Satu & Dua .. 24
Gambar 3.12 Diagram Alir Proses Kombinasi Antara Nilai Ekstraksi Fitur Ciri Orde
Satu dengan DCT (Discrete Cosine Transform) ......................................... 25
Gambar 3.13 Diagram Alir Proses Kombinasi Antara Nilai Ekstraksi Fitur Ciri Orde
Dua dengan DCT (Discrete Cosine Transform) ......................................... 26
Gambar 3.14 Diagram Alir Proses Kombinasi Antara Nilai Ekstraksi Fitur Ciri Orde
Satu dan Dua dengan DCT (Discrete Cosine Transform) ........................... 27
Gambar 4.1 Sampel Citra Wajah Hasil Rekaman Kamera Digital.................................... 30
Gambar 4.2 Proses Pengolahan Citra Grayscale ............................................................... 30
Universitas Sumatera Utara
xiv
Gambar 4.3 Hasil dari probabilitas citra ............................................................................ 31
Gambar 4.4 Hasil ekstraksi fitur ciri orde satu ................................................................. 31
Gambar 4.5 Hasil matriks kookurensi 0° ........................................................................... 32
Gambar 4.6 Hasil matriks kookurensi 45° ......................................................................... 32
Gambar 4.7 Hasil matriks kookurensi 90° ......................................................................... 33
Gambar 4.8 Hasil matriks kookurensi 135° ....................................................................... 33
Gambar 4.9 Hasil matriks kookurensi komulatif............................................................... 34
Gambar 4.10 Hasil ekstraksi fitur ciri orde satu dan ciri orde dua ...................................... 34
Gambar 4.11 Hasil Energi DCT dari Ciri Orde Satu dan Ciri Orde Dua ............................ 35
Gambar 4.12 Hasil Ekstraksi Fitur Ciri Orde Satu, Ciri Orde Dua dan Energi dari DCT .. 36
Gambar 4.13 Hasil Pengenalan Citra Wajah ...................................................................... 37
Gambar 4.14 Hasil Kinerja Metode.................................................................................... 45
Universitas Sumatera Utara
xv
DAFTAR TABEL
Halaman
Tabel 4.1 Hasil Pengujian Pada Orientasi 45° Kekiri ............................................. 38
Tabel 4.2 Hasil Pengujian Pada Orientasi 30° Kekiri ............................................. 39
Tabel 4.3 Hasil Pengujian Pada Orientasi 15° Kekiri ............................................. 40
Tabel 4.4 Hasil Pengujian Pada Orientasi 0° Kekiri ............................................... 41
Tabel 4.5 Hasil Pengujian Pada Orientasi 15° Kekanan ........................................ 42
Tabel 4.6 Hasil Pengujian Pada Orientasi 30° Kekanan ......................................... 43
Tabel 4.7 Hasil Pengujian Pada Orientasi 45° Kekanan ......................................... 44
Universitas Sumatera Utara
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
TESIS
JULIANSYAH PUTRA TANJUNG
147038076
PROGRAM MAGISTER S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister
Teknik Informatika
JULIANSYAH PUTRA TANJUNG
147038076
PROGRAM MAGISTER S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
ii
PENGESAHAN
Judul
: KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
Kategori
: TESIS
Nama
: JULIANSYAH PUTRA TANJUNG
Nomor Induk Mahasiswa : 147038076
Program Studi
: MAGISTER S2 TEKNIK INFORMATIKA
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Prof. Dr. Marwan Ramli, M.Si
Prof. Dr. Muhammad Zarlis
Diketahui/disetujui oleh
Program Studi Magister S2 Teknik Informatika
Ketua,
Prof. Dr. Muhammad Zarlis
NIP. 1957070701 198601 1 003
Universitas Sumatera Utara
iii
PERNYATAAN ORISINALITAS
KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
TESIS
Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan,
Februari 2017
Juliansyah Putra Tanjung
NIM.147038076
Universitas Sumatera Utara
iv
PERSETUJUAN PUBLIKASI
Sebagai civitas akademika Universitas Sumatera Utara, saya yang bertanda tangan
di bawah ini :
Nama
: Juliansyah Putra Tanjung
NIM
: 147038076
Program Studi
: Magister S2 Teknik Informatika
Jenis Karya Imliah
: Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royalti Non-Ekskutif (No-Exclusive Royaly
Free Righ) atas tesis saya yang berjudul :
KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN
DISCRETE COSINE TRANSFORM PADA
PENGENALAN POLA CITRA WAJAH
Beserta perangkat yang ada (Jika diperlukan). Dengan Hak Bebas Royaliti NonEkslusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,
memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis
saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai
penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan,
Februari 2017
Juliansyah Putra Tanjung
NIM. 14038076
Universitas Sumatera Utara
v
Telah diuji pada
Tanggal : 06 Februari 2017
_____________________________________________________________________
PANITIA PENGUJI TESIS
Ketua
: Prof. Dr. Muhammad Zarlis
Anggota
: 1. Prof. Dr. Marwan Ramli,M.Si
2. Dr. Mahyuddin, M. IT
3. Rahmat W. Sembiring, M.Sc.IT, Ph.D
Universitas Sumatera Utara
vi
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap (berikut gelar)
: Juliansyah Putra Tanjung, S.T
Tempat dan Tanggal Lahir
: Medan, 27 Juli 1987
Alamat Rumah
: Jl. Letda Sujono Gg. Jawa No. 21A
Telepon/Hp
: 081396300055
: juliansyahputra27@gmail.com
Instansi Tempat Kerja
: Yayasan Pendidikan Shafiyyatul Amaliyyah
Alamat Kantor
: Jl. Setiabudi No. 191 Medan
Telepon
: 061- 8211347
DATA PENDIDIKAN
SD
: SD Negeri 064975 Medan
Tamat : Tahun 1999
SLTP
: SLTP Swasta Al-Ulum Medan
Tamat : Tahun 2002
SLTA
: SMA Negeri 6 Medan
Tamat : Tahun 2005
Strata-1
: S1 Sekolah Tinggi Teknk Harapan Medan
Tamat : Tahun 2010
Universitas Sumatera Utara
vii
UCAPAN TERIMAKASIH
Pertama - tama marilah kita panjatkan puji syukur kehadirat Allah SWT atas
segala limpahan rahmat dan karunia-Nya sehingga tesis ini dapat diselesaikan dengan
baik. Shalawat beserta salam kepada junjungan kami, Rasulullah Muhammad SAW
yang telah membawa kita dari alam kegelapan ke alam yang penuh dengan peradaban
seperti saat ini.
Dengan selesainya tesis ini, perkenankanlah kami mengucapkan terima kasih
kepada pihak yang telah mendukung diantaranya :
1. Rektor Universitas Sumatera Utara Prof. Runtung Sitepu atas kesempatan yang
diberikan kepada kami untuk mengikuti dan menyelesaikan pendidikan Program
Magister.
2. Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Prof. Dr. Opim Salim
Sitompul, M.Sc,
3. Ketua Program Studi Magister Teknik Informatika Fasilkom-TI Universitas
Sumatera Utara sekaligus sebagai pembimbing utama saya yang dengan penuh
perhatian dan telah memberikan dorongan, bimbingan dan juga arahan kepada
saya yaitu Bapak Prof. Dr. Muhammad Zarlis, M.Sc,
4. Sekretaris Program Studi Magister Teknik Informatika Fasilkom-TI Universitas
Sumatera Utara Dr. Syahril Efendi,S.Si, M.IT beserta seluruh staff pengajar dan
pegawai pada Program Studi Magister Teknik Informatika
Fasilkom-TI
Universitas Sumatera Utara.
5. Terima kasih yang setinggi-tingginya kami ucapkan Prof. Dr. Marwan Ramli,
M.Si selaku Pembimbing Anggota yang dengan penuh kesabaran menuntun dan
membimbing kami hingga selesainya penelitian ini.
6. Terima kasih yang setinggi-tingginya kami ucapkan kepada Bapak Dr.
Mahyuddin, M. IT dan Bapak Rahmat W. Sembiring, M.Sc.IT, Ph.D selaku
pembanding yang telah memberikan saran dan masukan untuk penyelesaian tesis
ini.
7. Terutama untuk istriku Eliya Fitri Nasution,S.Pd. dan Anakku Akifah Fathiah
Ramadhansyah serta Azmya Asheeka Putri yang sangat aku cintai, terima kasih
Universitas Sumatera Utara
viii
atas segala pengorbanan kalian baik berupa moril maupun materil, budi baik ini
tidak bisa dibalas hanya doa diserahkan kepada Allah SWT.
8. Terimakasih kepada orang tua serta keluarga besarku yang telah memberikan
do’a dan dukungan demi selesainya tesis ini.
9. Terimakasih kepada sahabatku Muhatir, Andiran Kurniawan, dan Putra Noba
yang sudah memberikan masukan, saling sharing dan semangat juang yang
tinggi demi selesainya tesis ini.
10. Dan tak lupa terima kasih saya ucapkan kepada Yayasan Pendidikan Shafiyyatul
Amaliyyah yang telah mengizinkan saya untuk melanjutkan pendidikan program
magister ini.
Medan, Februari 2017
Juliansyah Putra Tanjug
NIM. 147038076
Universitas Sumatera Utara
ix
ABSTRAK
Wajah merupakan suatu identitas untuk mengenali seseorang, setiap orang dapat
mengenali wajah dengan baik dan dapat membedakan setiap wajah yang telah dikenali
sebelumnya dalam keadaan apapun, hal ini sangat mudah dilakukan dikarenakan
manusia merupakan ciptaan Tuhan Yang Maha Esa, namun apakah sebuah sistem
komputer dapat melakukan hal yang sama seperti manusia, pasti ditemukan pada sistem
tersebut berbagai macam permasalahan, hal inilah yang harus dipelajari dan
dikembangkan. Salah satu cara untuk mengidentifikasi citra wajah adalah dengan
melakukan ekstraksi fitur diantaranya Ekstraksi Fitur Ciri Orde Satu (Statistik Fitur)
dan Ekstraksi Fitur Ciri Orde Dua (Feature Haralic) dan juga DCT (Discrete Cosine
Transform). Oleh karena itu perlu dilakukan analisa kinerja terhadap ketiga metode
tersebut dengan cara menentukan mana yang memiliki nilai yang lebih baik dalam
pengenalan pola citra wajah, Objek citra yang akan dikenali adalah objek citra wajah
dengan jumlah sample sebanyak 1400 citra wajah dengan tujuh kategori yaitu citra
wajah dengan orientasi 45°,30°,15°kekiri, 0° dan 45°,30°,15°kekanan. tahapan yang
akan dilakukan pertama adalah melakukan proses grayscale dan dilanjutkan dengan
kinerja ekstraksi fitur, yaitu kinerja Statistik Fitur (Ciri Orde Satu) dengan tingkat
keakuratan sebesar 65.54%,, Kinerja Feature Haralic (Ciri Orde Dua) dengan tingkat
keakuratan sebesar 50.89%, Kinerja kombinasi antara Statistik Fitur (Ciri Orde Satu)
dengan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 72,50%,
Kinerja kombinasi Discrete Cosine Transform (DCT) dengan Statistik Fitur (Ciri Orde
Satu) dengan tingkat keakuratan sebesar 7.14%,, Kinerja kombinasi Discrete Cosine
Transform (DCT) dengan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan
sebesar 11,61% dan Kinerja Kombinasi Discrete Cosine Transform (DCT) dengan
Statistik Fitur (Ciri Orde Satu) dan Feature Haralic (Ciri Orde Dua) dengan tingkat
keakuratan sebesar 6,79%.
Kata Kunci : Wajah, Ciri Orde Satu (Statistik Fitur), Ciri Orde Dua (Feature Haralic),
DCT (Discrete Cosine Transform)
Universitas Sumatera Utara
x
COMBINATION OF STATISTIC FEATURE, FEATURE HARALIC
AND DISCRETE COSINE TRANSFORM ON
FACE PATTERN RECOGNITION
ABSTRACT
Face is an identity to recognize a person, everyone can recognize faces well and can
distinguish individual faces that had been identified previously in any circumstances, it
is very easy to do because human beings are creatures of God Almighty, but however a
computer system can do the same as humans, is sure found in such systems a wide
range of issues, the matters to be studied and developed. The way to identify the face
image is conducted by extracting features including Feature Extraction Order One
(Statistic Feature) and the Order of Double Feature Extraction (Feature Haralic) and
DCT (Discrete Cosine Transform). It is very necessary ordering to analyze the
performance of the three methods by determining which one has the better value in
pattern recognition face image, object image to be recognized is the object of the face
image with the number of a sample of 1400 images with seven categories: face image
with orientation 45 °, 30 °, 15 ° left, 0 ° and 45 °, 30 °, 15 ° to right. The first stage will
be carried out is the process grayscale and continued with the performance of feature
extraction, the performance statistics feature (Feature Order One) with a level of
accuracy of 65.54% ,, Performance Haralic Feature (Feature Order Two) with the level
of accuracy of 50.89%, a combination of Performance between Statistics feature
(feature Order One) with Haralic feature (feature Order Two) with the level of
accuracy of 72.50%, a combination of performance Discrete Cosine Transform (DCT)
with Statistics feature (feature Order One) with a level of accuracy of 7:14%,
performance combination Discrete Cosine Transform (DCT) with Haralic feature
(feature Order Two) with the level of accuracy of 11.61% and combined performance
Discrete Cosine Transform (DCT) with Statistics feature (feature Order One) and
Haralic feature (feature Order Two) with level accuracy of 6.79%.
Keywords: Face, Statistic Feature, Feature Haralic, DCT (Discrete Cosine Transform)
Universitas Sumatera Utara
xi
DAFTAR ISI
Halaman
HALAMAN JUDUL ..........................................................................................
i
PENGESAHAN ................................................................................................. ii
PERNYATAAN ORISINILITAS .................................................................... iii
PERSETUJUAN PUBLIKASI ......................................................................... iv
PANITIA PENGUJI ..........................................................................................
v
RIWAYAT HIDUP ............................................................................................ vi
UCAPAN TERIMAKASIH .............................................................................. vii
ABSTRAK .......................................................................................................... ix
x
ABSTRAC ..........................................................................................................
DAFTAR ISI ...................................................................................................... xi
DAFTAR GAMBAR ......................................................................................... xiii
DAFTAR TABEL .............................................................................................. xiv
BAB 1 PENDAHULUAN ..................................................................................
1.1 Latar Belakang Masalah ....................................................................
1.2 Rumusan Masalah..............................................................................
1.3 Tujuan Penelitian ...............................................................................
1.4 Batasan Masalah ................................................................................
1.5 Manfaat Penelitian ............................................................................
1
1
3
3
4
4
BAB 2 LANDASAN TEORI .............................................................................
2.1 Pengenalan Wajah ............................................................................
2.2 Citra Digital .......................................................................................
2.3 Grayscale ...........................................................................................
2.4 Ekstraksi Ciri Statistik .......................................................................
2.4.1 Metode Statistik........................................................................
2.4.2 Metode Spektral .......................................................................
2.4.3 Metode Struktural.....................................................................
2.5 Ekstraksi Ciri Orde Pertama ..............................................................
2.6 Ekstraksi Ciri Orde Kedua .................................................................
2.7 Transformasi Kosinus Diskrit ............................................................
2.8 Penelitian Terkait ..............................................................................
5
5
5
7
7
7
8
8
8
9
12
13
BAB 3 METODE PENELITIAN .....................................................................
3.1 Tahapan Penelitian.............................................................................
3.2 Diagram Alur Kerja Penelitian ..........................................................
3.3 Data & Peralatan Penelitian Yang Digunakan...................................
3.4 Pengenalan Citra Wajah ....................................................................
3.4.1 Pengenalan Citra Wajah Dengan Ekstraksi Fitur
Ciri Orde Satu...........................................................................
3.4.2 Pengenalan Citra Wajah Dengan Ekstraksi Fitur
Ciri Orde Dua ...........................................................................
15
15
15
16
16
16
17
Universitas Sumatera Utara
xii
3.4.3 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur
Ciri Orde Satu dan Ciri Orde Dua ............................................
3.4.4 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur
Ciri Orde Satu dengan DCT (Discrete Cosine Transform) ......
3.4.5 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur
Ciri Orde Dua dengan DCT (Discrete Cosine Transform) ......
3.4.6 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur
Ciri Orde Satu dan Ciri Orde Dua dengan DCT
(Discrete Cosine Transform) ....................................................
3.5 Skema Grayscale ..............................................................................
3.6 Skema Ekstraksi Fitur Ciri Orde Satu .............................................
3.7 Skema Ekstraksi Fitur Ciri Orde Dua ...............................................
3.8 Skema Kombinasi Ekstraksi Fitur Ciri Orde Satu dan Dua .............
3.9 Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Satu dan DCT .
3.10 Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Dua dan DCT ..
3.11 Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Satu,
Dua & DCT (Discrete Cosine Transform) ....................................
3.12 Parameter Pengukuran Evaluasi Unjuk Kerja Sistem.....................
18
18
19
20
21
22
23
24
25
26
27
28
BAB 4 HASIL DAN PEMBAHASAN .............................................................
4.1 Hasil ..................................................................................................
4.1.1 Citra Wajah ..............................................................................
4.1.2 Proses Ekstraksi Fitur dan Bobot DCT ....................................
4.1.3 Hasil Perolehan Bobot Fitur dan Energi .................................
4.1.4 Hasil Pengujian ........................................................................
4.1.5 Pengukuran Unjuk Kerja Algoritma ........................................
4.2 Pembahasan .......................................................................................
4.3 Kontribusi .........................................................................................
29
29
29
30
36
37
37
45
48
BAB 5 KESIMPULAN DAN SARAN .............................................................
5.1 Kesimpulan .......................................................................................
5.2 Saran .................................................................................................
49
49
49
DAFTAR PUSTAKA ........................................................................................
LAMPIRAN 1 DAFTAR PUBLIKASI ILMIAH PENULIS ..........................
LAMPIRAN 2 DATA TRAINING ..................................................................
50
51
52
Universitas Sumatera Utara
xiii
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh Peralatan yang Menghasilkan Citra ................................................. 6
Gambar 2.2 Citra Dengan Empat Tingkat Keabuan & Hasil GLCM Pada Jarak 1 - 0 ... 10
Gambar 3.1 Alur Kerja Penelitian Secara Umum ......................................................... 15
Gambar 3.2 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Satu ................. 16
Gambar 3.3 Pengenalan Citra Wajah dengan Ekstraksi fitur Ciri Orde Dua .................... 17
Gambar 3.4 Pengenalan Citra Wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde
Satu dan Ciri Orde Dua ................................................................................. 18
Gambar 3.5 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Satu dan DCT
(Discrete Cosine Transform) ......................................................................... 19
Gambar 3.6 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Dua dan DCT
(Discrete Cosine Transform) ......................................................................... 19
Gambar 3.7 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Satu dan,
Ciri Orde Dua dengan DCT (Discrete Cosine Transform) ............................ 20
Gambar 3.8 Diagram Alir Proses Grayscale ..................................................................... 21
Gambar 3.9 Diagram Alir Proses Ekstraksi Fitur Menggunakan Ciri Orde Satu.............. 22
Gambar 3.10 Diagram Alir Proses Ekstraksi Fitur Menggunakan Ciri Orde Dua .............. 23
Gambar 3.11 Diagram Alir Proses Ekstraksi Fitur Menggunakan Ciri Orde Satu & Dua .. 24
Gambar 3.12 Diagram Alir Proses Kombinasi Antara Nilai Ekstraksi Fitur Ciri Orde
Satu dengan DCT (Discrete Cosine Transform) ......................................... 25
Gambar 3.13 Diagram Alir Proses Kombinasi Antara Nilai Ekstraksi Fitur Ciri Orde
Dua dengan DCT (Discrete Cosine Transform) ......................................... 26
Gambar 3.14 Diagram Alir Proses Kombinasi Antara Nilai Ekstraksi Fitur Ciri Orde
Satu dan Dua dengan DCT (Discrete Cosine Transform) ........................... 27
Gambar 4.1 Sampel Citra Wajah Hasil Rekaman Kamera Digital.................................... 30
Gambar 4.2 Proses Pengolahan Citra Grayscale ............................................................... 30
Universitas Sumatera Utara
xiv
Gambar 4.3 Hasil dari probabilitas citra ............................................................................ 31
Gambar 4.4 Hasil ekstraksi fitur ciri orde satu ................................................................. 31
Gambar 4.5 Hasil matriks kookurensi 0° ........................................................................... 32
Gambar 4.6 Hasil matriks kookurensi 45° ......................................................................... 32
Gambar 4.7 Hasil matriks kookurensi 90° ......................................................................... 33
Gambar 4.8 Hasil matriks kookurensi 135° ....................................................................... 33
Gambar 4.9 Hasil matriks kookurensi komulatif............................................................... 34
Gambar 4.10 Hasil ekstraksi fitur ciri orde satu dan ciri orde dua ...................................... 34
Gambar 4.11 Hasil Energi DCT dari Ciri Orde Satu dan Ciri Orde Dua ............................ 35
Gambar 4.12 Hasil Ekstraksi Fitur Ciri Orde Satu, Ciri Orde Dua dan Energi dari DCT .. 36
Gambar 4.13 Hasil Pengenalan Citra Wajah ...................................................................... 37
Gambar 4.14 Hasil Kinerja Metode.................................................................................... 45
Universitas Sumatera Utara
xv
DAFTAR TABEL
Halaman
Tabel 4.1 Hasil Pengujian Pada Orientasi 45° Kekiri ............................................. 38
Tabel 4.2 Hasil Pengujian Pada Orientasi 30° Kekiri ............................................. 39
Tabel 4.3 Hasil Pengujian Pada Orientasi 15° Kekiri ............................................. 40
Tabel 4.4 Hasil Pengujian Pada Orientasi 0° Kekiri ............................................... 41
Tabel 4.5 Hasil Pengujian Pada Orientasi 15° Kekanan ........................................ 42
Tabel 4.6 Hasil Pengujian Pada Orientasi 30° Kekanan ......................................... 43
Tabel 4.7 Hasil Pengujian Pada Orientasi 45° Kekanan ......................................... 44
Universitas Sumatera Utara