APLIKASI ALGORITMA PCA UNTUK PENGENALAN WAJAH
PROPOSAL TUGAS AKHIR Diselesaikan sebagai syarat untuk mendapatkan gelar AHLI MADYA (AMD) Computer Engineering
Oleh: AHMAD SUDRAJAT 1005112001
Pembimbing : Ir. Zulkifli Lubis, M. I. Komp.
PROGRAM STUDI TEKNIK KOMPUTER JURUSAN TEKNIK ELEKTRO POLITEKNIK NEGERI MEDAN MEDAN 2013
ABSTRAK
Pendeteksianwajah(facedetection) adalahsalahsatutahapawalyang sangatpentingdalamsistempengenalanwajah(facerecognition) yangdigunakandalamidentifikasibiometrik.Pengenalan wajahdigunakanuntukpencarianataupengindeksan datawajahdaricitraatauvideoyangberisiwajahdenganberbagaiukuran,posisi,danla tarbelakang. Dalampenelitianinidiimplementasikansistempengenalanwajahyangmenggunakan algoritma PCA yang menggunakan beberapa teknik kroping.Sistempengenalanwajahmemperolehkemampuannya dengancarabelajardaricontoh(learning by examples).Pelatihandilakukandenganmetodeactivelearning untukmeminimalkanbanyaknya datayangdigunakanuntukpelatihan.Hasilpenelitianmenunjukkanbahwaakurasida risistemdeteksiwajahsangattergantungpadajumlahdanjenisdatayangdigunakand alampelatihan.Teknikactivelearningdapatdimanfaatkanuntukmembantumemper cepatproses pelatihan.
(Katakunci:pengenalanwajah,algoritma PCA,teknik kroping,activelearning)
KATA PENGANTAR Puji syukur penulis panjatkan kepada Allah
SWT atas
rahmat dan
limpahan berkat-Nya. Sehingga penulis dapat menyelesaikan laporan tugas akhir ini tepat pada waktunya. Laporan tugas akhir ini merupakan mata kuliah yang wajib ditempuh guna memenehui syarat kelulusan Kurikulum Tingkat Diploma 3 Teknik Komputer Jurusan Teknik Elektro Poilteknik Negeri Medan. Berbagai
pihak
telah
ikut
berperan
membantu
penulis
dalam
menyelesaikan tugas akhir ini dengan memberikan arahan dan bimbingan serta motivasi. Untuk itu pada kesempatan ini penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1.
Tuhan Yang Maha Esa yang selalu memberikan kekuatan dan kesehatan untuk dapat menyelesaikan laporan tugas akhir ini.
2.
Orang tua dan keluargaa saya yang telah memberikan do’a dan dorongan selama pengerjaan tugas akhir ini.
3.
M.Syahruddin S.T., M.T. Selaku Direktur Politeknik Negeri Medan.
4.
Ir. Rina Anugrahwaty, M.T. selaku Ketua Jurusan Teknik Elekro Politeknik Negeri Medan.
5.
Dr. Benny B. Nst., Dipl. Ing, M. Eng selaku ketua Program studi Teknik Komputer Jurusan Teknik Elektro Poilteknik Negeri Medan.
6.
Ir. Zulkifli Lubis, M. I. Komp. selaku dosen pembimbing Tugas Akhir yang telah banyak memberikan pengarahan, bimbingan, dukungan serta saran.
7.
Drs. Ansharuddin S.S.T selaku Wali Kelas CE-6A.
8.
Seluruh Staf Administrasi dan Laboratorium Program Studi Teknik Komputer Jurusan Teknik Elektro Politeknik Negeri Medan.
9.
Ketua sidang, Ahmad Hidayat S.T.M.T; Penguji I, Ismael S.Kom., M.Kom; Penguji II Ferry Fachrizal, S.T.,MT. atas masukan dan saran yang diberikan melalui revisi Laporan Tugas Akhir.
10. Teman - teman penulis di CE angkatan 2010: Edward Barmanta, Anita Kristiani dan Tri Ramadhan selaku teman satu bimbingan. Teman-teman bergadang bersama M Alvin Pranata, Tri Ramadhan, Denny Dwi Daviki, Mailinda Chaniago, Yenni Mazlaili Lubis, Priska Tarigan, Lusi Ana, Siti Khairunisa, bayati, Muskayana, dan semua teman-teman yang tidak bisa disebutkan namanya. 11. Adik-adik kelas CE’11 dan CE’12 terimakasih atas semangat dan dukungannya. 12. Semua pihak yang telah membantu dalam penyelesaian tugas akhir ini. Penulis menyadari masih banyak kekurangan dalam penulisan tugas akhir ini. Penulis mengharapkan masukan, saran dan kritik yang bersifat membangun demi penyempurnaan. Semoga Laporan Tugas Akhir ini bermanfaat bagi kita semua.
Medan, 2 September 2013 Hormat Penulis,
AHMAD SUDRAJAT NIM. 1005112001
DAFTAR ISI LEMBAR PERSETUJUAN LEMBAR PENGESAHAN ABSTRAK ............................................................................................................ i KATA PENGANTAR .......................................................................................... ii DAFTAR ISI ......................................................................................................... iv DAFTARGAMBAR…………………………………………………………… viii DAFTAR TABEL ................................................................................................. ix BAB I PENDAHULUAN ................................................................................... 1 1.1 Latar Belakang ................................................................................. 1 1.2 Rumusan Masalah ............................................................................ 3 1.3 Batasan Masalah............................................................................... 4 1.4 Tujuan dan Manfaat Penulisan ......................................................... 4 1.5 Metode Penelitian.............................................................................. 5 BAB 2 LANDASAN TEORI .............................................................................. 6 2.1 Pengenalan Wajah .......................................................................... 6 2.1.1 Sejarah Pengenalan Wajah ................................................. 6 2.1.2 Pengenalan Wajah .............................................................. 8
2.1.3 Bidang Pengenalan Wajah .................................................. 9 2.2 Citra Digital .................................................................................. 10 2.2.1 Histogram Equalization ...................................................... 11 2.2.2 Deteksi Wajah .................................................................... 12 2.2.2.1 Knowledge-Base Method .................................... 14 2.2.2.2 Feature Invariant Approach ................................. 15 2.2.2.3 Template Matching .............................................. 15 2.2.2.4 Appearance-Base Method .................................... 16 2.3 Linux Dan Lisensi Umum GNU .................................................... 16 BAB 3 PERANCANGAN APLIKASI ............................................................... 21 3.1 Analisis Proses ................................................................................ 21 3.1.1 Pengambilan Wajah ............................................................ 21 3.1.2 Kroping Wajah .................................................................... 21 3.1.3 Proses Pengenalan Pola Wajah ........................................... 22 3.2 Perancangan Sistem ........................................................................ 26 3.3.1
Activity Diagram ............................................................... 28
3.3.2
Kebutuhan Perangkat Keras .............................................. 29
3.3 Pembuatan Sistem ........................................................................... 29
3.3.1
Persiapan............................................................................ 29
3.3.2 Penulisan Kode Program .................................................... 30 BAB 4 IMPLEMENTASI SISTEM ................................................................... 32 4.1 Implementasi ................................................................................... 32 4.1.1 Lingkungan Pembangunan Aplikasi................................... 32 4.1.2 Program Eigenfaces ............................................................ 32 4.2 Pengujian ......................................................................................... 36 4.1.2 Lingkungan Pengujian ........................................................ 36 4.2.1.1 Perangkat Keras ............................................ 36 4.2.1.2 Perangkat Lunak ........................................... 36 4.2.2 Pelaksanaan Pengujian ....................................................... 37 4.3 Percobaan ........................................................................................ 39 4.3.1 Data Percobaan .................................................................... 39 4.3.2 Praproses.............................................................................. 40 4.3.3 Dimensi Reduksi ................................................................. 40 4.3.4 Hasil Percobaan ................................................................... 41 BAB 5 KESIMPULAN DAN SARAN .............................................................. 42 5.1 Kesimpulan ............................................................................ 42
5.2 Saran ...................................................................................... 42 DAFTAR PUSTAKA ........................................................................................... 43 LAMPIRAN .......................................................................................................... 44
DAFTAR GAMBAR
Gambar
Halaman
3.1
Holistic Kroping ........................................................................................... 21
3.2
Partial Kroping ............................................................................................. 22
3.3
Active Learning ........................................................................................... 26
3.4
Activity Diagram ......................................................................................... 28
4.1
File Images................................................................................................... 37
4.2
Contoh Images ............................................................................................. 38
4.3
Hasil Proses ................................................................................................. 38
4.4
Image Dasar ................................................................................................. 40
4.5
Praproses ...................................................................................................... 40
4.6
Mean ............................................................................................................ 41
DAFTAR TABEL Tabel 4.1
Halaman
Hasil Keluaran.............................................................................................. 41
BAB 1 PENDAHULUAN
1.1
LatarBelakang Wajah merupakan bagian paling unik dari bagian tubuh manusia. Kita
dapat membedakan seseorang dari orang lain dengan mengamati ciri wajah orang tersebut. Jika kita dihadapkan pada sebuah gambar, kita dapat mengenal wajah pada gambar tersebut berdasarkan ingatan atau memori yang ada dalam otak kita. Proses pengenalan tersebut terjadi di dalam otak kita. Proses pengenalan yang demikian juga dapat dilakukan dengan menggunakan komputer. Membangun sebuah model perhitungan untuk pengenalan wajah termasuk sulit karena wajah manusia sangat kompleks dan multi dimensi. Seperti fungsi penglihatan pada umumnya, pengenalan wajah merupakan tugas tingkat tinggi dimana pendekatan perhitungan pada masa sekarang hanya dapat mengusulkan limit yang lebar pada aktivitas saraf yang bersangkutan. Wajah manusia memiliki karakteristik yang rumit. Sedikit perubahan pada konfigurasi wajah mempunyai pengaruh yang cukup berarti. Konfigurasi wajah yang dimaksud adalah mimik wajah. Dengan mengamati mimik tersebut, kita dapat membedakan seseorang dengan yang lain. Pada umumnya terdapat enam mimik dasar yaitu netral, gembira, sedih, marah, senyum, dan terkejut. Wajah manusia terdiri dari beberapa komponen utama, seperti mata, hidung dan mulut. Setiap komponen tersebut berbeda pada setiap wajah manusia.
Ada yang mempunyai mata besar, ada yang sipit. Demikian juga halnya dengan hidung, ada yang berhidung mancung, ada yang pesek. Dengan menganalisa ciri komponen utama inilah, proses pengenalan dilakukan. Pengenalan wajah dengan komputer difokuskan pada pendeteksian gambar individu seperti mata, hidung, mulut dan outline wajah. Pengenalan metode wajah didasarkan pada posisi, ukuran, dan hubungan antara gambar tersebut. Transformasi image wajah ke dalam bagian kecil karakteristik image gambar dinamakan eigenfaces, yang merupakan komponen penting dari pelatihan pengenalan image wajah. Pengenalan diwujudkan dengan merencanakan image baru ke dalam sub ruang yang dibentuk oleh eigenfaces (face space), kemudian dilakukan proses pembelajaran terhadap eigenfaces dengan metode active learning. Alasan
utama
memilih
eigenfaces
dikarenakan
eigenfaces
dapat
mentransformasikan dan mereduksi ciri wajah tersebut ke dalam bentuk vektor tanpa menghilangkan ciri-ciri utama wajah yang penting. Eigenfaces lebih mudah dalam implementasi. Dalam teknik eigenfaces, kita memiliki dua kumpulan image, yaitu untuk pelatihan dan untuk pengujian. Hitung vektor eigen dari matriks kovarian image pelatihan. Vektor eigen tersebut dapat dipandang sebagai kumpulan gambar yang secara bersama-sama membuat karakteristik variasi antara image wajah. Jika vektor eigen ditampilkan, gambarnya mirip wajah hantu. Gambar inilah yang dinamakan eigenfaces. Eigenfaces dapat digabungkan secara linear untuk membangun sejumlah image dalam dalam pelatihan. Jumlah eigenfaces mungkin
sama dengan jumlah image wajah dalam pelatihan. Wajah dapat juga didekati menggunakan eigenfaces terbaik. Jika kita menggunakan himpunan bagian dari eigenfaces yang memiliki nilai eigen berkorespondensi tertinggi, kita dapat membentuk image pelatihan dengan ketelitian yang sangat tinggi. Ide ini bukan hanya untuk kemudahan perhitungan (dengan mengurangi jumlah eigenfaces yang digunakan), tetapi juga agar pengenalan menjadi lebih umum dan kuat. Sejumlah besar image wajah dapat dibangun dengan jumlah bobot dari kumpulan kecil image karakteristik. Cara efisien untuk pembelajaran dan pengenalan wajah dapat digunakan untuk membangun gambar karakteristik dari image wajah yang dikenal dan untuk mengenal wajah utama dengan membandingkan bobot gambar yang diperlukan untuk membentuknya dengan bobot yang berhubungan dengan individu yang dikenal.
1.2
RumusanMasalah Rumusanmasalahmerupakansuatupertanyaan
yang
akandicarijawabannyamelaluipengumpulan Berdasarkanlatarbelakangpemilihanjudul,
data. maka
yang
menjadipermasalahanadalahbagaimanapenggunaan algoritma PCA di dalam aplikasi
pengenalan
wajah
menggunakan eigenface.
dan
bagaimanateknik
ekstraksi
ciri
dengan
1.3
BatasanMasalah Agar
pembahasanpenelitianinitidakmenyimpangdariapa
telahdirumuskan,
makadiperlukanbatasan-batasan.
yang Batasan-
batasandalampenelitianiniadalah : a. Identifikasi dilakukan dengan membandingkan pola sesuai algoritmaeigenface secara sederhana tanpa metode pembelajaran khusus. b. 40 wajah yang disimpan dalam file dengan format txt dari 4 orang, dimana 1 orang diwakili 10 ekspresi. c. Proses Pengenalan wajahmenggunakanformatJPG yang diubah ke format PGM agar bisa di aplikasikan dalam LINUX.
1.4
Tujuan dan Manfaat Penulisan TujuanTugasAkhiriniadalahuntuk
menggunakan
eigenface
dan
menerapkan
pembelajaran
teknik
tentang
ekstraksi
algoritma
ciri PCA
sebagaipengenalan wajah. Manfaat
yang
dapatdiberikanuntukmembuatsistempengenalanwajahdenganmasukanberupacitrad igitalsembarang.Sisteminiakanmenghasilkansubcitraberisiwajah-wajah yangberhasildideteksi danpengenalanakanteknologialgoritma PCAuntukmengenali pola wajah sebagaialatpengenalanwajah.
1.5
MetodePenelitian
Metode
yang
digunakandalammenyelesaikantugasakhiriniantaralain,
sebagaiberikut : a. MelakukanStudi Literature Metode penelitian yang digunakan adalah metode penelitian perpustakaan atau metode literatur. Metode perpustakaan ini digunakan untuk memperoleh data-data ilmiah mengenai cara merancang sistem pengenalan wajah dan bagaimana menerjemahkan algoritma sistem ke dalam bahasa pemprograman. b. MelakukanObservasi Penulismelakukanpengumpulan data-data berupa image wajah yang diperlukan untuk pengenalan wajah. c. DesainSistem Berdasarkanobservasi, langkahselanjutnyaadalahmelakukanperancangansistem.Teknologi yang
digunakanadalahAlgoritma
Eigenfaceyangmembantumembuatpengenalan wajah lebih akurat. d. UjiCobadanEvaluasi Dilakukanpengujiandanpembuktianterhadapsistemkerja
yang
telahdipilih.Pengujianinidilakukanuntukmenganalisis proses runtime padapengolahan data. e. PenyusunanLaporanTugasAkhir Meliputipenulisandanpenyusunanlaporandarisemuadasarteoridanmeto de
yang
digunakansertahasil
diperolehdaripelaksanaanpenelitiantugasakhir.
yang
