BAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM
4.1
Implementasi Sistem
4.1.1
Spesifikasi Hardware Program yang telah dibuat melakukan proses deteksi dan pembelajaran. Proses deteksi
pada gambar tidak bergerak pada umumnya tidak memerlukan proses yang berat karena sifatnya hanya mensimulasikan data input terhadap model matematik yang telah disusun. Proses pada suatu video sifatnya berat dan penting, karena deteksi dilakukan terus menerus sehingga akan menyebabkan video terasa lebih lambat apabila spesifikasi prosesor pengguna tidak memadai, oleh karena itu sebaiknya program dijalankan pada komputer yang memiliki kemampuan komputasi yang cukup cepat. Adapun pengujian program ini dilakukan pada komputer penulis dengan spesifikasi sebagai berikut: •
Prosesor Intel Pentium M 740 1.73 GHz
•
Memori 1.2 GB DDR2
•
Intel Graphics Media Accelerator 900
4.1.2
Spesifikasi Software Aplikasi ini ditulis dengan menggunakan IDE Microsoft® Visual Studio 2005, dan
menggunakan bahasa Microsoft® Visual C# 2.0. Program memerlukan .NET Framework 2.0 terinstallasi pada komputer pengguna, dan dapat berjalan dengan baik pada Operating System Windows 2000, Windows XP, dan Windows Vista. 27
28
4.1.3 Tampilan Layar Utama Program ini memiliki satu layar utama, yang akan menjadi penampung bagi layar-layar lainnya. Layar ini memiliki menu yang terdiri dari menu From Image, menu From Video, menu About, dan menu Exit. Menu From Image digunakan untuk menjalankan modul detecting from image, menu From Video digunakan untuk menjalankan modul detecting from video, menu About digunakan untuk mengeluarkan sekilas informasi mengenai program, menu Exit digunakan untuk keluar dari program.
Gambar 4.1 Tampilan Layar Utama 4.1.4
Tampilan Layar Form Detect From Image
29 Form Detect From Image akan muncul apabila user memilih menu From Image dari menu yang terdapat pada form utama. Form ini digunakan user yang ingin mencoba mendeteksi wajah dari satu citra digital yang user pilih. Wajah-wajah yang terdeteksi akan ditandai dengan kotak berwarna kuning.
Gambar 4.2 Tampilan Layar awal Form Detect From Image Untuk memulai, user menekan tombol Browse. Tombol ini akan mengeluarkan satu dialog baru yang dapat digunakan oleh user untuk memilih citra yang terdapat pada storage user, yang akan menjadi input.
30
Gambar 4.3 Tampilan Layar Form Detect From Image Saat Memilih File Setelah user mencari file yang diinginkan, memilih file tersebut, lalu menekan tombol Open, maka Nama File akan diubah menjadi absolute path dari file yang sebelumnya dipilih oleh user. Kemudian citra digital yang tersimpan pada file akan ditampilkan pada PictureBox. Pada TextBox result pun ditampilkan pesan bahwa file yang diinginkan telah berhasil dibuka. Setelah proses pemilihan file selesai, user dapat menekan tombol Detect untuk memulai proses deteksi. Pada akhir proses deteksi, citra yang sebelumnya ditampilkan pada PictureBox akan ditandai dengan kotak-kotak kuning tempat wajah-wajah yang terdeteksi berada (jika ada). Informasi lebih detil mengenai wajah-wajah tersebut pun ditampilkan pada TextBox result.
31
Gambar 4.4 Tampilan Layar Form Detect From Image Sebelum Proses Deteksi
Gambar 4.5 Tampilan Layar Form Detect From Image Sesudah Proses Deteksi
32
4.1.5
Tampilan Layar Form Detect From Video Form Detect From Video akan muncul apabila user memilih menu From Video dari
menu yang terdapat pada form utama. Form ini digunakan user yang ingin mencoba mendeteksi wajah pada suatu gambar begerak yang bersumber dari file berformat avi, yang user pilih. Wajah-wajah yang terdeteksi selama video dijalankan akan ditandai dengan kotak berwarna kuning.
Gambar 4.6 Tampilan Layar Awal Form Detect From Video Saat Memilih File Untuk memulai, user menekan tombol Browse. Tombol ini akan mengeluarkan satu dialog baru yang dapat digunakan oleh user untuk memilih citra yang terdapat pada storage user, yang akan menjadi input. Setelah user mencari file yang diinginkan, memilih file tersebut, lalu menekan tombol Open, maka Nama File akan diubah menjadi absolute path dari file yang sebelumnya dipilih oleh user. Perlu diingat bahwa file video yang didukung oleh program ini hanyalah file berformat avi. Setelah proses pemilihan file selesai, user dapat menekan tombol Detect untuk memulai proses deteksi. Proses deteksi melibatkan seluruh frame yang terdapat pada video yang dipilih. Oleh karena itu, program akan memainkan video yang ada terlebih dahulu, kemudian secara bersamaan program akan mendeteksi wajah pada frame-frame yang muncul pada setiap waktu. Wajah-wajah yang terdeteksi akan ditandai dengan kotak kuning (jika ada). Perlu diingat bahwa proses deteksi ini tidak berlangsung secara real-time, yang artinya karena deteksi wajah
33 memerlukan waktu yang cukup lama, sehingga menyebabkan video berjalan lebih lambat dari seharusnya.
Gambar 4.7 Tampilan Layar Form Detect From Video
Gambar 4.8 Tampilan Layar Form Detect From Video Sebelum Proses Deteksi
34
Gambar 4.9 Tampilan Layar Form Detect From Video Saat Proses Deteksi Berlangsung
4.1.6
Tampilan Layar Author Dialog Form About akan muncul apabila user memilih menu About dari menu yang terdapat
pada form utama. Form ini digunakan user ingin melihat sekilas informasi mengenai penulis. Informasi akan ditampilkan dalam bentuk dialog sehingga user tidak bisa kembali ke form utama sebelum mematikan dialog ini.
35
Gambar 4.10 Tampilan Layar Form About
4.2
Evaluasi Hasil Program Tujuan dari aplikasi ini adalah mengembangkan program yang dapat mendeteksi wajah
dari input yang diberikan. Untuk menguji keakuratan program yang dikembangkan, penulis telah menyiapkan beberapa citra digital, yang berisi wajah manusia dengan berbagai ukuran dan pose yang berbeda-beda. Tujuannya adalah menguji seberapa jauh program ini dapat medeteksi wajah manusia. Adapun citra digital yang dijadikan data untuk uji coba adalah sebagai berikut: Tabel 4.1 Tabel data citra yang digunakan Nama File bukan wajah 01.jpg bukan wajah 02.jpg bukan wajah 03.jpg jenggot.jpg kacamata.jpg lena.jpg
Dimensi Citra 1280 x 960 pixels 1290 x 960 pixels 512 x 512 pixels 128 x 120 pixels 1280 x 960 pixels 512 x 512 pixels
Ukuran Citra 234 KB 224 KB 176 KB 4 KB 321 KB 90 KB
patung.jpg
1280 x 960 pixels
327 KB
36 ramai 01.jpg ramai 02.jpg ramai 03.jpg ramai 04.jpg rambut.jpg topi.jpg
600 x 450 pixels 1280 x 960 pixels 1280 x 960 pixels 1280 x 960 pixels 128 x 120 pixels 128 x 120 pixels
26 KB 426 KB 208 KB 405 KB 4 KB 3 KB
Setelah proses deteksi wajah dilakukan, akan didapat wajah-wajah yang terdeteksi ditandai dengan kotak kuning, namun terdapat juga kesalahan dalam pendeteksian di mana daerah yang tidak terdapat wajah juga ditandai dengan kotak kuning. Tabel 4.2 di bawah mendeskripsikan yang dihasilkan dari proses deteksi. Tabel 4.2 Tabel hasil proses deteksi Nama File
Jumlah Wajah
Wajah Terdeteksi
Objek Bukan Wajah
bukan wajah 01.jpg
0
0
1
bukan wajah 02.jpg
0
0
1
bukan wajah 03.jpg
0
0
0
jenggot.jpg
1
1
0
kacamata.jpg
1
1
1
lena.jpg
1
1
0
patung.jpg
2
2
0
ramai 01.jpg
15
11
2
ramai 02.jpg
4
4
2
ramai 03.jpg
22
13
2
ramai 04.jpg
6
6
1
rambut.jpg
1
1
0
37 topi.jpg
1
1
0
Total
54
41
10
Gambar 4.11 Hasil proses deteksi citra “bukan wajah 01.jpg” dan “bukan wajah 02.jpg”
Gambar 4.12 Hasil proses deteksi citra “bukan wajah 03.jpg” dan “jenggot.jpg”
38
Gambar 4.13 Hasil proses deteksi citra “kacamata.jpg”
Gambar 4.14 Hasil proses deteksi citra “lena.jpg”
39
Gambar 4.15 Hasil proses deteksi citra “patung.jpg”
Gambar 4.16 Hasil proses deteksi citra “ramai 01.jpg”
40
Gambar 4.17 Hasil proses deteksi citra “ramai 02.jpg”
Gambar 4.18 Hasil proses deteksi citra “ramai 03.jpg”
Gambar 4.19 Hasil proses deteksi citra “rambut.jpg” dan “topi.jpg”
41 Berdasarkan hasil simulasi yang ditunjukkan pada tabel 4.2, tingkat keberhasilan program untuk mendeteksi keberadaan wajah adalah
Dengan total kesalahan 10 kali dari 13 citra digital yang disediakan sebagai input. Adapun kesalahan klasifikasi terjadi kerena sebab-sebab berikut: •
Classifier kurang spesifik dalam mengklasifikasikan pose-pose wajah, sehingga tingkat akurasi menurun. Seharusnya dalam mengklasifikasikan wajah, dibuat masing-masing classifier untuk wajah frontal, wajah menghadap samping kiri, wajah menghadap samping kanan, wajah mendongak, dan lain-lain, yang kemudian digabungkan menjadi suatu decision tree.
•
Citra digital tidak jelas, atau wajah di dalamnya mengalami efek-efek digital (buram, lighting)
•
Wajah terlalu kecil sehingga komponen-komponen penyusunnya (mata, hidung, telinga), tidak dapat terdeteksi dengan jelas.
•
Pada citra dengan banyak wajah, wajah-wajah yang tidak terdeteksi dapat terjadi akibat wajah tertutup/terhalang oleh obyek lain, atau mengalami distorsi akibat penerapan efek digital.