BAB 4
IMPLEMENTASI DAN EVALUASI
4.1
Spesifikasi Sistem Sistem-sistem
pendukung
yang
digunakan
oleh
penulis
dalam
menjalankan aplikasi yang telah dirancang ini dibedakan menjadi 2 yaitu kelompok hardware dan kelompok software. Spesifikasi hardware yang dipakai adalah sebagai berikut: •
Prosesor
:
AMD Phenom II X3 2.8 GHz
•
Memory
:
8 GB DDR3 1600 MHz
•
HardDisk
:
500 GB WD Velociraptor
•
VGA Card
:
MSI N570GTX 1280 MB GDDR5
•
Monitor
:
18.5” LG Flatron W1953S
•
Kamera
:
Logitech QuickCam Connect
•
Mouse dan Keyboard Komputer
40
41 Spesifikasi software yang dipakai adalah sebagai berikut: •
Sistem Operasi
:
Microsoft Windows 7 Enterprise
•
Library
:
OpenCV 2.4.2
•
Compiler
:
Microsoft Visual Studio 2010 Express Edition
4.2
Prosedur Operasional Aplikasi ini di-compile menggunakan program Visual Studio 2010 Express Edition dimana tampilannya sebagai berikut
Gambar 4.1 Hasil compile Melalui Visual Studio 2010 Express Edition
Pada tampilan di atas, disebutkan langkah-langkah yang harus dimasukkan pada command prompt. Pertama, pengguna harus memasukkan path untuk facerec.exe yang berfungsi memanggil file facerec.exe lalu kemudian path untuk haarcascade dan diikuti path ke file CSV dan terakhir memasukkan webcam ID yang digunakan.
42
Gambar 4.2 Tampilan awal ketika aplikasi dijalankan
Tahap awal ketika aplikasi dijalankan melalui command prompt adalah muncul tampilan webcam dengan mendeteksi dan mengenali wajah pengguna. Pada Gambar 4.2 memperlihatkan bahwa wajah pengguna terdeteksi oleh kotak yang berwarna hijau pada tampilan webcam dan dikenali sebagai -1 yaitu maksudnya bukan siapapun yang terdaftar dalam database karena pengguna belum memasukkan citra wajah ke dalam database.
Gambar 4.3 Tampilan ketika diminta memasukkan nama
43 Setelah selesai memasukkan path yang tepat maka diikuti dengan menekan tombol enter pada keyboard lalu menekan huruf ‘n’ untuk memunculkan perintah “Masukkan nama” seperti pada Gambar 4.3 lalu pengguna diharuskan memasukkan nama yang diminta dan nama tersebut akan disimpan sebagai nama citra wajah yang dimasukkan nantinya. Setelah memasukkan nama maka pengguna diharuskan menekan tombol enter lagi.
Gambar 4.4 Tampilan setelah memasukkan nama oleh pengguna
Setelah menekan tombol enter pada tahap sebelumnya maka citra wajah pengguna akan disimpan ke dalam database. Pada aplikasi ini, penyimpanan citra wajah dibatasi hanya lima citra. Lalu, muncul pemberitahuan bahwa citra wajah telah selesai disimpan dan pengguna diminta untuk menekan tombol ‘t’ pada keyboard untuk memulai training data. Adapun citra wajah yang menjadi data training dalam penelitian ini adalah sebagai berikut:
44
Tabel 4.1 Citra wajah yang menjadi data training Citra Wajah pada Set Latihan
Label
Nama
Felix 1
Leo 2
Marcos 3
Gambar 4.5 Tampilan prediksi label 1 dari aplikasi
45
Gambar 4.6 Tampilan prediksi label 2 dari aplikasi
Gambar 4.7 Tampilan prediksi label 3 dari aplikasi
Pada gambar-gambar di atas menunjukkan bahwa langkah-langkah dalam menjalankan aplikasi dan mengenali citra wajah pengguna telah berhasil dan juga
46 bisa membedakan antara pengguna yang satu dengan pengguna yang lainnya. Terbukti dari hasil prediksi yang berbeda-beda antar citra wajah pengguna. 4.3
Rencana Implementasi Rencana implementasi aplikasi face recognition ini diperlihatkan dalam Gambar 4.8 sebagai berikut:
Gambar 4.8 Rencana Implementasi Aplikasi Face Recognition Pada Gambar 4.8 ditampilkan rencana implementasi dari aplikasi pengenalan wajah ini. Aplikasi diimplementasikan dengan menggunakan webcam, Personal Computer (PC) dan mikrokontroler. Webcam berfungsi untuk menangkap citra wajah pengguna. Hasil citra wajah yang ditangkap kemudian akan diproses aplikasi yang dijalankan oleh PC. Setelah selesai diproses, hasil pengenalan wajah akan dikirim ke mikrokontroler. Mikrokontroler ditampilkan dalam Gambar 4.9 berikut :
47
Gambar 4.9 Mikrokontroler Dan Relay Mikrokontroler yang telah diisi oleh program akan menerima pesan yang dikirimkan oleh aplikasi berupa data. Jika wajah pengguna sesuai dengan prediksi maka lampu yang terhubung dengan mikrokontroler akan hidup. Jika wajah pengguna tidak sesuai dengan prediksi aplikasi maka lampu akan mati atau tidak hidup. Lampu disini berfungsi sebagai pengganti relay pintu. Jadi ketika lampu hidup artinya pintu terbuka, sedangkan jika lampu mati artinya pintu tertutup.
4.4
Evaluasi Hasil Percobaan Pengujian metode LDA dilakukan dengan menggunakan 5 sampel citra wajah dari 20 subyek sebagai set pelatihan dan 1 citra wajah dari setiap subyek sebagai set pengujian. Sampel dari citra wajah didapat dari AT&T Face Databse. Setiap orang diberi label yang mewakili identitas subyek, berupa angka dari 0
48 hingga 19. Pada pengujian ini, sampel citra wajah yang digunakan dalam set pelatihan merupakan 5 citra wajah yang berbeda satu sama lain. Dimana perbedaan antara citra wajah satu dengan yang lain berupa perbedaan orientasi wajah, penggunaan atribut pada wajah(kacamata), dan ekspersi dari subyek. Untuk set pengujian, citra wajah yang digunakan dalam pengujian aplikasi ini merupakan citra wajah diluar dari set pelatihan.
Tabel 4.2 Hasil Pengenalan Wajah Menggunakan Metode LDA Citra
Prediksi Label dari
Citra wajah pada set pelatihan
wajah
Label dari Subyek
yang diuji
aplikasi
0
0
49
1
1
2
2
3
3
4
4
50
5
5
6
6
7
7
8
8
51
9
9
10
10
11
11
12
12
13
13
52
14
14
15
15
16
16
17
17
53
Berdasarkan Tabel 4.2
18
18
19
19
metode LDA (Linear Discriminant Analysis)
dapat mengenali seluruh subyek secara akurat dengan tingkat keakuratan 100%. Tingkat keakuratan dihitung dengan rumus :
Dimana berdasarkan Tabel 4.2 Jumlah Prediksi yang benar berjumlah 20 dan jumlah subjek yang diuji berjumlah 20. Sehingga tingkat keakuratan dapat dihitung sebagai berikut
Dari perhitungan diatas dapat diketahui bahwa tingkat keakuratan aplikasi berdasarkan Tabel 4.1 diatas ialah 100%. Tingkat keakuratan 100% dapat diperoleh aplikasi karena jumlah subyek masih belum terlalu banyak.
54 Berikut ini adalah hasil evaluasi jumlah citra wajah pada set pengujian dan pelatihan berdasarkan waktu yang dibutuhkan untuk proses pengenalan wajah: Tabel 4.3 Hasil Evaluasi Testing Set Jumlah Citra Wajah Pada
Waktu (detik)
Presentase Keberhasilan
10
6
100%
20
40,7
100%
40
81,2
95%
Testing Set
Dari Tabel 4.3 diperlihatkan bahwa semakin banyak citra wajah yang diuji, maka waktu yang diperlukan aplikasi dalam memproses pengenalan wajah akan semakin banyak. Dari Tabel 4.3 juga dapat diketahui bahwa semakin banyak jumlah citra wajah yang diuji maka presentase keberhasilan aplikasi dalam memproses pengenalan wajah akan mengalami penurunan. Sebagai catatan, pada penggunaan 40 citra wajah sebagai set pengujian, subyek yang diuji adalah sebanyak 20 subyek dengan masing-masing subyek menggunakan dua citra wajah yang berbeda untuk diuji pada set pengujian.
55 Tabel 4.4 Hasil Evaluasi Training Set Jumlah Citra Wajah pada Training Set
Waktu (detik)
50
6
100
40,7
200
274,5
Sedangkan Pada Tabel 4.4 diperlihatkan bahwa jumlah citra wajah dalam set pelatihan juga mempengaruhi waktu yang diperlukan oleh aplikasi dalam memproses pengenalan wajah. Semakin banyak jumlah citra wajah pada set pelatihan, semakin banyak pula waktu yang dibutuhkan untuk menyelesaikan proses pengenalan wajah.
Gambar 4.10 Grafik Hasil Evaluasi Testing Set Berdasarkan Tabel 4.3
56 Berdasarkan Gambar
4.10 diketahui bahwa jumlah citra wajah set
pengujian memberikan pengaruh yang konsisten terhadap pertambahan waktu yang dibutuhkan oleh aplikasi dalam memproses pengenalan wajah. Hal ini dapat diketahui karena berdasarkan Gambar 4.10, dimana perbedaan waktu antara setiap jumlah citra wajah set pengujian tidak menunjukan perbedaan waktu secara drastis.
Gambar 4.11 Grafik Hasil Evaluasi Training Set Berdasarkan Tabel 4.4
Dari Gambar 4.11 diketahui bahwa jumlah citra wajah set pelatiahan menghasilkan perbedaan waktu proses yang drastis. Hal ini diketahui karena masing-masing jumlah citra wajah memiliki perbedaan waktu proses yang cukup jauh antara satu dengan yang lain.
Hasil evaluasi pengguna terhadap aplikasi pengenalan wajah (face recognition) dengan metode LDA ini dapat dilihat pada Tabel 4.5 berikut:
57
Tabel 4.5 Hasil Evaluasi PenggunaTerhadap Aplikasi Pengenalan Wajah Jawaban No.
Pertanyaan Ya
Tidak
0
10
9
1
10
0
10
0
10
0
Pernahkah anda menggunakan 1
aplikasi berbasis face recognition sebelumnya? Apakah
2
user
interface
dari
aplikasi face recognition ini sudah baik? Apakah aplikasi face recognition
3 ini mudah untuk digunakan? Apakah aplikasi face recognition 4
ini bermanfaat sebagai sistem absensi? Apakah aplikasi face recognition
5
ini bermanfaat sebagai sistem keamanan?
Pada evaluasi pengguna ini, pertanyaan diajukan kepada 10 responden, yang semuanya adalah mahasiswa. Pada pertanyaan nomor 1, semua responden
58 menjawab tidak pernah menggunakan aplikasi berbasis face recognition sebelumnya. Pada pertanyaan nomor 2, satu orang responden menjawab bahwa user interface aplikasi face recognition ini masih belum baik. Menurut responden tersebut, user interface aplikasi face recognition ini tidak memiliki banyak informasi yang ditampilkan. Untuk pertanyaan nomor 3, 4, dan 5, semua responden menjawab bahwa aplikasi face recognition ini mudah digunakan serta bermanfaat jika dijadikan sebagai sistem absensi dan sistem keamanan.
