Official Site of Missa Lamsani - Gunadarma University Lap-Ringkasan PDM
RANCANG BANGUN PENGENDALI PINTU AUTOMATIS DENGAN
MENGENALI CIRI-CIRI WAJAH SESEORANG MENGGUNAKAN
METODE EUCLIDEAN DISTANCE Dan FUZZY C-MEAN
Purnawarman Musa 1)
Nur Yuliani 1)
Missa Lamsani 1)
1)
Dosen Jurusan Sistem Komputer
Fakultas Ilmu Komputer dan Tehnologi Informasi
Universitas Gunadarma
ABSTRAK
Biometrik adalah suatu metode yang secara automatisselalu dipunyai dan menjadi
ciri khas setiap manusia dengan menganalisa secara statistik karakteristik biologis manusia.
Ciri khas tersebut dapat dilihat dari karakter fisik, misalnya sidik jari, raut / ciri-ciri wajah
dan retina mata; serta yang dilihat dari karakteristik tingkah laku, misalnya tanda tangan dan
suara.
Raut / ciri-ciri wajah dapat digunakan untuk mengindra dari metode biometrik yang
ada. Karena raut / ciri-ciri wajah memiliki ciri khas yang bisa membedakan antara satu
manusia dengan manusia yang lainnya. Sehingga raut / ciri-ciri wajah juga dapat digunakan
sebagai alat pengaman (password). Penggunaan biometric ini dipandang memiliki tingkat
keamanan yang lebih tinggi dibandingkan dengan sistem tradisional yang menggunakan
password atau ID Card untuk autentikasi pada pengaksesan suatu area dengan
membandingkan ciri-ciri wajah yang sudah tersimpan dalam database dengan data baru yang
masuk. Jika hasil perbandingan sama / cocok, maka dapat membuka pintu, tetapi jika tidak
sama maka pintu akan tetap tertutup.
Hasil penelitian adalah suatu sistem yang dapat mendeteksi dan mengenali ciri - ciri
wajah seseorang dengan bantuan kamera webcam. Pengenalan wajah tersebut menggunakan
bahasa pemograman Microsoft Visual Basic 6.0. Algoritma yang digunakan pada pengenalan
ciri – ciri wajah yang dapat membedakan wajah seseorang dengan orang lain menggunakan
algoritma Fuzzy Cluster Mean. Gambar seseorang yang diterima sensor penangkap objek
bergerak akan diproses oleh komputer menggunakan ”image processing program”. Metode
yang digunakan untuk menghitung kecocokan ciri wajah menggunakan Euclidean Distance.
Kata kunci : Pengolahan Citra, Biometrik, Euclidean Distance, Fuzzy C-Mean
biologis yang selalu dipunyai dan
menjadi ciri khas setiap diri manusia.
Pencirian dan penandaan tersebut dikenal
sebagai biometrik.
Ciri khas tersebut dapat dilihat dari
karakteristik fisik, misalnya sidik jari,
raut wajah, retina mata, tanda tangan dan
suara. Penggunaan teknologi informasi
dalam penandaan biometrik dapat
PENDAHULUAN
Pengamanan sangat diperlukan
dalam kegiatan sehari-hari, terutama jika
menyangkut suatu otoritas. Salah satu
bentuk dari pengamanan yang sulit untuk
ditiru, dibuka atau dimodifikasi oleh
orang
lain
adalah
menggunakan
pencirian otomatis dari karakteristik
1
digunakan dalam model identifikasi,
dimana
sistem
biometrik
mengidentifikasi setiap orang dan
melakukan pencarian melalui kode yang
sama pada database yang telah disusun.
Penggunaan biometric ini dipandang
memiliki tingkat keamanan yang lebih
tinggi dibandingkan dengan sistem
tradisional yang menggunakan password
atau ID Card untuk autentikasi pada
pengaksesan suatu sistem. Raut wajah /
ciri-ciri wajah dapat digunakan pada
pengamanan (password). Penggunaan
ciri-ciri wajah dalam pengamanan adalah
hal yang memungkinkan untuk tidak
terjadinya pembobolan kerahasiaan oleh
orang-orang yang tidak berkepentingan.
Karena pada prinsipnya setiap ciri-ciri
wajah manusia memiliki ciri khas
tersendiri yang berbeda antara satu
manusia dengan manusia lainnya.
password sehingga hanya orang yang
berhak sajalah yang dapat menggunakan
sumber daya yang diperlukannya. Dan
keamanan internal meliputi keamanan
yang berkaitan dengan keamanan
beragam kendali yang dibangun pada
perangkat keras (hardware) dan sistem
operasi yang menjamin operasi yang
handal dan tidak terkorupsi untuk
menjaga integritas program dan data,
biasanya keamanan jenis ini dibangun
secara perangkat lunak (software).
Biometrik
Kebanyakan sistem keamanan
menggunakan sebuah perlindungan yang
akan mendefinisikan pemakai, sehingga
sistem keamanan mengetahui identitas
dari pemakai. Masalah identifikasi
pemakai ini disebut sebagai otentifikasi
pemakai (user authentication). Metode
otentifikasi yang biasa digunakan yaitu :
sesuatu yang diketahui oleh pemakai,
misalnya password, kombinasi kunci,
nama kecil dan sebagainya. Sesuatu yang
dimiliki pemakai seperti kartu identitas,
kunci dan sebagainya. Dan sesuatu
mengenai / merupakan ciri dari pemakai,
contohnya sidik jari, raut / cirri-ciri
wajah, retina mata, tanda tangan, suara
dan lain-lain.
Ciri dari pemakai tersebut dikenal
sebagai biometrik. Biometrik adalah
suatu metode yang secara otomatis selalu
dipunyai dan menjadi ciri khas setiap
manusia dengan menganalisa secara
statistik dari karakteristik biologis
manusia. Ciri khas tersebut dapat dilihat
dari karakter fisik, misalnya sidik jari,
raut / ciri-ciri wajah, retina mata dan
dilihat dari karakteristik tingkah laku,
misalnya tanda tangan dan suara,
TINJAUAN PUSTAKA
Keamanan Sistem
Keamanan sistem diperlukan untuk
menjamin sumber daya agar tidak
digunakan atau dimodifikasi oleh orang
yang tidak berhak. Keamanan meliputi
masalah teknis, manajerial, legalitas dan
politis.
Keamanan
sistem
dapat
dikelompokkan menjadi tiga kelompok,
yaitu keamanan eksternal (external
security), keamanan interface pemakai
(user interface security) dan keamanan
internal (internal security).
Keamanan
eksternal
meliputi
keamanan yang berkaitan dengan
fasilitas komputer dari penyusup dan
bencana alam seperti kebakaran dan
kebanjiran.
Sedangkan
keamanan
interface pemakai meliputi keamanan
yang berkaitan dengan identifikasi
pemakai sebelum pemakai diijinkan
mengakses program dan data yang
disimpan,
contohnya
penggunaan
Pengolahan Citra
Image merupakan informasi yang
secara umum tersimpan dalam bentuk
pemetaan bit – bit, atau lebih dikenal
2
sebagai bitmap, setiap bit membentuk
satu titik informasi yang dikenal sebagai
pixel. Atau dengan kata lain, satu pixel
merupakan satu titik image yang terdiri
dari satu atau beberapa bit informasi.
Satuan
dari
pixel
biasanya
dinyatakan dengan posis x, posisi y dan
nilai dari pixel tersebut (warna atau
gray). Dalam satu bidang gambar,
sepenuhnya terdiri dari pixel – pixel
disimpan dalam bentuk bilang biner.
Disebut biner karena hanya memiliki dua
kemungkinan, 0 atau 1, ada atau tidak.
Video adalah susunan dari beberapa
gambar
yang
ditampilkan secara
bergantian dan sangat cepat, sehingga
membentuk suatu pergerakan yang halus.
Biasanya gambar yang disusun berasal
dari gambar dalam bentuk image (bukan
grafik). Pengertian Video biasanya
mengacu pada proses atau teknologi dari
sistem gambar bergerak.
Penggunaan pixel biner
ini
dimaksudkan untuk menyederhanakan
proses dengan hanya memperhatikan ada
atau tidak. Selain itu, penggunaan biner
juga memperkecil data baik saat
dikirimkan atau saat disimpan, termasuk
juga saat diproses.
Gray scale dan biner sebenarnya
memiliki kemiripan, hanya saja kalau
biner hanya memiliki 2 kemungkinan
nilai, tetapi gray scale memiliki lebih
banyak kemungkinan nilai, misalkan 4,
16 atau 256 kemungkinan.
Gray scale banyak digunakan jika
adanya perbedaan intensitas antara satu
pixel dengan pixel lainnya sangat
dipentingkan. Hal ini terutama jika obyek
yang diamati memiliki perbedaan
intensitas yang cukup kecil dengan
berbagai
tingkat
kecerahan.
Jika
digunakan
pixel
biner,
maka
kemungkinan perbedaan - perbedaan
tersebut akan hilang hanya menjadi hitam
atau putih.
Pengubahan dari format warna ke
gray level banyak dilakukan dengan
tujuan penyederhanaan format warna,
dimana dalam penggunaannya tidak
diperlukan atau dipentingkan informasi
warna yang ada, tetapi hanya perbedaan
intensitas dari image. Selain itu,
pengolahan image dalam bentuk gray
scale memiliki kemudahan dibandingkan
dengan format warna.
Cara deteksi suatu image yang
paling umum digunakan adalah cara
scaling, scanning dan cropping.
Pemilihan faktor penskalaan yang
sesuai akan mempercepat operasi kerja
tanpa mengurangi kinerja sistem. Contoh
pada gambar sebelumnya, jika dilakukan
penskalaan 1:8, ternyata image aslinya
cukup buruk, namun dengan faktor 1:5
didapatkan hasil yang lebih baik, dan
kecepatan yang didapatkan kurang 5 x 5
= 25 (kecepatan keseluruhan sistem
sangat dipengaruhi oleh proses-proses
yang lain) kali jika dibandingkan dengan
pemrosesan image aslinya.
Untuk menentukan sebenarnya
berapa nilai yang terbaik adalah
berdasarkan kebutuhan, antara kecepatan
dan ketelitian. Jika menginginkan
ketelitian, maka harus ditentukan
penskalaan yang sedemikian rupa
sehingga hasil image yang diamati secara
visual masih terlihat dengan baik, ini
biasanya tergantung dari ukuran image
dan detil dari bentuk image tersebut.
Sebagai contoh, pada gambar
sebelumnya memiliki ukuran 200 x 80
pixel, sebut saja ukuran dari obyek
sebesar itu. Jika dilakukan penskalaan
1:5, artinya akan didapatkan obyek
dengan ukuran 40 x 16 pixel, dan jika
dilakukan
penskalaan
1:8
akan
didapatkan obyek dengan ukuran 25 x
10.
Jika bentuk dari obyek cukup
kompleks (seperti tulisan pada contoh
tersebut), ukuran dari obyek yang sesuai
3
sekitar 10 sampai 20 pixel (ambil saja 16
pixel), sedangkan jika suatu obyek
bentuknya sangat kasar (lingkaran, kotak
dan sebagainya,
di sini hanya
dipentingkan keberadaannya saja, bukan
bentuknya), ukuran yang sesuai adalah 5
sampai 15 pixel (ambil saja 8 atau 10
pixel).
daerah dan membandingkannya dengan
warna yang dikehendaki. Pada tahapan
membandingkan ini, dapat menggunakan
berbagai cara yang ada, mulai dari
berbasis matematis sederhana, statistik
ataupun kecerdasan buatan.
Jika obyek yang akan dideteksi
dipastikan hanya berjumlah satu, artinya
dalam penangkapan image nantinya
kemungkinan hanya ada satu obyek yang
akan muncul, maka proses deteksinya
menjadi sederhana. Inipun masih bisa
dibedakan antara obyek yang posisinya
tertentu dan obyek yang posisinya tidak
tentu.
Jika obyek posisinya sudah tentu
pada sensor, maka proses deteksi
dilakukan cukup dengan mengamati
daerah tersebut, tanpa menghiraukan
daerah lainnya. Contoh dalam aplikasi
mengamati obyek yang berjalan pada
suatu bab berjalan (conveyor), maka
lintasan dari obyek sudah tertentu.
Dengan memastikan obyek akan melintas
pada titik tertentu, maka proses deteksi
dapat dipusatkan pada titik tersebut.
Jika obyek ternyata menempati
posisi yang tidak tentu, maka harus
dilakukan proses pencarian. Proses
pencarian dapat dilakukan dengan dua
cara, melakukan scanning di seluruh
daerah image, atau langsung menentukan
titik tengah (titik berat) dari obyek yang
ada di layar.
Dengan
cropping,
cara
ini
mengharuskan program untuk mencari
pixel demi pixel, area demi area, ukuran
demi ukuran dari seluruh bagian image.
Jika suatu obyek berhasil ditemukan,
bagian image yang bertepatan dengan
obyek tersebut akan dipotong untuk
diproses pada bagian berikutnya.
Kelebihan dari cara ini,
Posisi dari obyek dapat bebas
Jumlah dari obyek dapat lebih dari
satu
Ukuran dari obyek dapat bebas
Gambar 1. Image 200 x 80 di–skala 1:5
dan 1:8
Dengan memperkecil ukuran image
asli akan dapat mempercepat proses
perhitungan secara keseluruhan. Namun
cara ini juga dapat menurunkan kinerja
dari sistem, dimana suatu image yang
semula memiliki jumlah pixel yang besar
akan memiliki bentuk yang detil, dengan
dilakukan penskalaan akan didapatkan
bentuk gambar yang kurang detil.
Pencarian berdasarkan scanning
memiliki kelebihan tersendiri, yaitu lebih
cepat (kalau obyek yang dicari dekat
dengan titik awal) dan mudah tetapi tidak
akurat. Artinya untuk memastikan
apakah pada suatu daerah benar-benar
ada obyek harus dilakukan pemeriksaan
yang lebih mendalam pada daerah-daerah
tertentu yang dideteksi.
Hal ini tentu saja menyebabkan
proses menjadi lambat. Kelebihan lain
dari proses scanning adalah metode
klasifikasi atau identifikasi dari proses
deteksi dapat beragam, artinya dapat
menggunakan berbagai metode.
Jika suatu obyek dapat diketahui
berdasarkan ciri warnanya saja, maka
dapat digunakan metode segmentasi
warna. Metode ini secara umum
digunakan untuk memisahkan suatu
warna terhadap warna lainnya. Inti dari
segmentasi warna adalah membaca
warna pixel demi pixel atau daerah demi
4
Dapat menggunakan berbagai
metode klasifikasi, dimana hasil crop
obyek yang ditemukan dengan mudah
diproses
pada
classifier
yang
dikehendaki.
x adalah data yang akan di cluster
x ... x1m
X 11
xn1 ...xnm
Dan V adalah matriks pusat cluster
v11 ... v1m
V
(4)
vc1 ... vcm
Fuzzy C-Means (FCM)
Fuzzy C-Means adalah suatu teknik
peng-cluster-an data dimana keberadaan
dari tiap-tiap titik data pada suatu cluster
ditentukan oleh derajat keanggotaan.
Teknik ini pertama kali diperkenalkan
oleh Jim Bezdek pada tahun 1981.
Konsep dasar FCM, pertama kali
adalah menentukan pusat cluster, yang
akan menandai lokasi rata-rata untuk
tiap-tiap cluster. Pada kondisi awal, pusat
cluster ini masih belum akurat. Tiap-tiap
titik data memiliki derajat keanggotaan
untuk tiap-tiap cluster. Dengan cara
memperbaiki pusat cluster dan derajat
keanggotaan tiap-tiap titik data secara
berulang, maka akan dapat dilihat bahwa
pusat cluster akan bergerak menuju
lokasi yang tepat.
Perulangan ini didasarkan pada
minimasi
fungsi
obyektif
yang
menggambarkan jarak dari titik data yang
diberikan ke pusat cluster yang terbobot
oleh derajat keanggotaan titik data
tersebut.
Output dari FCM bukan merupakan
fuzzy
inference
system,
namun
merupakan deretan pusat cluster dan
beberapa derajat keanggotaan untuk tiaptiap titik data.
Fungsi obyek yang digunakan pada
FCM adalah:
jw (U ,V ; X ) ik (dik )2
n
c
Nilai Jw terkecil adalah yang terbaik,
sehingga :
jw* (U * , V * ; X ) min Mfc J (U , V ; X )
Dengan w (1.00),
m
dik d ( xkVi ) ( xkj vij )
j1
(5)
Euclidean Distance
Euclidean Distance merupakan
metode statistika yang digunakan untuk
mencari data yang terdekat antara
parameter
data
referensi
dengan
parameter data baru.
Parameter referensi : R1, R2, R3,
.... Rim dimana i = jumlah region dan R
= data pada tiap region. Sedangkan data
baru: R1’, R2’, R3’, ....Rn’, dimana n =
jumlah region dan R = data pada tiap
region, banyaknya jumlah region antara
data baru dengan parameter sampel harus
sama, sehingga i = n.
dR
( Ri Ri' )
2
(6)
Pada pemrosesan citra, nilai yang
dicari jarak perbedaannya adalah nilai
rata-rata RGB atau nilai biner dari setiap
komponen citra antara data input dan
data referensi. Analisa distance ini juga
dapat menentukan jarak diskriminan
terhadap data input dan referensi,
sehingga dapat mengetahui termasuk
dalam kelompok mana data input itu
berada, dan dapat diambil kesimpulan
pada proses analisanya. Nilai jarak yang
paling minimal merupakan citra yang
memiliki kemiripan dengan citra
referensi.
w
k 1 i 1
(3)
(1)
1
2
(2)
5
Register yang ada pada DB25 terdiri dari
3 jenis, antara lain :
1. Register Data
2. Register Control
3. Register Status
Komunikasi Parallel
Port parallel menyediakan metode
yang mudah untuk menghubungkan PC
dengan peralatan elektronik. Port parallel
merupakan port data di computer untuk
menstransmisi 8 bit data dalam sekali
clock.
Paralel port adalah port yang paling
banyak digunakan dalam interfacing
dengan berbagai macam peralatan
eksternal. Secara umum paralel port
terdiri dari 4 jalur kontrol, 5 jalur status
dan 8 jalur data.
Hubungan
pengkabelan
yang
umum digunakan yaitu konektor tipe
DB25. Konektor DB25 merupakan
konektor yang paling banyak dijumpai
pada paralel port PC sedangkan konektor
centronic dijumpai pada printer.
METODE PENELITIAN
Perancangan Perangkat Keras
Perancangan secara perangkat keras
dilakukan dengan membuat simulasi
maket rumah yang dilengkapi dengan
pintu otomatis, rangkaian driver motor
DC, rangkaian optocoupler sebagai
penerima data dari parallel port,
komunikasi
parallel
port
dan
perencanaan sistem secara keseluruhan.
Gambar rangkaian secara perangkat
keras untuk membuka pintu jika data
yang baru masuk cocok dengan database
dan tetap akan tertutup jika data yang
baru masuk tidak cocok dengan database.
Gambar 2. Pin – Pin Parallel Port
Paralel
port
yang
telah
distandarisasi dibawah standard IEEE
1284, pertama diperkenalkan pada tahun
1994. Standard tersebut didefinisikan
dalam 5 mode operasi, yaitu:
1. Mode kompabilitas (Compability
Mode)
2. Mode 4 bit (Nibble Mode)
3. Mode 8 bit (Byte Mode)
4. Mode
parallel
port
lanjutan
(Enhanced Paralel Port)
5. Mode kapabilitas diperluas (Extended
Capability Port)
Gambar 3. Rangkaian Perangkat Keras
Pembuka Pintu
Perancangan Perangkat Lunak
Perancangan secara perangkat
lunak menggunakan sebuah program
Visual Basic, dimana perangkat lunak ini
digunakan untuk menyimpan hasil
penangkapan objek yang bergerak yaitu
foto untuk dijadikan sebuah database.
6
Kegunaan dari database ini untuk
membandingkan dengan data baru yang
masuk, apakah data baru tersebut cocok
atau tidak dengan database yang ada.
Gambaran umum dari percobaan
dibagi menjadi banyak bagian yaitu :
Langkah dalam percobaan ini adalah
sebagai berikut :
1. Pengambilan data input dari sebuah
frame objek gambar yang sedang
bergerak menggunakan webcam.
Pengambilan data input dimaksudkan
untuk membuat sebuah database.
Yaitu dengan mengambil sebuah
frame objek gambar yang sedang
bergerak
menggunakan
kamera
digital. Jika frame objek sudah
didapatkan, maka dapat melakukan
penyimpanan untuk memperbanyak
database yang ada. Data yang dapat
disimpan dalam database mencapai
lebih dari 1000 database, yang
artinya database dapat menyimpan
data wajah lebih dari 1000 orang.
2. Pen-skala-an dilakukan karena input
yang didapatkan berukuran besar,
sehingga untuk mendapatkan objek
dengan pixel yang standar untuk
ukuran pixel image, dipilihlah objek
dengan ukuran 320 x 240 = 76800
pixel. Ukuran tersebut masih besar
jika harus menghitung keseluruhan
data yang ada, sehingga perlu pula
dilakukan pen-skala-an menjadi 1:15,
sehingga penghitungan data tidak
terlalu banyak dan akan memudahkan
dalam pemrosesan data tersebut.
Sehingga data yang berukuran kolom,
320/15 = 21, tetapi data ini tidak
digunakan keseluruhannya, tetapi 16
pixel untuk kolom. Data yang
berukuran baris 240/15 = 16 pixel
untuk baris (seluruh data akan
terbaca). Sehingga didapatkan 16 x
16 = 256 data pixel untuk 1 database
wajah yang terdeteksi
3. Segmentasi
digunakan
untuk
membedakan warna kulit dengan
warna background. Pada batasan
masalah ditentukan bahwa warna
background adalah biru sehingga
Mulai
Pengambilan Data
ObjekWajah
Penskalaan
Gray Scale
Segmentasi
Cropping
Kuantisasi
Ya
Verifikasi
Dikenal ?
Pintu terbuka
Tidak
Pintu tetap tertutup
Selesai
Gambar 4. Flowchart Perangkat Lunak
Menggunakan Microsoft Visual Basic
Rancangan Secara Blok Diagram
Dalam
perancangan
alat
identifikasi, dalam hal ini sensor untuk
mengambil gambar, diperlukan suatu
cara bagaimana suatu gambar yang
ditangkap oleh sensor dapat diolah oleh
komputer. Dari pengolahan tersebut, data
yang diperoleh kemudian dijadikan
acuan untuk melakukan suatu tindakan
seperti pada gambar berikut:
Sensor
Penangkapan
objek bergerak
Kom
puter
Buka/
Tutup
Pintu
Gambar 5. Blok Diagram Sistem
7
4.
5.
6.
7.
8.
penyebab
ketidakberhasilan
adalah
pendeteksian wajah sangat lambat
terhadap kecepatan objek bergerak.
Setelah menyelesaikan perencanaan
dan pembuatan alat, selanjutnya untuk
mengetahui serta meyakinkan bahwa
seluruh sistem perancangan perangkat
telah bekerja dengan baik, sehingga
dilakukan beberapa pengujian pada
setiap tahap.
Pengujian ini meliputi beberapa
tahap, yaitu:
1.
Pengujian Sensor penangkap
objek
Pengujian yang dilakukan adalah
menguji apakah sensor penangkap objek
dapat menangkap objek atau tidak. Jika
sensor penangkap objek dan program
Visual Basic bekerja, maka akan tampil
gambar sebuah objek.
untuk dapat menentukan posisi wajah
maka harus membuang warna biru
dan mengambil warna kulit yang
telah diasumsikan
Gray Scale dilakukan, karena gambar
yang terekam adalah gambar
berbentuk RGB atau berwarna,
sehingga
untuk
memudahkan
pemrosesan gambar tersebut di ubah
bentuknya menjadi gambar gray scale
Melakukan pendeteksian keberadaan
objek
sehingga
objek
dapat
dibedakan
dengan
background.
Pendeteksian ini dilakukan dengan
cara segmentasi warna kulit dan juga
melakukan cropping
Kuantisasi, yaitu mengambil data
pixel dari suatu objek gambar yang
sudah terekam untuk dimasukkan
kedalam sebuah database
Pembandingan data pixel dari object
yang baru dengan data yang ada pada
database.
Pembandingan
ini
menggunakan verifikasi dengan
algoritma Euclidean Distance dan
Fuzzy C Mean. Dan setelah
pembandingan
dilakukan,
data
tersebut dikirimkan ke komunikasi
paralel sehingga terjadi sebuah aksi
yang berhubungan dengan kecocokan
data tersebut. Yaitu jika data cocok
maka pintu akan terbuka, tetapi jika
data tidak cocok, makan pintu akan
tetap tertutup. yang kemudian akan
dikirimkan
Hasil pendekatan suatu pencocokan
data yang didapat dengan data yang
tersimpan
akan
dikirimkan
komunikasi parallel.
2.
Pengujian pengambilan data
Tujuan dari pengujian adalah data
yang diambil dijadikan sebagai data
referensi sebagai pembanding dengan
data yang akan diambil nanti saat
pengujian. Program menyimpan data
secara otomatis data tersebut akan
tersimpan pada database yang sudah
dikoneksikan.
3.
Pengujian perangkat lunak
Tujuan dari pengujian adalah hasil
pengecekan satu objek dengan 20 kali
tes.
Tingkat
keberhasilan
dalam
menentukan target diharapkan melebihi
50% - 85%.
Perangkat lunak dapat mengenali objek
yang ditangkap oleh webcam yang sesuai
pada database dan dapat dikenali dengan
benar.
HASIL DAN PEMBAHASAN
4.
Pengujian
rangkaian
driver
motor
Tujuan dari pengujian adalah
mengetahui rangkaian motor dapat
bekerja dengan benar apabila diberi
Hasil dari penelitian berdasarkan
uji coba pada pengambilan data dari
setiap ciri wajah belum mendapatkan
hasil yang diharapkan. Kemungkinan
8
tegangan berupa pulsa. Input dari
optocoupler diberi tegangan 5Volt
sebagai pengganti logic 1 dari PC,
Output optocoupler menjadi input untuk
rangkaian driver.
Penelitian ini tidak hanya dapat
digunakan untuk aplikasi membuka pintu
saja, tetapi dapat pula digunakan pada
aplikasi lainnya yang membutuhkan
otoritas yang tinggi.
Serta untuk memperindah tampilan
program yang dibuat, mungkin tidak
hanya menggunakan Microsoft Visual
Basic, tapi dapat menggunakan program
lainnya.
KESIMPULAN DAN SARAN
Kesimpulan
Berdasarkan
hasil
pengujian,
didapat bahwa sistem dapat mengenali ciri
– ciri wajah dari 30 sampel member yang
terdapat pada database, didapatkan tingkat
keberhasilan mengenali ciri – ciri wajah
seseorang mencapai 80%.
Setelah menganalisa hasil tersebut
ada beberapa faktor kegagalan yang
ditimbulkan diantaranya, karena adanya
perbedaan kondisi lingkungan antara pada
saat pengambilan data referensi ciri – ciri
wajah dan pada saat software ini
dilakukan pengujian.
Untuk mendapatkan hasil yang
optimal, adalah dengan menambah jumlah
data referensi. Semakin banyak data
referensi yang diambil, semakin kecil
jarak kedekatan antara citra input dan
pusat cluster.
Pada saat pengujian dilakukan,
posisi wajah tidak terlalu banyak bergerak
untuk mendapatkan data input yang baik .
DAFTAR PUSTAKA
1)
2)
3)
4)
5)
6)
Saran
Hasil pendeteksian masih kurang
memuaskan, dilihat dari hasil pencapaian
kecocokan antara database dengan data
yang baru masuk belum mencapai 100%.
Sehingga
diharapkan
akan
ada
pengembangan lebih lanjut tentang
penelitian ini, misalnya dengan membuat
setiingan suatu objek yang disimpan di
perbesar,
meskipun
harus
memperhitungkan kecepatan respon
antara database dengan data yang baru
masuk.
7)
8)
9
--,
http://www.Biometricgroup.com/e/z
ephyr_charts.htm, 2001.
Achmad Basuki, Jozua F. Palandi,
dan Fatchurrochman, Pengolahan
Citra Digital Menggunakan Visual
Basic, Graha Ilmu, 2005.
Bambang Hariyanto, Ir., Sistem
Operasi, Edisi 2, Informatika,
Bandung, 1999.
Bima Sena Bayu Dewantara, SST,
Materi Image Prosesing dan
Aplikasinya,
Pelatihan
Image
Prosesing, Surabaya, 2006.
Darma Putra, Sistem Identifikasi
Wajah Dengan Metode Wavelet,
Majalah Ilmiah Teknologi Elektro
Udayana ISSN : 16932951 Vol. 3/
No.1 Januari – Juni, 2004.
Edi Satriyanto,Golan, Pengendalian
Robot Dengan Isyarat Tangan,
Final Project EEPIS ITS, 2003.
Eri Prasetyo dan Isma Rahmatun,
Design Sistem Pengenalan wajah
dengan variasi ekspresi dan posisi
menggunakan metode Eagenface,
Universitas
Gunadarma.
http://pusatstudi.gunadarma.ac.id/ps
citra.
Juan Wachs,U. Kartoun,Helman
Sterm,dan Yael Edan, Real-Time
Hand Gesture Telerobotic System
Using
the
Fuzzy
C-Means
12) Leong, Marlon, Pemrograman
Dasar Microsoft Visual Basic
.NET, ANDI Yogyakarta, 2004.
13) Linda G Shapira dan George C.
Stockman,
Computer
Vision,
PrenticeHall, 2001.
14) Munir Rinaldi, Pengolahan Citra
Digital
dengan
Pendekatan
Algoritmik, Informatika Bandung,
2004.
15) Satriyanto Edi, Identifikasi Isyarat
Tangan
Sebagai
Pengendali
Telerobotik Secara Real-Time,
Tesis
Program
Pascasarjana
Matematika Fakultas Matematika
dan Ilmu Pengetahuan Alam, Institut
Teknologi Sepuluh Nopember,
2006.
Clustering Algorithm, Department
of Industrial Engineering and
Management Ben-Gurion University
of the Negev, 2004.
9) Jure Kovaˇc, Peter Peer, dan Franc
Solina, Human Skin Colour
Clustering for Face Detection,
Faculty
of
Computer
and
Information Science University of
Ljubljana
10) Kartika Gunadi dan Sonny RP,
Pembuatan Perangkat Lunak
Pengenalan Wajah Menggunakan
Principal Components Analysis,
Universitas Kristen Petra, Jurnal
Informatika Vol.2 No.2, 2001.
11) Kusumadewi Sri, Analisis dan
Desain
Sistem
Fuzzy
Menggunakan Tool Box Matlab,
Graha Ilmu, 2002.
10
MENGENALI CIRI-CIRI WAJAH SESEORANG MENGGUNAKAN
METODE EUCLIDEAN DISTANCE Dan FUZZY C-MEAN
Purnawarman Musa 1)
Nur Yuliani 1)
Missa Lamsani 1)
1)
Dosen Jurusan Sistem Komputer
Fakultas Ilmu Komputer dan Tehnologi Informasi
Universitas Gunadarma
ABSTRAK
Biometrik adalah suatu metode yang secara automatisselalu dipunyai dan menjadi
ciri khas setiap manusia dengan menganalisa secara statistik karakteristik biologis manusia.
Ciri khas tersebut dapat dilihat dari karakter fisik, misalnya sidik jari, raut / ciri-ciri wajah
dan retina mata; serta yang dilihat dari karakteristik tingkah laku, misalnya tanda tangan dan
suara.
Raut / ciri-ciri wajah dapat digunakan untuk mengindra dari metode biometrik yang
ada. Karena raut / ciri-ciri wajah memiliki ciri khas yang bisa membedakan antara satu
manusia dengan manusia yang lainnya. Sehingga raut / ciri-ciri wajah juga dapat digunakan
sebagai alat pengaman (password). Penggunaan biometric ini dipandang memiliki tingkat
keamanan yang lebih tinggi dibandingkan dengan sistem tradisional yang menggunakan
password atau ID Card untuk autentikasi pada pengaksesan suatu area dengan
membandingkan ciri-ciri wajah yang sudah tersimpan dalam database dengan data baru yang
masuk. Jika hasil perbandingan sama / cocok, maka dapat membuka pintu, tetapi jika tidak
sama maka pintu akan tetap tertutup.
Hasil penelitian adalah suatu sistem yang dapat mendeteksi dan mengenali ciri - ciri
wajah seseorang dengan bantuan kamera webcam. Pengenalan wajah tersebut menggunakan
bahasa pemograman Microsoft Visual Basic 6.0. Algoritma yang digunakan pada pengenalan
ciri – ciri wajah yang dapat membedakan wajah seseorang dengan orang lain menggunakan
algoritma Fuzzy Cluster Mean. Gambar seseorang yang diterima sensor penangkap objek
bergerak akan diproses oleh komputer menggunakan ”image processing program”. Metode
yang digunakan untuk menghitung kecocokan ciri wajah menggunakan Euclidean Distance.
Kata kunci : Pengolahan Citra, Biometrik, Euclidean Distance, Fuzzy C-Mean
biologis yang selalu dipunyai dan
menjadi ciri khas setiap diri manusia.
Pencirian dan penandaan tersebut dikenal
sebagai biometrik.
Ciri khas tersebut dapat dilihat dari
karakteristik fisik, misalnya sidik jari,
raut wajah, retina mata, tanda tangan dan
suara. Penggunaan teknologi informasi
dalam penandaan biometrik dapat
PENDAHULUAN
Pengamanan sangat diperlukan
dalam kegiatan sehari-hari, terutama jika
menyangkut suatu otoritas. Salah satu
bentuk dari pengamanan yang sulit untuk
ditiru, dibuka atau dimodifikasi oleh
orang
lain
adalah
menggunakan
pencirian otomatis dari karakteristik
1
digunakan dalam model identifikasi,
dimana
sistem
biometrik
mengidentifikasi setiap orang dan
melakukan pencarian melalui kode yang
sama pada database yang telah disusun.
Penggunaan biometric ini dipandang
memiliki tingkat keamanan yang lebih
tinggi dibandingkan dengan sistem
tradisional yang menggunakan password
atau ID Card untuk autentikasi pada
pengaksesan suatu sistem. Raut wajah /
ciri-ciri wajah dapat digunakan pada
pengamanan (password). Penggunaan
ciri-ciri wajah dalam pengamanan adalah
hal yang memungkinkan untuk tidak
terjadinya pembobolan kerahasiaan oleh
orang-orang yang tidak berkepentingan.
Karena pada prinsipnya setiap ciri-ciri
wajah manusia memiliki ciri khas
tersendiri yang berbeda antara satu
manusia dengan manusia lainnya.
password sehingga hanya orang yang
berhak sajalah yang dapat menggunakan
sumber daya yang diperlukannya. Dan
keamanan internal meliputi keamanan
yang berkaitan dengan keamanan
beragam kendali yang dibangun pada
perangkat keras (hardware) dan sistem
operasi yang menjamin operasi yang
handal dan tidak terkorupsi untuk
menjaga integritas program dan data,
biasanya keamanan jenis ini dibangun
secara perangkat lunak (software).
Biometrik
Kebanyakan sistem keamanan
menggunakan sebuah perlindungan yang
akan mendefinisikan pemakai, sehingga
sistem keamanan mengetahui identitas
dari pemakai. Masalah identifikasi
pemakai ini disebut sebagai otentifikasi
pemakai (user authentication). Metode
otentifikasi yang biasa digunakan yaitu :
sesuatu yang diketahui oleh pemakai,
misalnya password, kombinasi kunci,
nama kecil dan sebagainya. Sesuatu yang
dimiliki pemakai seperti kartu identitas,
kunci dan sebagainya. Dan sesuatu
mengenai / merupakan ciri dari pemakai,
contohnya sidik jari, raut / cirri-ciri
wajah, retina mata, tanda tangan, suara
dan lain-lain.
Ciri dari pemakai tersebut dikenal
sebagai biometrik. Biometrik adalah
suatu metode yang secara otomatis selalu
dipunyai dan menjadi ciri khas setiap
manusia dengan menganalisa secara
statistik dari karakteristik biologis
manusia. Ciri khas tersebut dapat dilihat
dari karakter fisik, misalnya sidik jari,
raut / ciri-ciri wajah, retina mata dan
dilihat dari karakteristik tingkah laku,
misalnya tanda tangan dan suara,
TINJAUAN PUSTAKA
Keamanan Sistem
Keamanan sistem diperlukan untuk
menjamin sumber daya agar tidak
digunakan atau dimodifikasi oleh orang
yang tidak berhak. Keamanan meliputi
masalah teknis, manajerial, legalitas dan
politis.
Keamanan
sistem
dapat
dikelompokkan menjadi tiga kelompok,
yaitu keamanan eksternal (external
security), keamanan interface pemakai
(user interface security) dan keamanan
internal (internal security).
Keamanan
eksternal
meliputi
keamanan yang berkaitan dengan
fasilitas komputer dari penyusup dan
bencana alam seperti kebakaran dan
kebanjiran.
Sedangkan
keamanan
interface pemakai meliputi keamanan
yang berkaitan dengan identifikasi
pemakai sebelum pemakai diijinkan
mengakses program dan data yang
disimpan,
contohnya
penggunaan
Pengolahan Citra
Image merupakan informasi yang
secara umum tersimpan dalam bentuk
pemetaan bit – bit, atau lebih dikenal
2
sebagai bitmap, setiap bit membentuk
satu titik informasi yang dikenal sebagai
pixel. Atau dengan kata lain, satu pixel
merupakan satu titik image yang terdiri
dari satu atau beberapa bit informasi.
Satuan
dari
pixel
biasanya
dinyatakan dengan posis x, posisi y dan
nilai dari pixel tersebut (warna atau
gray). Dalam satu bidang gambar,
sepenuhnya terdiri dari pixel – pixel
disimpan dalam bentuk bilang biner.
Disebut biner karena hanya memiliki dua
kemungkinan, 0 atau 1, ada atau tidak.
Video adalah susunan dari beberapa
gambar
yang
ditampilkan secara
bergantian dan sangat cepat, sehingga
membentuk suatu pergerakan yang halus.
Biasanya gambar yang disusun berasal
dari gambar dalam bentuk image (bukan
grafik). Pengertian Video biasanya
mengacu pada proses atau teknologi dari
sistem gambar bergerak.
Penggunaan pixel biner
ini
dimaksudkan untuk menyederhanakan
proses dengan hanya memperhatikan ada
atau tidak. Selain itu, penggunaan biner
juga memperkecil data baik saat
dikirimkan atau saat disimpan, termasuk
juga saat diproses.
Gray scale dan biner sebenarnya
memiliki kemiripan, hanya saja kalau
biner hanya memiliki 2 kemungkinan
nilai, tetapi gray scale memiliki lebih
banyak kemungkinan nilai, misalkan 4,
16 atau 256 kemungkinan.
Gray scale banyak digunakan jika
adanya perbedaan intensitas antara satu
pixel dengan pixel lainnya sangat
dipentingkan. Hal ini terutama jika obyek
yang diamati memiliki perbedaan
intensitas yang cukup kecil dengan
berbagai
tingkat
kecerahan.
Jika
digunakan
pixel
biner,
maka
kemungkinan perbedaan - perbedaan
tersebut akan hilang hanya menjadi hitam
atau putih.
Pengubahan dari format warna ke
gray level banyak dilakukan dengan
tujuan penyederhanaan format warna,
dimana dalam penggunaannya tidak
diperlukan atau dipentingkan informasi
warna yang ada, tetapi hanya perbedaan
intensitas dari image. Selain itu,
pengolahan image dalam bentuk gray
scale memiliki kemudahan dibandingkan
dengan format warna.
Cara deteksi suatu image yang
paling umum digunakan adalah cara
scaling, scanning dan cropping.
Pemilihan faktor penskalaan yang
sesuai akan mempercepat operasi kerja
tanpa mengurangi kinerja sistem. Contoh
pada gambar sebelumnya, jika dilakukan
penskalaan 1:8, ternyata image aslinya
cukup buruk, namun dengan faktor 1:5
didapatkan hasil yang lebih baik, dan
kecepatan yang didapatkan kurang 5 x 5
= 25 (kecepatan keseluruhan sistem
sangat dipengaruhi oleh proses-proses
yang lain) kali jika dibandingkan dengan
pemrosesan image aslinya.
Untuk menentukan sebenarnya
berapa nilai yang terbaik adalah
berdasarkan kebutuhan, antara kecepatan
dan ketelitian. Jika menginginkan
ketelitian, maka harus ditentukan
penskalaan yang sedemikian rupa
sehingga hasil image yang diamati secara
visual masih terlihat dengan baik, ini
biasanya tergantung dari ukuran image
dan detil dari bentuk image tersebut.
Sebagai contoh, pada gambar
sebelumnya memiliki ukuran 200 x 80
pixel, sebut saja ukuran dari obyek
sebesar itu. Jika dilakukan penskalaan
1:5, artinya akan didapatkan obyek
dengan ukuran 40 x 16 pixel, dan jika
dilakukan
penskalaan
1:8
akan
didapatkan obyek dengan ukuran 25 x
10.
Jika bentuk dari obyek cukup
kompleks (seperti tulisan pada contoh
tersebut), ukuran dari obyek yang sesuai
3
sekitar 10 sampai 20 pixel (ambil saja 16
pixel), sedangkan jika suatu obyek
bentuknya sangat kasar (lingkaran, kotak
dan sebagainya,
di sini hanya
dipentingkan keberadaannya saja, bukan
bentuknya), ukuran yang sesuai adalah 5
sampai 15 pixel (ambil saja 8 atau 10
pixel).
daerah dan membandingkannya dengan
warna yang dikehendaki. Pada tahapan
membandingkan ini, dapat menggunakan
berbagai cara yang ada, mulai dari
berbasis matematis sederhana, statistik
ataupun kecerdasan buatan.
Jika obyek yang akan dideteksi
dipastikan hanya berjumlah satu, artinya
dalam penangkapan image nantinya
kemungkinan hanya ada satu obyek yang
akan muncul, maka proses deteksinya
menjadi sederhana. Inipun masih bisa
dibedakan antara obyek yang posisinya
tertentu dan obyek yang posisinya tidak
tentu.
Jika obyek posisinya sudah tentu
pada sensor, maka proses deteksi
dilakukan cukup dengan mengamati
daerah tersebut, tanpa menghiraukan
daerah lainnya. Contoh dalam aplikasi
mengamati obyek yang berjalan pada
suatu bab berjalan (conveyor), maka
lintasan dari obyek sudah tertentu.
Dengan memastikan obyek akan melintas
pada titik tertentu, maka proses deteksi
dapat dipusatkan pada titik tersebut.
Jika obyek ternyata menempati
posisi yang tidak tentu, maka harus
dilakukan proses pencarian. Proses
pencarian dapat dilakukan dengan dua
cara, melakukan scanning di seluruh
daerah image, atau langsung menentukan
titik tengah (titik berat) dari obyek yang
ada di layar.
Dengan
cropping,
cara
ini
mengharuskan program untuk mencari
pixel demi pixel, area demi area, ukuran
demi ukuran dari seluruh bagian image.
Jika suatu obyek berhasil ditemukan,
bagian image yang bertepatan dengan
obyek tersebut akan dipotong untuk
diproses pada bagian berikutnya.
Kelebihan dari cara ini,
Posisi dari obyek dapat bebas
Jumlah dari obyek dapat lebih dari
satu
Ukuran dari obyek dapat bebas
Gambar 1. Image 200 x 80 di–skala 1:5
dan 1:8
Dengan memperkecil ukuran image
asli akan dapat mempercepat proses
perhitungan secara keseluruhan. Namun
cara ini juga dapat menurunkan kinerja
dari sistem, dimana suatu image yang
semula memiliki jumlah pixel yang besar
akan memiliki bentuk yang detil, dengan
dilakukan penskalaan akan didapatkan
bentuk gambar yang kurang detil.
Pencarian berdasarkan scanning
memiliki kelebihan tersendiri, yaitu lebih
cepat (kalau obyek yang dicari dekat
dengan titik awal) dan mudah tetapi tidak
akurat. Artinya untuk memastikan
apakah pada suatu daerah benar-benar
ada obyek harus dilakukan pemeriksaan
yang lebih mendalam pada daerah-daerah
tertentu yang dideteksi.
Hal ini tentu saja menyebabkan
proses menjadi lambat. Kelebihan lain
dari proses scanning adalah metode
klasifikasi atau identifikasi dari proses
deteksi dapat beragam, artinya dapat
menggunakan berbagai metode.
Jika suatu obyek dapat diketahui
berdasarkan ciri warnanya saja, maka
dapat digunakan metode segmentasi
warna. Metode ini secara umum
digunakan untuk memisahkan suatu
warna terhadap warna lainnya. Inti dari
segmentasi warna adalah membaca
warna pixel demi pixel atau daerah demi
4
Dapat menggunakan berbagai
metode klasifikasi, dimana hasil crop
obyek yang ditemukan dengan mudah
diproses
pada
classifier
yang
dikehendaki.
x adalah data yang akan di cluster
x ... x1m
X 11
xn1 ...xnm
Dan V adalah matriks pusat cluster
v11 ... v1m
V
(4)
vc1 ... vcm
Fuzzy C-Means (FCM)
Fuzzy C-Means adalah suatu teknik
peng-cluster-an data dimana keberadaan
dari tiap-tiap titik data pada suatu cluster
ditentukan oleh derajat keanggotaan.
Teknik ini pertama kali diperkenalkan
oleh Jim Bezdek pada tahun 1981.
Konsep dasar FCM, pertama kali
adalah menentukan pusat cluster, yang
akan menandai lokasi rata-rata untuk
tiap-tiap cluster. Pada kondisi awal, pusat
cluster ini masih belum akurat. Tiap-tiap
titik data memiliki derajat keanggotaan
untuk tiap-tiap cluster. Dengan cara
memperbaiki pusat cluster dan derajat
keanggotaan tiap-tiap titik data secara
berulang, maka akan dapat dilihat bahwa
pusat cluster akan bergerak menuju
lokasi yang tepat.
Perulangan ini didasarkan pada
minimasi
fungsi
obyektif
yang
menggambarkan jarak dari titik data yang
diberikan ke pusat cluster yang terbobot
oleh derajat keanggotaan titik data
tersebut.
Output dari FCM bukan merupakan
fuzzy
inference
system,
namun
merupakan deretan pusat cluster dan
beberapa derajat keanggotaan untuk tiaptiap titik data.
Fungsi obyek yang digunakan pada
FCM adalah:
jw (U ,V ; X ) ik (dik )2
n
c
Nilai Jw terkecil adalah yang terbaik,
sehingga :
jw* (U * , V * ; X ) min Mfc J (U , V ; X )
Dengan w (1.00),
m
dik d ( xkVi ) ( xkj vij )
j1
(5)
Euclidean Distance
Euclidean Distance merupakan
metode statistika yang digunakan untuk
mencari data yang terdekat antara
parameter
data
referensi
dengan
parameter data baru.
Parameter referensi : R1, R2, R3,
.... Rim dimana i = jumlah region dan R
= data pada tiap region. Sedangkan data
baru: R1’, R2’, R3’, ....Rn’, dimana n =
jumlah region dan R = data pada tiap
region, banyaknya jumlah region antara
data baru dengan parameter sampel harus
sama, sehingga i = n.
dR
( Ri Ri' )
2
(6)
Pada pemrosesan citra, nilai yang
dicari jarak perbedaannya adalah nilai
rata-rata RGB atau nilai biner dari setiap
komponen citra antara data input dan
data referensi. Analisa distance ini juga
dapat menentukan jarak diskriminan
terhadap data input dan referensi,
sehingga dapat mengetahui termasuk
dalam kelompok mana data input itu
berada, dan dapat diambil kesimpulan
pada proses analisanya. Nilai jarak yang
paling minimal merupakan citra yang
memiliki kemiripan dengan citra
referensi.
w
k 1 i 1
(3)
(1)
1
2
(2)
5
Register yang ada pada DB25 terdiri dari
3 jenis, antara lain :
1. Register Data
2. Register Control
3. Register Status
Komunikasi Parallel
Port parallel menyediakan metode
yang mudah untuk menghubungkan PC
dengan peralatan elektronik. Port parallel
merupakan port data di computer untuk
menstransmisi 8 bit data dalam sekali
clock.
Paralel port adalah port yang paling
banyak digunakan dalam interfacing
dengan berbagai macam peralatan
eksternal. Secara umum paralel port
terdiri dari 4 jalur kontrol, 5 jalur status
dan 8 jalur data.
Hubungan
pengkabelan
yang
umum digunakan yaitu konektor tipe
DB25. Konektor DB25 merupakan
konektor yang paling banyak dijumpai
pada paralel port PC sedangkan konektor
centronic dijumpai pada printer.
METODE PENELITIAN
Perancangan Perangkat Keras
Perancangan secara perangkat keras
dilakukan dengan membuat simulasi
maket rumah yang dilengkapi dengan
pintu otomatis, rangkaian driver motor
DC, rangkaian optocoupler sebagai
penerima data dari parallel port,
komunikasi
parallel
port
dan
perencanaan sistem secara keseluruhan.
Gambar rangkaian secara perangkat
keras untuk membuka pintu jika data
yang baru masuk cocok dengan database
dan tetap akan tertutup jika data yang
baru masuk tidak cocok dengan database.
Gambar 2. Pin – Pin Parallel Port
Paralel
port
yang
telah
distandarisasi dibawah standard IEEE
1284, pertama diperkenalkan pada tahun
1994. Standard tersebut didefinisikan
dalam 5 mode operasi, yaitu:
1. Mode kompabilitas (Compability
Mode)
2. Mode 4 bit (Nibble Mode)
3. Mode 8 bit (Byte Mode)
4. Mode
parallel
port
lanjutan
(Enhanced Paralel Port)
5. Mode kapabilitas diperluas (Extended
Capability Port)
Gambar 3. Rangkaian Perangkat Keras
Pembuka Pintu
Perancangan Perangkat Lunak
Perancangan secara perangkat
lunak menggunakan sebuah program
Visual Basic, dimana perangkat lunak ini
digunakan untuk menyimpan hasil
penangkapan objek yang bergerak yaitu
foto untuk dijadikan sebuah database.
6
Kegunaan dari database ini untuk
membandingkan dengan data baru yang
masuk, apakah data baru tersebut cocok
atau tidak dengan database yang ada.
Gambaran umum dari percobaan
dibagi menjadi banyak bagian yaitu :
Langkah dalam percobaan ini adalah
sebagai berikut :
1. Pengambilan data input dari sebuah
frame objek gambar yang sedang
bergerak menggunakan webcam.
Pengambilan data input dimaksudkan
untuk membuat sebuah database.
Yaitu dengan mengambil sebuah
frame objek gambar yang sedang
bergerak
menggunakan
kamera
digital. Jika frame objek sudah
didapatkan, maka dapat melakukan
penyimpanan untuk memperbanyak
database yang ada. Data yang dapat
disimpan dalam database mencapai
lebih dari 1000 database, yang
artinya database dapat menyimpan
data wajah lebih dari 1000 orang.
2. Pen-skala-an dilakukan karena input
yang didapatkan berukuran besar,
sehingga untuk mendapatkan objek
dengan pixel yang standar untuk
ukuran pixel image, dipilihlah objek
dengan ukuran 320 x 240 = 76800
pixel. Ukuran tersebut masih besar
jika harus menghitung keseluruhan
data yang ada, sehingga perlu pula
dilakukan pen-skala-an menjadi 1:15,
sehingga penghitungan data tidak
terlalu banyak dan akan memudahkan
dalam pemrosesan data tersebut.
Sehingga data yang berukuran kolom,
320/15 = 21, tetapi data ini tidak
digunakan keseluruhannya, tetapi 16
pixel untuk kolom. Data yang
berukuran baris 240/15 = 16 pixel
untuk baris (seluruh data akan
terbaca). Sehingga didapatkan 16 x
16 = 256 data pixel untuk 1 database
wajah yang terdeteksi
3. Segmentasi
digunakan
untuk
membedakan warna kulit dengan
warna background. Pada batasan
masalah ditentukan bahwa warna
background adalah biru sehingga
Mulai
Pengambilan Data
ObjekWajah
Penskalaan
Gray Scale
Segmentasi
Cropping
Kuantisasi
Ya
Verifikasi
Dikenal ?
Pintu terbuka
Tidak
Pintu tetap tertutup
Selesai
Gambar 4. Flowchart Perangkat Lunak
Menggunakan Microsoft Visual Basic
Rancangan Secara Blok Diagram
Dalam
perancangan
alat
identifikasi, dalam hal ini sensor untuk
mengambil gambar, diperlukan suatu
cara bagaimana suatu gambar yang
ditangkap oleh sensor dapat diolah oleh
komputer. Dari pengolahan tersebut, data
yang diperoleh kemudian dijadikan
acuan untuk melakukan suatu tindakan
seperti pada gambar berikut:
Sensor
Penangkapan
objek bergerak
Kom
puter
Buka/
Tutup
Pintu
Gambar 5. Blok Diagram Sistem
7
4.
5.
6.
7.
8.
penyebab
ketidakberhasilan
adalah
pendeteksian wajah sangat lambat
terhadap kecepatan objek bergerak.
Setelah menyelesaikan perencanaan
dan pembuatan alat, selanjutnya untuk
mengetahui serta meyakinkan bahwa
seluruh sistem perancangan perangkat
telah bekerja dengan baik, sehingga
dilakukan beberapa pengujian pada
setiap tahap.
Pengujian ini meliputi beberapa
tahap, yaitu:
1.
Pengujian Sensor penangkap
objek
Pengujian yang dilakukan adalah
menguji apakah sensor penangkap objek
dapat menangkap objek atau tidak. Jika
sensor penangkap objek dan program
Visual Basic bekerja, maka akan tampil
gambar sebuah objek.
untuk dapat menentukan posisi wajah
maka harus membuang warna biru
dan mengambil warna kulit yang
telah diasumsikan
Gray Scale dilakukan, karena gambar
yang terekam adalah gambar
berbentuk RGB atau berwarna,
sehingga
untuk
memudahkan
pemrosesan gambar tersebut di ubah
bentuknya menjadi gambar gray scale
Melakukan pendeteksian keberadaan
objek
sehingga
objek
dapat
dibedakan
dengan
background.
Pendeteksian ini dilakukan dengan
cara segmentasi warna kulit dan juga
melakukan cropping
Kuantisasi, yaitu mengambil data
pixel dari suatu objek gambar yang
sudah terekam untuk dimasukkan
kedalam sebuah database
Pembandingan data pixel dari object
yang baru dengan data yang ada pada
database.
Pembandingan
ini
menggunakan verifikasi dengan
algoritma Euclidean Distance dan
Fuzzy C Mean. Dan setelah
pembandingan
dilakukan,
data
tersebut dikirimkan ke komunikasi
paralel sehingga terjadi sebuah aksi
yang berhubungan dengan kecocokan
data tersebut. Yaitu jika data cocok
maka pintu akan terbuka, tetapi jika
data tidak cocok, makan pintu akan
tetap tertutup. yang kemudian akan
dikirimkan
Hasil pendekatan suatu pencocokan
data yang didapat dengan data yang
tersimpan
akan
dikirimkan
komunikasi parallel.
2.
Pengujian pengambilan data
Tujuan dari pengujian adalah data
yang diambil dijadikan sebagai data
referensi sebagai pembanding dengan
data yang akan diambil nanti saat
pengujian. Program menyimpan data
secara otomatis data tersebut akan
tersimpan pada database yang sudah
dikoneksikan.
3.
Pengujian perangkat lunak
Tujuan dari pengujian adalah hasil
pengecekan satu objek dengan 20 kali
tes.
Tingkat
keberhasilan
dalam
menentukan target diharapkan melebihi
50% - 85%.
Perangkat lunak dapat mengenali objek
yang ditangkap oleh webcam yang sesuai
pada database dan dapat dikenali dengan
benar.
HASIL DAN PEMBAHASAN
4.
Pengujian
rangkaian
driver
motor
Tujuan dari pengujian adalah
mengetahui rangkaian motor dapat
bekerja dengan benar apabila diberi
Hasil dari penelitian berdasarkan
uji coba pada pengambilan data dari
setiap ciri wajah belum mendapatkan
hasil yang diharapkan. Kemungkinan
8
tegangan berupa pulsa. Input dari
optocoupler diberi tegangan 5Volt
sebagai pengganti logic 1 dari PC,
Output optocoupler menjadi input untuk
rangkaian driver.
Penelitian ini tidak hanya dapat
digunakan untuk aplikasi membuka pintu
saja, tetapi dapat pula digunakan pada
aplikasi lainnya yang membutuhkan
otoritas yang tinggi.
Serta untuk memperindah tampilan
program yang dibuat, mungkin tidak
hanya menggunakan Microsoft Visual
Basic, tapi dapat menggunakan program
lainnya.
KESIMPULAN DAN SARAN
Kesimpulan
Berdasarkan
hasil
pengujian,
didapat bahwa sistem dapat mengenali ciri
– ciri wajah dari 30 sampel member yang
terdapat pada database, didapatkan tingkat
keberhasilan mengenali ciri – ciri wajah
seseorang mencapai 80%.
Setelah menganalisa hasil tersebut
ada beberapa faktor kegagalan yang
ditimbulkan diantaranya, karena adanya
perbedaan kondisi lingkungan antara pada
saat pengambilan data referensi ciri – ciri
wajah dan pada saat software ini
dilakukan pengujian.
Untuk mendapatkan hasil yang
optimal, adalah dengan menambah jumlah
data referensi. Semakin banyak data
referensi yang diambil, semakin kecil
jarak kedekatan antara citra input dan
pusat cluster.
Pada saat pengujian dilakukan,
posisi wajah tidak terlalu banyak bergerak
untuk mendapatkan data input yang baik .
DAFTAR PUSTAKA
1)
2)
3)
4)
5)
6)
Saran
Hasil pendeteksian masih kurang
memuaskan, dilihat dari hasil pencapaian
kecocokan antara database dengan data
yang baru masuk belum mencapai 100%.
Sehingga
diharapkan
akan
ada
pengembangan lebih lanjut tentang
penelitian ini, misalnya dengan membuat
setiingan suatu objek yang disimpan di
perbesar,
meskipun
harus
memperhitungkan kecepatan respon
antara database dengan data yang baru
masuk.
7)
8)
9
--,
http://www.Biometricgroup.com/e/z
ephyr_charts.htm, 2001.
Achmad Basuki, Jozua F. Palandi,
dan Fatchurrochman, Pengolahan
Citra Digital Menggunakan Visual
Basic, Graha Ilmu, 2005.
Bambang Hariyanto, Ir., Sistem
Operasi, Edisi 2, Informatika,
Bandung, 1999.
Bima Sena Bayu Dewantara, SST,
Materi Image Prosesing dan
Aplikasinya,
Pelatihan
Image
Prosesing, Surabaya, 2006.
Darma Putra, Sistem Identifikasi
Wajah Dengan Metode Wavelet,
Majalah Ilmiah Teknologi Elektro
Udayana ISSN : 16932951 Vol. 3/
No.1 Januari – Juni, 2004.
Edi Satriyanto,Golan, Pengendalian
Robot Dengan Isyarat Tangan,
Final Project EEPIS ITS, 2003.
Eri Prasetyo dan Isma Rahmatun,
Design Sistem Pengenalan wajah
dengan variasi ekspresi dan posisi
menggunakan metode Eagenface,
Universitas
Gunadarma.
http://pusatstudi.gunadarma.ac.id/ps
citra.
Juan Wachs,U. Kartoun,Helman
Sterm,dan Yael Edan, Real-Time
Hand Gesture Telerobotic System
Using
the
Fuzzy
C-Means
12) Leong, Marlon, Pemrograman
Dasar Microsoft Visual Basic
.NET, ANDI Yogyakarta, 2004.
13) Linda G Shapira dan George C.
Stockman,
Computer
Vision,
PrenticeHall, 2001.
14) Munir Rinaldi, Pengolahan Citra
Digital
dengan
Pendekatan
Algoritmik, Informatika Bandung,
2004.
15) Satriyanto Edi, Identifikasi Isyarat
Tangan
Sebagai
Pengendali
Telerobotik Secara Real-Time,
Tesis
Program
Pascasarjana
Matematika Fakultas Matematika
dan Ilmu Pengetahuan Alam, Institut
Teknologi Sepuluh Nopember,
2006.
Clustering Algorithm, Department
of Industrial Engineering and
Management Ben-Gurion University
of the Negev, 2004.
9) Jure Kovaˇc, Peter Peer, dan Franc
Solina, Human Skin Colour
Clustering for Face Detection,
Faculty
of
Computer
and
Information Science University of
Ljubljana
10) Kartika Gunadi dan Sonny RP,
Pembuatan Perangkat Lunak
Pengenalan Wajah Menggunakan
Principal Components Analysis,
Universitas Kristen Petra, Jurnal
Informatika Vol.2 No.2, 2001.
11) Kusumadewi Sri, Analisis dan
Desain
Sistem
Fuzzy
Menggunakan Tool Box Matlab,
Graha Ilmu, 2002.
10