Deteksi dan Pengenalan Wajah Menggunakan Algoritma EigenFace dengan Pengaplikasian pada Sistem Pemberi Pengumuman Mahasiswa.

v

ABSTRAK

Teknologi yang maju memudahkan penyebaran informasi dengan cepat. Media semakin lama semakin berkembang dan mulai berganti ke arah digital. Media digital mudah diakses karena media digital adalah media yang dinamis yang dapat memberi informasi kepada pengguna sesuai dengan kebutuhan. Dengan adanya deteksi wajah, pengenalan pengguna dapat dengan cepat tercapai sehingga informasi dapat tersampaikan dengan lebih cepat. Pengenalan wajah menggunakan metode eigenface yang dikenal dengan algoritma yang lebih cepat daripada algoritma lainnya, dan juga memiliki hasil yang baik pada keadaan pencahayaan dan sudut wajah yang sama.

vi

ABSTRACT

Advanced technology provides fast information spreading. Media are growing and changed their direction into digital. Digital media are easily accessed because it is dynamic and can provide information to the user to fulfill their needs. Face recognition can be used to automatically recognize the user which is faster and more accurate than the conventional one. Face recognition may yield more accurate results since each people have unique face structure. Face Recognition use eigenface method which known as an efficient algorithm compared to other algorithm and have a good results when the lighting are same and the face are facing in the same direction.

1

DAFTAR ISI

DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DENGAN PENGAPLIKASIAN PADA SISTEM PEMBERI

PENGUMUMAN MAHASISWA ... i

PERNYATAAN ORISINALITAS LAPORAN PENELITIAN ... iii

PERNYATAAN PUBLIKASI LAPORAN PENELITIAN... iv

KATA PENGANTAR ...v

ABSTRAK ...v

ABSTRACT ... vi

DAFTAR ISI ...1

DAFTAR GAMBAR ...4

DAFTAR KODE PROGRAM ...6

BAB 1 PENDAHULUAN ...7

1.1 Latar Belakang...7

1.2 Rumusan Masalah ...7

1.3 Tujuan Pembahasan ...8

1.4 Ruang Lingkup Kajian ...8

1.5 Sumber Data ...8

1.6 Sistematika Penyajian ...8

BAB 2 LANDASAN TEORI ...10

2.1 Open Cv ...10

2.2 Emgu cv ...11

2.2 Principal Component Analysis ...13

2.3 EigenValue untuk Pengenalan Wajah ...14

2.4 Deteksi Wajah ...14

2.5 Nearest Neighbor untuk Deteksi Wajah ...15

2.6 Resizing Image ...16

BAB 3 ANALISA DAN PERMODELAN ...17

3.1 Arsitektur Sistem ...17

2

3.1.2 Desain Penyimpanan Data ... 20

3.1.3 Desain Antarmuka ... 21

3.1.4 Activity Diagram ... 25

3.2 Analisis dan Algoritma ...28

3.2.1 Eigen Values ... 28

3.2.2 Sum-Matrix ... 29

3.3 Analisa Wajah dan Foto ... 31

3.4 Analisa Wajah yang Mirip ... 31

3.5 Analisa Pengenalan Wajah terhadap Cahaya dan Pose yang berbeda dengan data training. ... 32

BAB 4 IMPLEMENTASI ...32

4.1 Implementasi Desain Antarmuka ...32

4.1.1 Desain Antarmuka Program Mahasiswa ... 33

4.1.2 Desain Antarmuka Program untuk Admin dan Staff ... 35

4.2 Implementasi Algoritma dan API ...40

4.2.1 Face Detection ... 40

4.2.2 Face Recognition ... 43

4.2.3 Implementasi Program lainnya ... 44

BAB 5 PENGUJIAN...47

5.1 Pengujian General Aplikasi Client (Mahasiswa) ...47

5.2 Pengujian General Aplikasi Admin (Admin / Staff) ...48

5.3 Pengujian Kecepatan Aplikasi ...49

5.4 Pengujian Algoritma ...49

5.4.1 Pengujian Face Detection ... 50

5.4.2 Pengujian Face Recognition ... 51

5.5 Pengujian dengan Skenario ...53

5.5.1 Skenario Satu Wajah Satu Foto ... 53

5.5.2 Skenario Satu Wajah Banyak Foto ... 55

5.5.3 Pengujian Pas Foto dengan Data Wajah ... 58

5.5.4 Pengujian dengan R Language ... 58

BAB 6 KESIMPULAN DAN SARAN...60

3

5.2 Saran ...61 DAFTAR PUSTAKA ...62 LAMPIRAN ...63

4

DAFTAR GAMBAR

Gambar 2. 1 Hasil PCA pada 30 wajah berukuran 100 x 100 pixel ...59

Gambar 2. 2: Gambar sum-matrix sebagai metode penyimpanan matriks. ...15

Gambar 2. 3 : Pengambilan 16 titik Bipolar Interpolation ...16

Gambar 3. 1 Use Case Aplikasi ...20

Gambar 3. 2 Gambar Diagram Data ...21

Gambar 3. 3 Gambar Desain antarmuka login mahasiswa ...21

Gambar 3. 4 Gambar Desain Antarmuka Melihat Pengumuman ...22

Gambar 3. 5 Desain Antarmuka identifikasi pengguna ...22

Gambar 3. 6 Desain Antarmuka tab mahasiswa ...23

Gambar 3. 7 Desain Antarmuka tab Pengumuman ...23

Gambar 3. 8 Desain Antarmuka tab Staff ...24

Gambar 3. 9 Desain Antarmuka tab My Account ...24

Gambar 3. 10 Activity Diagram Scan wajah ...25

Gambar 3. 11 Activity Diagram Login ...26

Gambar 3. 12 Activity Diagram Logout ...26

Gambar 3. 13 Activity Diagram menambah data pengumuman ...27

Gambar 3. 14 Activity Diagram menambah data wajah ...28

Gambar 3. 15 Perhitungan sum-matrix ...30

Gambar 3. 16 Perbandingan deteksi wajah dan foto ...31

Gambar 4. 1 Desain Antarmuka Login untuk Mahasiswa ...33

Gambar 4. 2 Desain Antarmuka Form Pengumuman ...34

Gambar 4. 3 Form Login ...35

Gambar 4. 4 Form Add/Edit Mahasiswa...35

Gambar 4. 5 Form Add Mahasiswa ...36

Gambar 4. 6 Form Add / Edit Staff ...37

Gambar 4. 7 Form Add/Edit/Show Pengumuman ...37

Gambar 4. 8 Form Add Pengumuman Global ...38

Gambar 4. 9 Form Add Pengumuman Khusus ...38

Gambar 4. 10 Form Show Pengumuman ...39

6

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Berkembangnya teknologi dapat mempermudah akses informasi kepada banyak orang. Berbagai teknologi menyajikan akses informasi yang cepat dengan cara yang variatif, sehingga para penggunanya dapat mengakses informasi yang dibutuhkan dengan cepat.

Mahasiswa sering kali ingin mengakses informasi penting, seperti pertemuan dosen wali atau sebagainya. Seringkali informasi tersebut terlewat diakibatkan oleh informasi yang terlalu banyak, oleh karena itu, media teknologi sering digunakan sebagai jembatan antara pengirim informasi dan penerima informasi.

Penggunaan media teknologi sebagai jembatan informasi berperan penting dalam suatu faktor seperti kecepatan mengakses informasi. Untuk itu, kecepatan akses terhadap informasi dapat menggunakan teknologi deteksi wajah. Dengan teknologi deteksi wajah, para pengguna dalam hitungan detik, dapat mengakses informasi yang dibutuhkan dari pengirim informasi hanya dengan berdiri di depan alat pendeteksi wajah. Alat pendeteksi wajah dapat mendeteksi identitas pengguna dan langsung memberikan informasi yang penting untuk pengguna tersebut.

Pengenalan wajah memiliki banyak faktor dalam keberhasilan. Penggunaan algoritma untuk ketepatan kondisi sangatlah diperlukan. Salah satu algoritma yang cocok adalah algoritma Eigen-Face, dimana algoritma ini cocok untuk data yang banyak dan juga kecepatan dalam pemrosesan wajah (2 frame / detik).Tentu perlu untuk mengetahui pula faktor yang dapat memengaruhi kesuksesan dalam pengenalan wajah, antara lain, cahaya, derajat kemiringan wajah saat dilakukan dan banyaknya sampel foto per orang.

1.2 Rumusan Masalah

7

1. Bagaimana membuat aplikasi untuk memberikan informasi yang mudah diakses oleh para pengguna?

2. Bagaimana teknologi dapat berperan untuk para pengguna agar dapat mengakses informasi dengan cepat?

3. Apa saja faktor yang memengaruhi hasil dengan menggunakan algoritma eigenface?

1.3 Tujuan Pembahasan

Adapun tujuan dari pembuatan aplikasi ini adalah:

1. _{Membuat aplikasi untuk para pengguna untuk mempermudah seorang} pengguna dalam mengakses informasi yang dibutuhkan.

2. _{Membuat aplikasi yang dalam hitungan detik dapat memberikan informasi} penting kepada pengguna menggunakan deteksi wajah.

3. _{Mencari faktor yang memengaruhi keberhasilan algoritma eigenface.}

1.4 Ruang Lingkup Kajian

Aplikasi yang akan dibuat secara umum akan menangani hal sebagai berikut : 1. Aplikasi hanya akan memberikan informasi dari pengirim informasi dan juga

pengumuman secara “general” kepada tiap pengguna.

2. Aplikasi diperuntukan untuk mahasiswa Universitas Kristen Maranatha. 3. Kamera yang digunakan adalah kamera laptop yang memiliki resolusi 720p

1.5 Sumber Data

Sumber data yang diperoleh berasal dari peninjauan lapangan, serta pencarian informasi di internet.

1.6 Sistematika Penyajian

Berikut adalah sistematika penyajian laporan “DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DENGAN

8

PENGAPLIKASIAN PADA SISTEM PEMBERI PENGUMUMAN MAHASISWA”

BAB I PENDAHULUAN

Bab ini digunakan untuk menjelaskan latar belakang, rumusan masalah, tujuan, ruang lingkup kajian, sumber data, dan sistematika penyajian Laporan “DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DENGAN PENGAPLIKASIAN PADA SISTEM PEMBERI PENGUMUMAN MAHASISWA.”

BAB II DASAR TEORI

Bab ini digunakan untuk menjelaskan teori-teori yang berkaitan dengan pembuatan aplikasi ini. Teori yang akan dibahas antara lain adalah algoritma dan cara kerja deteksi wajah dan pengenalan wajah menggunakan eigen face, serta implementasinya untuk aplikasi ini, serta library emgu cv untuk pemrosesan gambar.

BAB III ANALISA DAN PEMODELAN

Bab ini membahas secara lengkap mengenai pemodelan, Class Diagram dari aplikasi,perancangan arsitektur aplikasi, dan analisis algoritma.

BAB IV HASIL IMPLEMENTASI

Bab ini berisi kumpulan screenshot dan digunakan untuk menjelaskan setiap fungsi utama yang dibuat dalam aplikasi.

BAB V PENGUJIAN

Bab ini digunakan untuk menjelaskan testing terhadap aplikasi ini serta laporan dari kuisioner dari beberapa responden.

BAB VI SIMPULAN DAN SARAN

Bab ini digunakan untuk memberi simpulan dan saran serta kata-kata penutup dalam Laporan Tugas Akhir.

59

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Pada penelitian dan pengujian pada Face Recognition dan Face Detection menggunakan Emgu CV dengan metode EigenFace, dapat disimpulkan bahwa, cahaya dan pose dalam melakukan pengenalan, berpengaruh terhadap hasil, yaitu dapat menimbulkan kesalahan pada pengenalan atau wajah tidak dikenal sama sekali (Eucledian Distance yang terlalu besar terhadap Trainer).

Penggunaan EigenFace tidak direkomendasikan untuk pengenalan wajah secara outdoor, dimana kondisi outdoor seringkali memiliki pencahayaan yang dinamis (berbeda – beda). EigenFace baik digunakan jika memiliki data training yang lebih banyak, dimana pada pencahayaan dan pose yang sama, keberhasilan mencapai 90% (pada pengenalan wajah tegak lurus (Frontal Face Recognition)) pada data training sebesar 15 foto (1 foto 1 orang), dan 95% pada data training sebesar 310 foto (10 foto 1 orang).

Kegagalan yang terjadi adalah dikarenakan warna / pencahayaan yang berbeda memengaruhi eigen value dari hasil dekomposisi menggunakan PCA, dimana euclidean distance akan berbeda jauh, dan gradien dari eigen value akan sangat berbeda.

Penggunaan banyak foto untuk satu orang pun dapat sedikit mentolerir perbedaan cahaya dan posisi karena akan diambil rata – rata dari top 6, jadi jika minimal 4 dari 6 wajah maka dapat dianggap wajah yang tepat.

Penggunaan Threshold yang tepat juga menjadi kunci dalam keberhasilan pengenalan wajah, dimana Threshold yang ketat tentu akan memperketat hasil dari pengenalan wajah, tetapi, fleksibilitas menjadi kecil, sebaliknya jika Threshold terlalu longgar, maka akan ada kemungkinan wajah orang lain terdeteksi sebagai wajah subjek yang melakuan pengenalan wajah.

60

6.2 Saran

Ada beberapa saran dari penelitian dan pengujian pada pada Face

Recognition dan Face Detection menggunakan Emgu CV dengan metode EigenFace. Penggunaan foto yang banyak pada satu orang dengan pose dan

pencahayaan yang berbeda dapat mentolerir pengenalan wajah, dimana pengenalan wajah dapat mengambil rata – rata dari beberapa pengenalan terbaik. Contoh : Didapatkan 6 label pengenalan dimana 4 dari 6 wajah adalah wajah A, dan 2 dari sisanya adalah wajah B, maka dapat diambil kesimpulan wajah yang dikenal adalah wajah A. Untuk mentolerir Background dapat pula dilakukan penghilangan pada latar belakangan dan menyisakan wajah dari setiap data training. (Brooks A. C.)

61

DAFTAR PUSTAKA

Brooks, A. (2004). Computer Vision. Profesor Ying Wu.

Brooks, A. C. (n.d.). ALAN facial snapshot. Computer Vision ECE 432.

Crow, F. (2004). SIGGRAPH. Summed-area tables for texture mapping, 207-212. CV, O. (2015, November 11). Open CV Forum. Retrieved from Open CV:

http://www.opencv.org

I.T., J. (2010). Principle Component Analysis. Springer.

Jayanti, R. D. (2014). APLIKASI METODE K-NEAREST NEIGHBOR DAN

ANALISIS DISKRIMINAN UNTUK ANALISIS RESIKO KREDIT PADA KOPERASI SIMPAN PINJAM DI KOPINKRA SUMBER REJEKI .

Yogyakarta: Seminar Nasional Aplikasi Sains & Teknologi. Kusrini, M. (2007). Strategi Perancangan dan Pengelolaan Basis Data.

Yogyakarta: ANDI.

Sempf, B., Sphar, C., & Davis, S. R. (2010). C# 2010 all-in-one for dummies. Indianapolis: Wiley Publishing, Inc.

Swain, G. (2010). Object-Oriented Analysis and Design Through Unified

6

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Berkembangnya teknologi dapat mempermudah akses informasi kepada banyak orang. Berbagai teknologi menyajikan akses informasi yang cepat dengan cara yang variatif, sehingga para penggunanya dapat mengakses informasi yang dibutuhkan dengan cepat.

Mahasiswa sering kali ingin mengakses informasi penting, seperti pertemuan dosen wali atau sebagainya. Seringkali informasi tersebut terlewat diakibatkan oleh informasi yang terlalu banyak, oleh karena itu, media teknologi sering digunakan sebagai jembatan antara pengirim informasi dan penerima informasi.

Penggunaan media teknologi sebagai jembatan informasi berperan penting dalam suatu faktor seperti kecepatan mengakses informasi. Untuk itu, kecepatan akses terhadap informasi dapat menggunakan teknologi deteksi wajah. Dengan teknologi deteksi wajah, para pengguna dalam hitungan detik, dapat mengakses informasi yang dibutuhkan dari pengirim informasi hanya dengan berdiri di depan alat pendeteksi wajah. Alat pendeteksi wajah dapat mendeteksi identitas pengguna dan langsung memberikan informasi yang penting untuk pengguna tersebut.

Pengenalan wajah memiliki banyak faktor dalam keberhasilan. Penggunaan algoritma untuk ketepatan kondisi sangatlah diperlukan. Salah satu algoritma yang cocok adalah algoritma Eigen-Face, dimana algoritma ini cocok untuk data yang banyak dan juga kecepatan dalam pemrosesan wajah (2 frame / detik).Tentu perlu untuk mengetahui pula faktor yang dapat memengaruhi kesuksesan dalam pengenalan wajah, antara lain, cahaya, derajat kemiringan wajah saat dilakukan dan banyaknya sampel foto per orang.

1.2 Rumusan Masalah

7

1. Bagaimana membuat aplikasi untuk memberikan informasi yang mudah diakses oleh para pengguna?

2. Bagaimana teknologi dapat berperan untuk para pengguna agar dapat mengakses informasi dengan cepat?

3. Apa saja faktor yang memengaruhi hasil dengan menggunakan algoritma eigenface?

1.3 Tujuan Pembahasan

Adapun tujuan dari pembuatan aplikasi ini adalah:

1. _{Membuat aplikasi untuk para pengguna untuk mempermudah seorang} pengguna dalam mengakses informasi yang dibutuhkan.

2. _{Membuat aplikasi yang dalam hitungan detik dapat memberikan informasi} penting kepada pengguna menggunakan deteksi wajah.

3. _{Mencari faktor yang memengaruhi keberhasilan algoritma eigenface.}

1.4 Ruang Lingkup Kajian

Aplikasi yang akan dibuat secara umum akan menangani hal sebagai berikut : 1. Aplikasi hanya akan memberikan informasi dari pengirim informasi dan juga

pengumuman secara “general” kepada tiap pengguna.

2. Aplikasi diperuntukan untuk mahasiswa Universitas Kristen Maranatha. 3. Kamera yang digunakan adalah kamera laptop yang memiliki resolusi 720p

1.5 Sumber Data

Sumber data yang diperoleh berasal dari peninjauan lapangan, serta pencarian informasi di internet.

1.6 Sistematika Penyajian

Berikut adalah sistematika penyajian laporan “DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DENGAN

8

PENGAPLIKASIAN PADA SISTEM PEMBERI PENGUMUMAN MAHASISWA”

BAB I PENDAHULUAN

Bab ini digunakan untuk menjelaskan latar belakang, rumusan masalah, tujuan, ruang lingkup kajian, sumber data, dan sistematika penyajian Laporan “DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DENGAN PENGAPLIKASIAN PADA SISTEM PEMBERI PENGUMUMAN MAHASISWA.”

BAB II DASAR TEORI

Bab ini digunakan untuk menjelaskan teori-teori yang berkaitan dengan pembuatan aplikasi ini. Teori yang akan dibahas antara lain adalah algoritma dan cara kerja deteksi wajah dan pengenalan wajah menggunakan eigen face, serta implementasinya untuk aplikasi ini, serta library emgu cv untuk pemrosesan gambar.

BAB III ANALISA DAN PEMODELAN

Bab ini membahas secara lengkap mengenai pemodelan, Class Diagram dari aplikasi,perancangan arsitektur aplikasi, dan analisis algoritma.

BAB IV HASIL IMPLEMENTASI

Bab ini berisi kumpulan screenshot dan digunakan untuk menjelaskan setiap fungsi utama yang dibuat dalam aplikasi.

BAB V PENGUJIAN

Bab ini digunakan untuk menjelaskan testing terhadap aplikasi ini serta laporan dari kuisioner dari beberapa responden.

BAB VI SIMPULAN DAN SARAN

Bab ini digunakan untuk memberi simpulan dan saran serta kata-kata penutup dalam Laporan Tugas Akhir.

59

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Pada penelitian dan pengujian pada Face Recognition dan Face Detection menggunakan Emgu CV dengan metode EigenFace, dapat disimpulkan bahwa, cahaya dan pose dalam melakukan pengenalan, berpengaruh terhadap hasil, yaitu dapat menimbulkan kesalahan pada pengenalan atau wajah tidak dikenal sama sekali (Eucledian Distance yang terlalu besar terhadap Trainer).

Penggunaan EigenFace tidak direkomendasikan untuk pengenalan wajah secara outdoor, dimana kondisi outdoor seringkali memiliki pencahayaan yang dinamis (berbeda – beda). EigenFace baik digunakan jika memiliki data training yang lebih banyak, dimana pada pencahayaan dan pose yang sama, keberhasilan mencapai 90% (pada pengenalan wajah tegak lurus (Frontal Face Recognition)) pada data training sebesar 15 foto (1 foto 1 orang), dan 95% pada data training sebesar 310 foto (10 foto 1 orang).

Kegagalan yang terjadi adalah dikarenakan warna / pencahayaan yang berbeda memengaruhi eigen value dari hasil dekomposisi menggunakan PCA, dimana euclidean distance akan berbeda jauh, dan gradien dari eigen value akan sangat berbeda.

Penggunaan banyak foto untuk satu orang pun dapat sedikit mentolerir perbedaan cahaya dan posisi karena akan diambil rata – rata dari top 6, jadi jika minimal 4 dari 6 wajah maka dapat dianggap wajah yang tepat.

Penggunaan Threshold yang tepat juga menjadi kunci dalam keberhasilan pengenalan wajah, dimana Threshold yang ketat tentu akan memperketat hasil dari pengenalan wajah, tetapi, fleksibilitas menjadi kecil, sebaliknya jika Threshold terlalu longgar, maka akan ada kemungkinan wajah orang lain terdeteksi sebagai wajah subjek yang melakuan pengenalan wajah.

60 6.2 Saran

Ada beberapa saran dari penelitian dan pengujian pada pada Face Recognition dan Face Detection menggunakan Emgu CV dengan metode EigenFace. Penggunaan foto yang banyak pada satu orang dengan pose dan pencahayaan yang berbeda dapat mentolerir pengenalan wajah, dimana pengenalan wajah dapat mengambil rata – rata dari beberapa pengenalan terbaik. Contoh : Didapatkan 6 label pengenalan dimana 4 dari 6 wajah adalah wajah A, dan 2 dari sisanya adalah wajah B, maka dapat diambil kesimpulan wajah yang dikenal adalah wajah A. Untuk mentolerir Background dapat pula dilakukan penghilangan pada latar belakangan dan menyisakan wajah dari setiap data training. (Brooks A. C.)

61

DAFTAR PUSTAKA

Brooks, A. (2004). Computer Vision. Profesor Ying Wu.

Brooks, A. C. (n.d.). ALAN facial snapshot. Computer Vision ECE 432.

Crow, F. (2004). SIGGRAPH. Summed-area tables for texture mapping, 207-212. CV, O. (2015, November 11). Open CV Forum. Retrieved from Open CV:

http://www.opencv.org

I.T., J. (2010). Principle Component Analysis. Springer.

Jayanti, R. D. (2014). APLIKASI METODE K-NEAREST NEIGHBOR DAN ANALISIS DISKRIMINAN UNTUK ANALISIS RESIKO KREDIT PADA KOPERASI SIMPAN PINJAM DI KOPINKRA SUMBER REJEKI . Yogyakarta: Seminar Nasional Aplikasi Sains & Teknologi.

Kusrini, M. (2007). Strategi Perancangan dan Pengelolaan Basis Data. Yogyakarta: ANDI.

Sempf, B., Sphar, C., & Davis, S. R. (2010). C# 2010 all-in-one for dummies. Indianapolis: Wiley Publishing, Inc.

Swain, G. (2010). Object-Oriented Analysis and Design Through Unified Modelling Language. Daryaganj: University Science Press.