SISTEM ABSENSI MENGGUNAKAN SCAN KONTUR MATA METODE EIGENFACE STUDI KASUS PEGAWAI/KARYAWAN UPN VETERAN JATIM.

SISTEM ABSENSI MENGGUNAKAN SCAN KONTUR MATA
METODE EIGENFACE
STUDI KASUS PEGAWAI/KARYAWAN UPN VETERAN J ATIM
SKRIPSI

Oleh :

DONNY RAHMAD HARTANTO

NPM : 0834010022

TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J ATIM
2014

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

KATA PENGANTAR
Dengan mengucapkan puji syukur kehadirat Tuhan YME, yang telah

melimpahkan rahmat dan hidayah-Nya, sehingga dimudahkan dalam
penyelesaian pembuatan skripsi “SISTEM ABSENSI MENGGUNAKAN
SCAN KONTUR MATA DENGAN METODE EIGENFACE STUDI
KASUS PEGAWAI/KARYAWAN UPN VETERAN J ATIM”.
Adapun penyusunan penelitian ini merupakan salah satu syarat yang
harus ditempuh dalam kurikulum program S-1 Teknik Informatika dan
untuk memperoleh gelar Sarjana Komputer Teknik Informatika di Fakultas
Teknologi Industri UPN ”Veteran” Jawa Timur, Surabaya.
Laporan skripsi yang kami dapatkan tersusun atas kerja sama dan
berkat bantuan dari berbagai pihak. Oleh karena itu, pada kesempatan ini
kami mengucapkan terima kasih kepada :
1. Bapak Ir.Sutiyono, MT, selaku Dekan Fakultas Teknolog iIndustri UPN
“Veteran” JawaTimur.
2. Bapak Ir. Mu’tasimBillah, MS, selaku Wakil Dekan I Fakultas
Teknologi Industri UPN “Veteran” JawaTimur.
3. Ibu Dr. Ir. Ni Ketut Sari, MT, selaku Kepala Jurusan semoga Teknik
Informatika UPN “Veteran” JawaTimur.
4. Bapak Basuki Rahmat, S.Si. MT, selaku Dosen Pembimbing
Pertama (1) dalam skripsi ini.
5. Bapak Harianto S.KOM M.ENG, selaku Dosen Pembimbing kedua (2)

dalam skripsi ini.
6. Kepada Kedua orang tua tercinta, beserta teman-teman yang tidak
pernah berhenti memberikan dukungan moril dan materil serta doa yang
tulus di dalam menyelesaikan Laporan Skripsi ini.
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Akhir kata, Kami menyampaikan maaf atas kesalahan yang terdapat
dalam laporan skripsi ini, semoga dapat bermafaat bagi kita semua. Kritik
& saran yang bersifat membangun sangat diharapkan dari demi perbaikan
dan pengembangan dimasa yang akan datang, dan kami ucapkan
terimakasih.

Surabaya, 21 Februari 2014

[Penyusun]

ii
Hak Cipta © milik UPN "Veteran" Jatim :

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

DAFTAR ISI
Halaman
ABSTRAK ................................................................................................ i
KATA PENGANTAR ............................................................................. ii
DAFTAR ISI ............................................................................................. iii
DAFTAR GAMBAR ................................................................................ vi
DAFTAR TABEL .................................................................................... x
BAB I PENDAHULUAN ....................................................................... 1
1.1 Latar Belakang ......................................................................... 1
1.2 Rumusan Masalah .................................................................... 2
1.3 Batasan Masalah ....................................................................... 2
1.4 Tujuan Penelitian ...................................................................... 3
1.5 Manfaat Penelitian .................................................................... 3
1.6 Metode Penelitian ..................................................................... 4
BAB II TINJ AUAN PUSTAKA ............................................................ 6
2.1 Penelitian Terdahulu ................................................................. 6
2.1.2 Karekteristik Iris ........................................................ 6
2.1.3 Warna Dasar Iris Mata ............................................... 8

2.1.4 Binerisasi ................................................................... 9
2.1.5 Operasi Morphologi .................................................. 10
2.1.6 Rekronstruksi Look Up ............................................. 10
2.1.7 Transformasi Koordinat Polar .................................. 10
2.2 Citra ........................................................................................ 11
2.3 Pengenalan Pola ...................................................................... 16
iii

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Halaman
2.3.1 Komponen Sistem Pengenalan Pola ......................... 18
2.3.2 Pendekatan Pengenalan Pola ..................................... 19
2.4 Pengenalan Wajah (Face Recognition) .................................... 20
2.4.1 Eigenface ................................................................... 21
2.4.2 Transformasi Karhunen-loeve ................................... 21
2.4.3 Eigenvalue dan Eigenvector ...................................... 23
2.4.4 Mencari Eigenvector .................................................. 23
2.4.5 Algoritma Eigenfce .................................................... 25

2.4.6 Cara Kerja Algoritma Eigenfce .................................. 29
2.5 Dasar Teori Aplikasi .................................................................. 32
2.5.1 Pengertian Sistem ....................................................... 33
2.5.2 Pengertian Informasi .................................................. 33
2.5.3 Sistem Informasi ........................................................ 34
2.5.4 Power Designer 15 .................................................... 34
2.5.5 Microsoft Visual Basic 6.0 ........................................ 35
2.5.6 Komponen Microsoft Visual Basic 6.0 ..................... 37
2.5.7 Definisi Database ...................................................... 42
2.5.8 Microsoft Office Access ............................................ 43
2.5.9 Crystal Report ........................................................... 44
BAB III METODOLOGI DAN PENELITIAN ...................................

iv

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

48

Halaman
3.1 Dasar Analisis Sistem .............................................................. 48
3.2 Analisis Sistem ......................................................................... 48
3.3 Analisis Komponen Sistem ...................................................... 50
3.4 Pengertian Eigenface ................................................................ 54
3.4.1 Algoritma Eigenface ............................................... 54
3.4.2 Penyusun Flatvector Matriks Citra ......................... 54
3.4.3 Hitung Rataan Flatvektor ....................................... 55
3.5 Proses Database Grayscale ..................................................... 58
3.6 Proses Database Eigen ........................................................... 60
BAB IV HASIL DAN PEMBAHASAN ...............................................

63

4.1 Implementasi Sistem .………...................................................

63

4.1.1 Tampilan Mensetting DataBase (ODBC) .................. 63
4.1.2 Tampilan Sistem Deteksi Scan Kontur Mata ............. 66

4.1.3 Halaman Utama Menu Input .................................... 67
4.1.4 Halaman Utama Menu Input Data ............................ 67
4.1.5 Halaman Utama Menu Input Gambar/Foto .............. 68
4.1.6 Halaman Utama Menu Input Pencarian Data Gambar ..69
4.1.7 Halaman Utama Menu Input Proses Data Gambar/
Foto Menjadi Grayscale ................................................................... 70
4.1.8 Halaman Utama Menu Input Proses Menentukan Nilai
Matrik ................................................................................................. 70
v

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Halaman
4.1.9 Halaman Utama Menu Input Pencocokan Data Citra ... 71
4.1.10 Halaman Utama Menu Output ..................................... 71
4.2 Uji Coba Nilai Keakurasian Data ...........……………………….. 72
4.3 Cara Kerja Sistem Informasi ...........………………………......... 72
4.4 Kebutuhan Perangkat Keras .......................................................... 73
4.5 Kebutuhan Perangkat Lunak ......................................................... 73

4.6 Cara Kerja Algoritma Eiganface .................................................. 73
BAB V KESIMPULAN & SARAN

.......................................................... 79

5.1 Kesimpulan ............................................................................... 79
5.2 Saran ......................................................................................... 80
DAFTAR PUSTAKA

vi

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

ABSTRAK

Nama
: Donny Rahmad Hartanto
NPM
: 0834010022

Pembimbing 1
: Basuki Rahmat , S.Si.MT
pembimbing 2
: Harianto S.KOM M.ENG
Judul
: SISTEM ABSENSI MENGGUNAKAN SCAN KONTUR
MATA DENGAN METODE EIGENFACE STUDI KASUS PEGAWAI/KARYAWAN
UPN VETERAN JATIM.
Perkembangan teknologi saat ini memungkinkan membuat suatu sistem yang
dapat membantu manusia dalam pengenalan suatu citra digita. Salah satunya bidang yang
sekarang ini sudah mulai dikembangkan adalah pengenalan pola. Teknologi ini
mengidentifikasikan ciri-ciri khusus fisik seseorang. Contoh pengenalan pola misalnya
adalah pengenalan wajah (face recognition). Dalam sebuah penelitian ini menyatakan
pengenalan kontur mata menggunakan sebuah webcmaera untuk mengambil data
foto/gambar seseorang kenudian dibandingkan dengan data gambar/foto tersebut
kemudian diolah menjadi kode-kode yang dikenal dengan pengenalan pola.
Untuk

proses

selanjutnya

akan

dibahas

perancangan

algoritma

yang

memungkinkan pengolahan awal citra mata untuk dapat dikembangkan menjadi bentuk
antara iris sebuah sistem biometrik yang akurat. Algoritma pengolahan citra digital yang
dirancang akan dibagi kedalam beberapa tahap yaitu deteksi tepi canny, pencarian titik
pusat, dan perhitungan jari-jari iris yang kemudian dikembangkan untuk mengubah citra
menjadi bentuk antara citra polar iris.
Dari data yang ada memiliki nilai keakurasian sebesar 53,3%. Dikarenakan pada
saat dibandingkan dengan sample gambar/foto satu dengan yang lain memiliki tingkat
kesalahan pada saat melakukan testing data citra. Untuk itu di dalam pengambilan sebuah

data foto diperlukan ketepatan sehingga di saat melakukan proses scan yangning dapat
menghasilkan citra foto yang sama.

Kata Kunci : Eigenface, FlatVector, Matrik, Grayscale, Absensi, Mata, iris, pengolaahan
citra, Biometrik

i

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB I
PENDAHULUAN

1.1

LatarBelakang
Sebuah Universitas di jaman sekarang banyak yang menggunakan sebuah

sistem aplikasi untuk mendukung kinerja dan keakuratan pegawai/ karyawan
dalam presentase kehadiran. Kondisi ini lah yang membuat saya membuat suatu
sistem aplikasi absensi menggunakan scan kontur mata metode eigenface.
Umumnya pada sistem absensi karyawan sebuah universitas di surabaya
dengan mengisi buku absen atau lebih di kenal dengan menggunakan mesin
absensi. Mesin absensi itu sendiri menggunakan sebuah kartu dengan mencetak
tanggal, jam masuk serta jam pulang. Dilihat dari segi keamanan, sistem ini
mempunyai banyak kelemahan, antara lain adalah absen karyawan bisa di titipkan
oleh karyawan lainnya, dan jika kartu tersebut hilang maka karyawan tersebut
tidak bisa melakukan absensi. Hal ini tentu berakibat kerugian bagi karyawan.
Alternatife lain adalah dengan menggunakan absensi sidik jari sebagai pengganti
barcode. Akan tetapi dengan menggunakan sebuah absensi sidik jari masih
ditemukan beberapa kekurangan seperti ketidak mampuan mesin sidik jari mem
vertifikasi jari karyawan apabila jari karyawan itu kotor atau terluka dan juga
membutuhkan dana yang besar untuk membeli sebuah sistem absensi
menggunakan sidik jari (Munir, 2006).
Dengan sistem biometrik saat ini telah mencapai perkembangan yang luar
biasa. Dalam karya ilmiah ini akan dibahas perancangan algoritma yang
memungkinkan pengolahan awal citra mata untuk dapat dikembangkan menjadi
bentuk antara iris untuk sistem biometrik yang akurat. Algoritma pengolahan citra
digital yang dirancang dibagi ke dalam beberapa tahap yaitu dalam proses seperti
pengambilan ROI iris, deteksi tepi canny, pencarian titik pusat, dan perhitungan
jari-jari iris dikembangkan untuk mengubah citra menjadi bentuk antara citra
polar iris. Hasil pengolahan berupa bentuk antara inilah yang nantinya akan dapat
dengan mudah dianalisa untuk mendapatkan ciri yang dibutuhkan untuk
1

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2

klasifikasi dan vertifikasi. Pengujian yang dilakukan pada beberapa tahapan
bentuk gambar mata menunjukan bahwa algoritma yang dikembangkan dapat
diaplikasikan pada tahapan awal pemrosesan citra iris mata dan menghasilkan
bentuk citra polar yang siap digunakan untuk tahapan analisa berikutnya
(Gonzales dan Purwanto Ari, 2007).

1.2

PerumusanMasalah
Berdasarkan latar belakang di atas yang telah dituliskan oleh penulis

sebelumnya maka penulis mau mencoba untuk membuat sebuah sistem presensi
yang diberi dengan sedikit kecerdasan buatan berupa pengenalan bentuk struktur
tepi mata dengan algoritma Eigenface.
Adapun beberapa permasalahan yang ada sebagai berikut:
a) Bagaimana membangun sebuah sistem presensi yang menggunakan
sub-sistem pengenalan tepi mata pada absensi pegawai?
b) Bagaimana

membuat

sub-sistem pengenalan

tepi mata

yang

terintegrasi dengan sistem presensi?
c) Bagaimana proses mencocokan citra dari seseorang yang melakukan
sebuah absensi dengan data citra orang yang telah terdaftar
sebelumnya?

1.3

BatasanMasalah
Dalam penyusunan tugas akhir ini, untuk mengatasi permasalahan yang

ada maka penulis membatasi permasalahan sebagai berikut:
a) Sistem ini hanya menangkap citra tepi mata saja dengan latar belakang
ternormalisasi berwarna putih.
b) Citra yang dipakai untuk absensi tidak boleh kembar (mata kembar)
c) Ekspresif mata yang valid yaitu ekspresif mata normal.
d) Resolusi citra yang dipakai dibawah 160x120 dikarenakan akan
mempercepat proses nilai Eigen Value.
e) Sistem tetap menggunakan operator dikarenakan untuk memantau
jalanya sistem absensi ketika terdapat beberapa mata yang tidak sesuai.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

3

f) Kondisi mata tidak boleh cacat melainkan harus mata normal.
g) Hadware masukan yang dipakai adalah webcamera dengan resolusi
VGA minimal (640x480).
h) Citra yang dikenali untuk pengenalan pola tepi mata adalah citra
greyscale dengan rentang intensitas 0-255 atau setara 8bit.
i) Pengguna harus menentukan posisi tepi mata sekarang dengan
membandingkan dengan data posisi mata sebelumnya.
j) Citra masukan tidak boleh sebuah foto fisik pegawai.
k) Sistem harus diimplementasikan di dalam ruangan dengan intensitas
cahaya yang cukup.
l) BahasaPemrograman yang digunakanadalahMicrosoft Visual Basic
6.0.
m) Software pendukungmeliputiMicrosoft office 2010.
n) Proses cetak print (report)menggunakanActive Report8.5.
o) Database menggunakanMicrosoft Office Access 2007.

1.4

Tujuan Penelitian
Tujuanutamadari skripsi ini adalah bagaiman mengimplementasikan

sebuah sistem presensi yang mempunyai kecerdasaan buatan berupa sub-sistem
pengenalan tepi mata untuk absensi pegawai. Serta sebagai syarat pelengkap
untuk memenuhi Tugas Akhir diUniversitas Pembangunan Nasional Veteran
Jatim.

1.5

Manfaat Penelitian
Adapun manfaat dari pembuatan aplikasi pengenalan tepi mata ini adalah:
a) Dengan dibuatnya aplikasi ini maka dapat mempermudah pegawai dalam
proses absensi dikarenakan proses cepat, ringkas, akurat.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4

b) Membantu keamanan prosedur absensi dan citra bersifat unik karena setiap
mata memiliki karakterisitk tersendiri.
c) Membantu ketertiban pegawai dalam absensi dikarenakan adanya titip

absen yang memungkinkan adanya kartu pegawai hilang atau terlambat
dan sebagainya.
1.6

Metode Penelitian
Metode yang dilaksanakan dalam penelitian ini adalah:
a) Studi Literatur
Dilakukan dengan cara mencari segala macam informasi secara riset
keperpustakan dan mempelajari buku-buku yang berhubungan dengan
maslah yang dihadapi.
b) Pengumpulan dan Analisa Data
Pengumpulan data-data yang berhubungan dengan masalah data
analisa masalah sesuai dengan fakta-fakta yang ada. Maka dari
pengumpulan data tersebut dapat dilakukan analisa data yaitu dalam
proses pembuatan sistem presensi yang menggunakan pengenalan tepi
mata.
c) Perancangan Program
Melakukan analisa awal tentang sistem presensi yang akan dibuat yaitu
suatu pemecahan masalah yang dilakukan melalui sistem pengenalan
tepi mata dan bisa langsung mencocokan tepi mata yang diabsen
dengan data yang sudah tersimpan didalam database sistem.
d) Pengujian dan Analisa

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

5

Pengujian dan analisa dimaksudkan untuk mengetahui sejauh mana
sistem yang dibuat pada tugas akhir ini dapat berfungsi sesuai dengan
proses sistem yang diharapkan dan yang pasti sistem ini menggunakan
metode deteksi tepi dimana menggunakan algoritma Eigenface agar
dapat berjalan.
e) Kesimpulan
Dari uraian diatas dapat dibuat suatu kesimpulan yaitu proses tugas ak
saya buat ini apakah hasilnya akan sama dengan apa yang diharapkan
pada tugas akhir sebelumnya.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB II
TINJ AUAN PUSTAKA

2.1

Penelitian Terdahulu
Bentuk iris yang berupa lingkaran akan sangat menyulitkan untuk dianalisis dan

diolah lebih lanjut. Pola susunan piksel yang dianalisa harus mengikuti algoritma tertentu
yang memungkinkan pengambilan piksel dengan bentuk geometri lingkaran. Hal ini akan
sangat merepotkan dan tidak efisien. Untuk mengatasi hal tersebut kita harus terlebih dahulu
mengubah citra iris ke dalam bentuk antara yang sesuai. Pengubahan bentuk ini dapat
dilakukan dengan melakukan transformasi koordinat polar dari citra iris. Untuk dapat
melakukan transformasi tersebut, pertama harus dilakukan deteksi tepian perhitungan
parameter koordinat polar, baru kemudian dilakukan pembentukan citra koordinat polar itu
sendiri. Iris merupakan bagian yang berwarna yang tampak pada bola mata. Bagian iris terlihat
sebagai lingkaran mata yang melingkupi bagian hitam pupil dengan warna-warna tertentu
(Maltoni e Al, 2003). Perhatikan gambar 2.1 dibawah ini :

Gambar 2.1 Penampakan Iris pada bagian mata
2.1.2

Karakteristik Iris

Secara anatomi iris merupakan sebuah organ internal yang dilindungi, terletak dibelakang
kornea dan aqueous humour, serta berada di depan lensa mata.

6
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

7

Iris merupakan satu-satunya organ internal tubuh yang dapat terlihat dari luar. Iris dapat
terlihat cukup jelas pada jarak 1 meter (Munir, 2006). Perhatikan gambar 2.2 dibawah ini :

Gambar 2.2 Struktur Anantomi Mata
Bagian depan dari iris berbentuk tidak teratur, cendrung kasar serta memiliki alur tidak rata.
Bagian ini dibentuk oleh lapisan yang terdiri dari sel pigmen dan fibroblast. Bagian bawah
dari lapisan ini adalah jaringan ikat yang berkadar darah rendah (poorly vascularized) dengan
beberapa serat, fibroblast dan melanocyte. Bagian selanjutnya merupakan bagian yang kaya
akan supply darah tertutup oleh jaringan ikat yang longgar [Diambil dari Basic Histology 8th
edition oleh L. Carlos Junquerira, Jose Carneiro, Robert O. Kelley ISBN: 0-8385-0567-8]
Tekstur dari iris bersifat stokastik. Hal ini disebabakan karena morfologi iris sangat
bergantung pada kondisi awal pada fasa mesoderm embrionik, saat dimana iris mulai
berkembang. Bentuk fenotip dari dua iris yang bahkan mempunyai genotip yang sama
(misalnya pada dua orang yang kembar atau iris kiri dan kanan) akan tidak berkorelasi satu
sama lainnya (Gonzales and Woods 1992). Adapun karakteristik iris adalah

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

8

2.1.3 Warna Dasar Iris Mata

Gambar 2.3 Skema Warna Mata

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

9

2.1.4

Binerisasi

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

10

2.1.5 Operasi Morphologi

2.1.6 Rekonstruksi Look Up

2.1.7 Transfor masi Koordinat Polar

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

11

2.2 Citra

gray level

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

12

frame.
frame.

gray level
image sampling

gray level

gray-level quantization

gray level

Gambar 2.4 Gray Level

Red, Green, Blue).

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

13

Gambar 2.5 Susunan Warna RGB

image)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

14

(Computer Graphic).
Image Processing).
Pattern Recognation/Image Interpretation)

Gambar 2.6 Pengolahan Citra

picture

visualization

virtual reality

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

15

Gambar 2.7 Citra Fungsi Dua Variabel

noise)
filtering)

.

Gambar 2.8 Citra ( noise )

visual

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

16

Gambar 2.9 Perolehan Citra Digital
Komputer Vision

artificial intelligence

Computer vision
artificial intelligence

Komputer Vision
visual

human vision)

2.3 Pengenalan Pola
feature).

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

17

Voice recognition

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

18

Fingerprint identification
password

pin

Face identification

scanning

Handwriting identification

Optical Character Recognition (OCR)

counter

Robot vision

2.3.1 Komponen Sistem Pengenalan Pola

featurnya

Pre-processing

Feature

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

19

preprocessing

2.3.2 Pendekatan Pengenalan Pola

statistical

Statisikal
statistical

statistic

vector feature
feature)

probability denisty function
statistic
statistic

Sintaktik

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

20

structural
formal grammar

Neural
neural
statistic

sintaktik

neuron)
neuron
sinaptik
2.4 Pengenalan Wajah (Face Recognition)

feature-based

image-based.

Principal Compenent Analysis
(PCA)

wavelet

Eigenface

Fisherface.
database

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

21

image
image
Eigenface

Fisherface,

Eigenface

Fisherface.
fisherface
Eigenface
Fisherface

2.4.1 Eigenface
eigenface

Eigenwert”
wert”

eigen”

Eigenface
Principle Component Alalyis (PCA)

Eigenface

eigenvector

computer vision

Eigenface

standardize

face ingredient
Eigenface,

mxn
n
statistika multivariant

2.4.2 Transfor masi Karhunen-Loeve
Hotelling

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

mx

22

Hotelling
Hotelling

Principal Componen Analysis (PCA)
Karhuen-Loeve.Transformasi Karhuen-

Loeve

Karhuen-Loeve
ortonormal
vector eigen

Principal Component Analyis

2.10 Matriks Kovarian

2.11 Dekomposisi Eigen
Ф adalah selisih antara image (X) dengan nilai tengah (Ψ). Pilih sejumlah
m kolom dari matrik Ф yang berasosiasi dengan eigenface terbesar. Pemilihan
sejumlah m kolom dari matrik Ф ini menghasilkan metrics transformasi atau
matriks proyeksi kedalam feature baru y ( berdimensi m < n ) dengan
memproyeksikan x searah dengan Ф m sebagai berikut :

( 2.12 Proyeksi x searah )

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

23

Dengan kata lain metode PCA memproyeksi ruang asal ⁿ kedalam ruang baru yang
berdimensi lebih rendah m , yang mana sebanyak mungkin kandungan informasi asal tetap
dipertahankan untuk tidak terlalu banyak hilang setelah dibawa ke dimensi feature yang lebih
kecil. Di sini terlihat reduksi feature yang signifikan dari n buah menjadi m buah yang
tentunya akan sangat meringankan komputasi dalam proses pengenalan berikutnya.
2.4.3 Eigenvalue dan Eigenvector
Nilai Eigenvalue dari suatu matriks bujursangkar merupakan polynomial karakteristik
dari matriks tersebut; jika λ adalah eigenvalue dari A maka akan ekuivalen dengan persamaan
linier

(A – λI) v = 0 (dimana I adalah matriks identitas) yang memiliki pemecahan non-zero

v (suatu eigenvector), sehingga akan ekuivalen dengan determinan.
det (A – λ I) = 0

( 2.13 Determinan )

Fungsi p(λ) = det (A – Iλ ) adalah sebuah polynomial dalam λ karena determinan
dihitung dengan sum of product. Semua eigenvalue dari suatu matriks A dapat dihitung
dengan menyelesaikan persamaan pA(λ) = 0. Jika A adalah matriks ukuran n x n, maka pA
memiliki derajat n dan A akan memiliki paling banyak nbuah eigenvalue (Prasetyo, Eri, dan
Isna Rahmatun, 2006).
2.4.4 Mencari Eigenvector
Jika eigenvalue λ diketahui, eigenvector dapat dicari dengan memecahkan:
(A – λ I) v = 0

(2.14 Pencarian Eigenvector)

Dalam beberapa kasus dapat dijumpai suatu matriks tanpa eigenvalue, misalnya:

(2.15 Matrik tanpa eigenvalue)
dimana karakteristik bilangan polynomialnya adalah λ2 + 1 sehingga eigenvalue
adalah bilangan kompleks i, -i. Eigenvector yang berasosiasi juga tidak riil.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

24

Jika diberikan matriks:

(2.16 Matriks 2x2)

maka polynomial karakteristiknya dapat dicari sebagai berikut:

(2.17 Polynomial)

ini adalah persamaan kuadrat dengan akar-akarnya adalah λ = 2 dan λ= 3.
Adapun eigenvector yang didapat ada dua buah. Eigenvector pertama dicari dengan
mensubtitusikan λ = 3 ke dalam persamaan. Misalnya Y

0

adalah eigenvector yang berasosiasi

dengan eigenvalue λ= 3. Set Y 0dengan nilai:

(2.18 Matriks Y0)
Kemudian subtitusikan Y0 dengan v pada persamaan:
( A – λ I) v = 0

(2.19 Subtitusi Y0 dengan v)

sehingga diperoleh:
(2 – 3)X0 + (-Y0)

=0

0 + (3 – 3)Y0

=0

(2.20 Hasil Subtitusi)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

25

dapat disederhanakan menjadi:
-X0 -Y0 = 0 at au Y0 = -X0

(2.21 Penyederhanaan )

sehingga eigenvector untuk eigenvalue λ = 3 adalah:

(2.22 Eigenvalue)
Hubungan antara eigenvalue dan eigenvector dari suatu matriks digambarkan oleh
persamaan :
M x vi = λ i x vi

dimana

v

adalah

(2.23 Persamaan Eigenvector)
eigenvector

dari

matriks

Mx

dan

λ

adalah

eigenvalue.

Terdapat n buah eigenvector daneigenvalue dalam sebuah n x n matriks.
2.4.5 Algoritma Eigenface
Algoritma adalah urutan-urutan dari intruksi atau langkah untuk pengambilan keputusan
dalam pemecahan masalah. Sedangkan kata eigentaces berasal dari bahasa jerman
“eigenwert” dimana “eigen” artinya karakteristik dan “wert” artinya nilai. Eigenface adalah
salah satu algoritma vector pengenalan wajah yang berdasarkan pada (Principle Component
Analysis)

(PCA)

yang

dikembangkan

di

Massachuset

Institueb

of

Thecnology

(MIT). Principle Component Analysis (PCA) sering juga disebut sebagai metode KarhunenLoeve yang secara matematis dilakukan dengan mencari vector eigen dari matriks kovarian
sekumpulan citra wajah. Eigenface juga merupakan kumpulan dari eigenvector yang
digunakan untuk masalah computer vision pada pengenalan wajah manusia (Layman dalam
Al Fatta Hanif, 2009).
Dalam

istilah

Layman

eigenface

adalah

sekumpulan

standardized

face ingredient yang diambil dari analisis statistic dari banyak gambar wajah/mata. Dua
mata manusia kanan dan kiri dapat dipandang sebagai kombinasi dari mata-mata standart.
Mata seseorang biasa saja terdiri dari 10% dari mata satu kanan,

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

26

20% mata satu kiri, dan seterusnya sehingga jika ingin merekam mata seseorang
untuk pengenalan mata maka biasanya digunakan jauh lebih sedikit fitur dari pada yang
ditangkap oleh foto digital.
Untuk menghasilkan eigenface , citra digital dari mata manusia diambil pada kondisi
pencahayaan yang sama, kemudian dinormalisasi menjadi citra skala keabuan (gray scale)
dan kemudian diolah pada resolusi yang sama, dan kemudian diperlakukan sebagai vector
dimensi, dimana kompenennya diambil dari nilai-nilai yang memungkinkan pikselnya.
Eigenface

juga merupakan pendekatan antara eigenvalue dan eigenvector. Dengan

menggunakan pendekatan tersebut dilakukan klasifikasi untuk mengenali objek yang test
dengan objek yang telah tersimpan di database.
Algoritma Eigenface secara keseluruhan cukup sederhana. Image matrix (T)
direpresentasikan ke dalam sebuah himpunan matriks (Γ 1, Γ 2, …, Γ

M).

Cari nilai rata-rata (Ψ )

dan gunakan untuk mengekstraksi eigenvector (v) dan eigenvalue (α) dari himpunan matriks.
Gunakan nilai eigenvector untuk mendapat nilai eigenface dari image. Apabila ada image
baru atau test face (Γ

new),

untuk mengektraksi eigenvector (v), dan eigenvalue (α), kemudian

cari nilai eigenface dari image test face (Γ

new).

Setelah itu barulah image baru (Γ

new)

memasuki tahapan pengenalan dengan menggunakan metode euclidean distance. Alur
prosesnya dapat dilihat dari gambar 2.24

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

27
Start

Database

M ata

Training Im age X

E1=Eigenface x

Test Face Xn

E2=Eigenface Xn

E1 = E2

Tidak

YA
Tampilkan W 1 dan W 2

End

Gambar 2.24 Alur proses identifikasi image dengan eigenface
Algoritma selengkapnya adalah:
Tahapan perhitungan Eigenface:
Langkah pertama adalah menyiapkan data dengan membuat suatu himpunan S yang
terdiri dari seluruh training image (Γ 1, Γ 2, …, Γ
S = (Γ 1, Γ 2, …, Γ

M)

M)

(2.25 Himpunan S)

Langkah kedua adalah ambil nilai tengah atau mean (Ψ)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

28

(2.26 Mean)

Langkah ketiga kemudian cari selisih (Ф) antara

training image (Γi) dengan nilai

tengah (Ψ)
(2.27 Selisih nilai citra)
Langkah keempat adalah menghitung nilai matriks kovarian (C)

(2.28 Matriks kovarian C dan L)

Langkah kelima menghitung eigenvalue (λ) dan eigenvector (v) dari matriks kovarian
(C)
(2.29 Eigenvalue dan Eigenvector)
Langkah keenam, setelah eigenvector (v) diperoleh, maka eigenface (μ ) dapat dicari
dengan:

(2.30 Nilai Eigenface)

Tahapan Pengenalan :
Sebuah image wajah baru atau test face (Γ

new)

akan dicoba untuk dikenali, pertama

terapkan cara pada tahapan pertama perhitungan eigenface untuk mendapatkan nilai
eigenface dari image tersebut.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

29

(2.31 Nilai kumpulan Eigenface)

Gunakan metode Euclidean Distance untuk mencari jarak (distance) terpendek antara
nilai eigenface dari training image dalam database dengan eigenface dari image test face.

(2.32 Jarak terpendek dari basis data)
2.4.6 Cara Kerja Algoritma Eigenface
Cara kerjanya sama seperti pengenalan pola lainnya, pada algoritma ini dijelaskan
untuk mencari nilai tertentu pada suatu image yang memiliki eigenvalue yang sesuai dan
bernilai kecil karena lebih tepat pada proses matching-nya. Berikut merupakan langkahlangkah untuk menjelaskan bagaiman cara kerja algoritma eigenface:
a) Langkah pertama adalah proses penyusunan flat vektor dimana dalam menyusun
seluruh data training image menjadi satu bagian matriks tunggal. Misalnya image
yang kita simpan berukuran H x W piksel dan jumlahnya N buah, amka kita
memiliki flat vektor dengan dimensi N x (HxW).
Perhatikan contoh berikut ini.
Misalnya di dalam trainning image terdapat dua image dengan ukuran 3 x 3 piksel
maka kita akan mempunyai eigenvektor dengan ukuran 2 x 9. Dan perhatikan
penjelasan berikut:

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

30

Image Wajah A

2

2

2

2

2

2

Image Wajah B

4

4

4

4

4

4

2 2 2 2 2 2 2 2 2
4 4 4 4 4 4 4 4 4

Gambar 2.33 Penyusunan Flat Vektor
b) Langkah kedua adalah melakukan penghitungan rataan flat vektor, dimana flat
vektor yang diperoleh sebelumnya dijumlahkan barisnya sehingga diperoleh
matriks berukuran 1 x (H x W). Setelah itu bagi matriks tadi dengan jumlah image
N untuk mendapatkan rataan Flat Vektor.
2 2 2 2 2 2 2 2 2

Dijumlahkan

6 6 6 6 6 6 6 6 6

Dibagi Jumlah Image M at ching

3 3 3 3 3 3 3 3 3

Gambar 2.34 Penentuan Rataan Flat Vector
Langkah ketiga yaitu tentukan nilai eigenface yaitu dengan menggunakan rataan flatvektor
yang tadi kita susun. Caranya dengan mengurangi baris-baris pada matriks flatvektor dengan
rataan flatvektor. Jika didapatkan nilai dibawah nol, maka ganti nilainya

a) dengan nol (Nilai absolut 0 jika hasil pengurangan adalah minus dan 1 jika hasil
penjumlahan adalah lebih dari 0 maka hasilnya adalah plus).

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

31

2 2 2 2 2 2 2 2 2

4 4 4 4 4 4 4 4 4

3 3 3 3 3 3 3 3 3

3 3 3 3 3 3 3 3 3

M at riks Eigenface unt uk Trainning

0 0 0 0 0 0 0 0 0

Gambar 2.35 Perhitungan Eigenface
b) Langkah keempat atau langkah terakhir adalah proses mengidentifikasi, misalnya
diberikan citra yang akan diidentifikasi (testface), maka langkah identifikasinya
adalah sebagai berikut:
Kalkulasikan nilai eigenface untuk matriks testface, dengan cara yang sama
dengan penentuan eigenface untuk flatvektor.

4 4 4
Nilai Eigenface unt uk t est face

4 1 4

Testface
Flat vekt or unt uk t estface

4 4 4 4 1 4 4 4 4
3 3 3 3 3 3 3 3 3

4 4 4 4 1 4 4 4 4

Gambar 2.36 Perhitungan Nilai Eigenface untuk testface
Setelah nilai eigenface untuk testface diperoleh maka kita bisa melakukan identifikasi
dengan menentukan jarak (distance) terpendek dengan eigenface dari eigenvektor training
image. Caranya, tentukan nilai absolute dari pengurangan baris i pada matriks eigenface
training image

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

32

dengan eigenface dari testface, kemudian jumlahkan elemen-elemen penyusun vektor
yang dihasilkan dari pengurangan tadi dan ditemukan jarak d indeks i, lakukan untuk
semua baris dan cari nilai d dari yang paling kecil nilainya.

Eigenface unt uk mata A

0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1

Perhitungan distance antara mata a dengan tesface
0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1

Perhitungan distance antara mata b dengan tesface

1 1 1 1 0 1 1 1 1

Gambar 2.37 Proses identifikasi dengan input image testface
Kesimpulan terlihat dari gambar diatas, jarak antara mata B dengan testface
yang paling kecil, maka hasil dari identifikasi menyimpulkan bahwa testface lebih
mirip dengan mata B daripada mata A.Untuk itu diperlukan hasil test training agar
hasil yang didapat lebih akurat.
2.5 Dasar Teori Aplikasi
Pada

bahasan

berikut

akan

dijelaskan

tentang

sistem,

informasi,

sistem

informasi,aplikasi, Microsoft Visual Basic 6.0, Data Report, Microsoft Acces 2007.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

33

2.5.1 Pengertian Sistem
Sistem berasal dari bahasa Yunani yaitu “systema”, yang artinya “kesatuan”. Ditinjau
dari sudut katanya sistem berarti sekumpulan objek yang bekerja secara bersama-sama untuk
menghasilkan suatu metode, prosedur, serta teknik yang digambarkan dan diatur sedemikian
rupa sehingga menjadi berfungsi untuk mencapai suatu tujuan. Untuk mengetahui lebih
jelasnya tentang pengertian sistem, berikut ini beberapa pendapat ahli.
“Sistem adalah sekumpulan elemen yang saling terkait atau terpadu yang dimaksudkan
untuk mencapai suatu tujuan”.
“Sistem adalah sekelompok elemen-elemen yang berintegrasi dengan maksud yang
sama untuk mencapai suatu tujuan” (Raymond Mcleod, 2001). Dari beberapa pengertian di
atas diambil kesimpulan bahwa sistem adalah kumpulan atau kelompok yang saling terkait
untuk mencapai tujuan.
2.5.2 Pengertian Informasi
Informasi adalah data yang diolah menjadi suatu bentuk yang berarti bagi penerimanya
dan bermanfaat dalam pengambilan keputusan pada saat sekarang atau yang akan datang.
Informasi juga merupakan fakta-fakta atau data yang telah diproses sedemikian rupa atau
mengalami proses transformasi data sehingga berubah bentuk menjadi informasi. Untuk
mengetahui lebih jelas tentang pengertian informasi, berikut ini beberapa pendapat para ahli.
“informasi adalah data yang telah diklasifikasi atau diolah atau diinterpretasi untuk
digunakan dalam proses pengambilan keputusan”.
Dari beberapa pengertian di atas diambil kesimpulan bahwa informasi adalah kenyataan
yang menggambarkan suatu kejadian-kejadian dan kesatuan nyata yang digunakan dalam
mengambil keputusan.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

34

2.5.3 Sistem Infor masi
Sistem informasi dapat diartikan sebagai suatu sistem di dalam organisasi yang
merupakan kombinasi dari orang-orang, fasilitas, teknologi, media, prosedur prosedur, dan
pengendalian yang ditujukan untuk mendapatkan jalur kombinasi yang penting. Untuk
mengetahui lebih jelasnya tentang pengertian sistem informasi, berikut ini beberapa pendapat
ahli.
“Sistem informasi merupakan sistem di dalam suatu organisasi yang mempertemukan
kebutuhan pengolahan transaksi harian yang mendukung fungsi operasi organisasi yang
bersifat manajerial dengan kegiatan strategi dari suatu organisasi untuk dapat menyediakan
kepada pihak luar tertentu dengan laporan laporan yang diperlukan” (Abdul Kadir, 2003).
“Sistem informasi adalah kombinasi antar prosedur kerja, informasi, orang, dan
teknologi informasi yang diorganisasikan untuk mencapai tujuan dalam sebuah organisasi”
(Tata Sutabri, 2005).
Dari beberapa pengertian di atas diambil kesimpulan bahwa sistem informasi adalah
sistem di dalam suatu organisasi yang saling berhubungan untuk mendistribusikan informasi
untuk mengambil keputusan.
2.5.4 Power Designer 15
Power Designer adalah alat pemodelan perusahaan kolaboratif yang diproduksi oleh
Sybase. Power Designer berjalan di bawah Microsoft Windows sebagai aplikasi asli, dan
berjalan di bawah Eclipse melalui plugin. Power Designer mendukung model-driven desain
arsitektur perangkat lunak. Power Designer menggunakan format file pdm. Power Designer
juga memiliki support terhadap beberapa ikon di bawah ini:
a. Bisnis Proses Modeling (ProcessAnalyst) mendukung BPMN.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

35

b. Kode generasi (Java, C #, VB NET, Hibernate, EJB3, NHibernate, JSF).
c. Data modeling (bekerja dengan sistem RDBMS yang paling utama).
d. Pemodelan Data Warehouse (WarehouseArchitect).
e. Eclipse plugin.
f. Obyek pemodelan (UML 2.0 diagram).
g. Laporan generasi.
h. Repositori.
i. Persyaratan analisis.
j. Pemodelan mendukung XML XML Schema dan DTD standar.
k. Visual Studio 2005 / 2008 Addin.
2.5.5 Microsoft Visual Basic 6.0
Microsoft Visual Basic merupakan bahasa pemrograman yang berbasis Ms-Windows,
sebagai bahasa pemrograman yang mutakhir, Microsoft Visual Basic 6.0 didesain untuk
memanfaatkan fasilitas yang tersedia dalam Ms-Windows. Microsoft Visual Basic 6.0 juga
merupakan bahasa pemrograman Object Oriented Programming (OOP), yaitu pemrograman
yang berorientai objek.
Visual Basic merupakan salah satu software untuk membuat program yang cukup
sederhana tetapi banyak cakupan yang dapat dikerjakan, karena visual basic dapat mengakses
banyak software seperti Excel, Access dan sebagainya. Visual Basic lebih sederhana dari
pemrograman yang lain. Kesederhanaan visual basic terletak pada kemudahan membuat

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

36

bahasa pemrograman dan bentuk tampilan yang dikehendaki. Visual Basic ini merupakan
pengembangan bahasa basic yang diterapkan pada program yang berbasis windows.
Visual Basic 6.0 adalah salah satu development tools untuk membangun aplikasi dalam
lingkungan windows. Dalam pengembangan aplikasi, visual basic menggunakan pendekatan
visual untuk merancang user interface atau tampilan dalam bentuk form, sedangkan untuk
kodingnya menggunakan bahasa basic yang cenderung mudah dipelajari. Visual basic telah
menjadi tools yang terkenal bagi para pemula maupun developer.
Visual basic 6.0 merupakan perkembangan dari versi sebelumnya dengan beberapa
penambahan komponen yang sedang tren saat ini, seperti kemampuan pemrograman internet
dengan DHTML (Dynamic HyperText Mark Language), dan beberapa penambahan fitur
database dan multimedia yang semakin baik. Hingga saat ini dapat dikatakan bahwa Visual
Basic 6.0 masih merupakan pilihan utama di dalam membuat program aplikasi yang ada di
pasar perangkat lunak nasional. Hal ini disebabkan oleh kemudahan dalam melakukan proses
development dari aplikasi yang dibuat.
Secara umum ada beberapa manfaat yang diperoleh dari pemakaian program Microsoft
Visual Basic, diantaranya:
Dipakai dalam membuat program aplikasi bebasis windows
a. Dipakai dalam membuat obyek-obyek pembantu program, seperti fasilitas Help,
kontrol ActiveX, aplikasi internet, dan sebagainya.
b. Digunakan untuk menguji program (Debugging) dan menghasilkan program akhir
EXE yang bersifat Executable, atau dapat langsung dijalankan. (Subari &
Yuswanto, 2008).
Banyak fasilitas baru yang ditwarkan oleh Microsoft Visual Basic 6.0, diantaranya
penambahan koleksi fungsi, fasilitas Native Code, penambahan interface baru, dan lain-lain.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

37

Selain menyediakan tipe data sendiri yang berupa argumen atau property dan metode publik.
Microsoft Visual basic 6.0 juga bisa menghasilkan array dari suatu fungsi atau properti suatu
prosedur (Subari & Yuswanto, 2008).
Perkembangan visual basic sangat pesat dikarenakan pemakaiannya yang mudah dan
juga dikarenakan banyaknya fasilitas-fasilitas yang disediakan visual basic. Perkembangan
yang pesat dapat dilihat dari sejarah perkembangan visual basic tersebut.
Berikut ini akan menjelaskan point-point penting sejarah perkembangan
bahasa pemrograman visual basic, yaitu :
a. Visual Basic pertama kali dikeluarkan pada tahun 1991 yaitu program visual basic
untuk DOS dan unutk Windows.
b. Pada tahun 1993 visual basic 3.0 diliris.
c. Pada akhir tahun 1994 visual basic 4.0 dengan tambahan untuk mendukung aplikasi
32 bit.
d. Pada akhir tahun 1998 visual basic 6.0 diliris.
e. Pada tahun 2002, versi terbaru dari visual basic diliris yaitu versi visual basic.Net.
2.5.6 Komponen Microsoft Visual Basic 6.0
Komponen pemrograman visual basic mengandung semua sarana yang anda butuhkan
untuk membangun program-program yang hebat untuk windows dengan cepat dan efisien.
Baris menu menyediakan akses kepada sebagian besar perintah yang mengendalikan
komponen Microsoft visual basic ini. Menu dan perintah sama fungsinya seperti pada
program-program berbasis windows lainnya, dan anda mengaksesnya menggunakan
keyboard atau mouse. Di bawah baris menu terdapat toolbar yaitu sekumpulan tombol yang
berfungsi sebagai tombol cepat untuk menjalankan perintah dan mengendalikan komponen

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

38

Microsoft visual basic. Sarana ini yang ada pada visual basic adalah : Toolbox, Jendela
Project Container, Jendela Form, Jendela Project, Jendela Propertis dan Jendela Form Layout.
Pada gambar 1 dibawah ini akan diperlihatkan gambar dari komponen Microsoft visual basic
6.0 yaitu :

Gambar 2.38 Komponen Microsoft Visual Basic
Keterangan :
Toolbox

5. Jendela Project Container

2. Baris Menu 6. Jendela Form
3. Toolbar

7. Project

4. Jendela
Dalam komponen Microsoft visual basic 6.0 tidak terlepas dari penggunaan
komponen program. Ada beberapa istilah dan komponen pada visual basic 6.0 yang
digunakan untuk membuat suatu program aplikasi. Komponen-kompoen yang akan dibahas
ini hanya dasar-dasarnya saja dan yang hanya bersifat umum.
a. Project

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

39

Project adalah file pusat yang mengelola dan mencatat seluruh file-file yang
dibutuhkan untuk membentuk suatu aplikasi. Project disimpan dalam file yang berakhiran
VBP. Bila ingin membuat program aplikasi, maka terdapat jendela project yang berisi semua
file yang dibutuhkan untuk menjalankan program aplikasi visual basic 6.0 yang dibuat. Pada
saat dibuat program aplikasi baru, jendela project otomatis berisi form 1. Pada jendela project
terdapat tiga icon view code, view object, dan Toogle Folders. Icon View Code dipakai untuk
menampilkan jendela editor kode program. Icon View Object dipakai untuk menampilkan
jendela form dan icon Toogle Folsder digunakan untuk mengubah-ubah tampilan folder pada
jendela project explorer.

Gambar 2.39 Jendela Project
b. Form
Form adalah suatu objek yang dipakai sebagai tempat bekerja program aplikasi. Form
berbentuk jendela dan dapat dibayangkan sebagai kertas atau meja kerja yang dilukiskan atau
diletakkan ke dalam objek-objek lain. Pada saat membuat suatu program aplikasi (proyek)
baru, akan otomatis tersedia satu form dan disebut form1.
Nantinya dalam suatu proyek, anda dapat menggunakan lebih dari satu form.
Biasanya pada saat mendesain form, terdapat garis titik-titik yang disebut grid. Grid sangat
berguna untuk membantu pengaturan tata letak objek yang dimasukkan dalam form.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

40

Gambar 2.40 Jendela Form
c. Toolbox
Toolbox adalah kotak alat yang berisi icon-icon untuk memasukkan objek tertentu ke dalam
jendela form anda dapat memodifikasikan toolbox, misalnya menambah komponen icon
dengan cara memilih menu project-component.

Gambar 2.41 Jendela Toolbox
Adapun secara garis besar fungsi dari masing-masing kontrol tersebut adalah sebagai berikut

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

41

a. Pointer merupakan suatu icon yang digunakan ketika memilih kontrol yang sudah
berada pada form
b. Label adalah kontrol yang digunakan untuk menampilkan teks yang tidak dapat
diperbaiki.
c. Frame adalah kontrol yang digunakan sebagai kontainer bagi kontrol lainnya.
d. CheckBox digunakan untuk pilihan yang isinya bernilai yes atau no, true atau false.
e. ComboBox merupakan kombinasi dari TextBox dan suatu ListBox dimana pemasukan
data dapat dilakukan dengan pengetikan maupun pemilihan.
Hscrollbar atau Vscrollbar digunakan untuk membentuk scroolbar berdiri sendiri.
a. Timer digunakan untuk proses background yang diaktifkan berdasarkan interval
waktu tertentu. Ini merupakan kontrol non visual.
b. DriveListBox, DirListBox, dan FileListBox sering digunakan untuk membentuk dialog
box yang berkaitan dengan file.
c. Shape dan Line digunakan untuk menampilkan bentuk seperti garis, persegi, bulatan
dan oval.
d. Image berfungsi menyerupai image box, tetapi tidak dapat digunakan sebagai
kontainer bagi kontrol lainnya. Bahwa kontrol image menggunakan resource yang
lebih kecil dibandingkan dengan PictureBox.
e. OLE dapat digunakan sebagai tempat bagi program eksternal seperti