BAB I PENDAHULUAN
1.1. Latar Belakang Masalah Berdasarkan penelitian yang telah dilakukan oleh Yudistira Dewanata mengenai deteksi wajah dengan Differential Evolution Based Neural Network mendapatkan total persentasi error sebesar delapan belas persen, aplikasi deteksi wajah dengan algoritma Differential Evolution (DE) menggunakan model arsitektur jaringan 400 buah masukkan, serta satu layar tersembunyi dengan dua puluh enam buah neuron, dan satu keluaran, serta parameter cross-over rate sebesar 0.05.
System 10) Network 1 and 2 -> AND (0) > threshold (2,3) -> Overlap elimination 11) Networks 1 and 2 -> threshold (2,2) -> overlap elimination -> AND (2) 12) Network 1 and 2 -> threshold (2,2) -> overlap elim -> OR (2) -> threshold (2,1) -> overlap elimination [sung and poggio,1994] (Multilayer network) [sung and poggio,1994] (Perceptron)
Missed Detect False Faces Rate Detects
False Detect Rate
34
78.1%
3
1 in 3226028
20
87.1%
15
1 in 645206
11
92.9%
64
1 in 151220
36
76.8%
5
1 in 1929655
28
81.9%
13
1 in 742175
Tabel 1.1. Hasil Deteksi wajah dengan algoritma differential evolution
1
Berdasarkan pada algoritma ini dapat mendeteksi antara 77,9 % dan 90.3% dari wajah dalam satu set pada 130 citra pengujian, dan dengan jumlah yang dapat diterima pada deteksi palsu. Serta kecepatan sistem dapat memproses gambar 320 x 240 piksel dalam dua sampai empat detik. Berdasarkan penelitian yang telah dilakukan oleh Dewanata, di sini penulis mencoba membandingkan hasil
yang didapatkan oleh
Dewanata
yang
menggunakan algoritma Neural Based network dengan Algoritma Haar Classifier. Diharapkan dengan menggunakan menggunakan Algoritma Haar Classifier penulis mendapatkan hasil yang lebih baik.
1.2. Perumusan Masalah Rumusan masalah dalam penelitian ini adalah “Apakah Algoritma Haar Classifier bisa memperbaiki hasil dari algoritma Neural network yang sudah dibuat oleh Dewanata untuk face detection?”
1.3. Batasan Masalah Penelitian ini akan secara spesifik menjelaskan mengenai implementasi Algoritma Haar Classifier pada deteksi wajah, adapun pembatasan masalah lainnya yang terkait teknologi mengenai face detection atau deteksi wajah yang digunakan adalah sebagai berikut.
2
1. Mencoba membandingkan hasil yang didapatkan dari algoritma Haar Classifier dengan algoritma Neural Network q wajah dapat terdeteksi dengan waktu yang singkat serta total persentase error yang lebih baik. 2. Melakukan proses training wavelet dalam format sesuai pada ukuran bentuk muka pada gambar. 3. Melakukan percobaan dengan lima jenis gambar dengan total jumlah semua gambarnya 25 buah, total gambar tersebut mengacu berdasarkan data yang dibuat oleh Dewanata (2015) mengenai deteksi wajah. Dan itu terdiri atas lima jenis gambar, ada yang satu gambar satu orang, satu gambar dua orang, satu gambar tiga orang, satu gambar empat orang, satu gambar lima orang. 4. Input untuk aplikasi harus berupa gambar dan bukan video, serta dalam format .JPG. 5. Kondisi muka harus menghadap ke depan dikarenakan penulis tidak menemukan database gambar wajah menghadap samping berukuran 20 x 20 piksel yang representif. Database pelatihan yang digunakan diambil dari CMU Face database, database pengujian yang digunakan diambil dari BAO face database. 6. Bahasa Pemrograman yang digunakan ialah .NET C#.
1.4. Tujuan Penelitian Tujuan dari penelitian ini adalah meningkatkan akurasi dan kecepatan pada proses mendeteksi wajah dengan menggunakan algoritma Haar Classifier pada hasil penelitian Dewanata dengan algoritma Neural Based Network.
3
1.5. Manfaat Penelitian 1. Mendeteksi jumlah wajah dengan menggunakan Algoritma Haar Classifier pada gambar 2. Memperbaiki hasil yang didapatkan dari algoritma Neural Network Based Face Detection. 3. Mampu membedakan antara wajah dan non wajah pada gambar yang diambil.
1.6. Sistematika Penulisan Metode yang digunakan dalam penelitian ini terdiri dari langkah – langkah sebagai berikut.
BAB I
PENDAHULUAN Bab ini berisi latar belakang masalah, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan penelitian, dan sistematika penulisan.
BAB II
LANDASAN TEORI Bab ini menjelaskan teori – teori dari konsep dasar yang mendukung penelitian terakit permasalahan yang dibahas.
4
BAB III METODE DAN PERANCANGAN APLIKASI Bab ini menjelaskan metode penelitian dan rancangan dari aplikasi yang dibuat
BAB IV IMPLEMENTASI DAN HASIL PENELITIAN Bab ini berisi implementasi sistem, diikuti oleh data hasil penelitian yang dilakukan beserta hasil analisis data tersebut.
BAB V
SIMPULAN DAN SARAN Bab ini berisi simpulan dari hasil penelitian terhadap tujuan yang ingin dicapai dalam penelitian ini, dan saran untuk pengembangan penelitian selanjutnya.
5
