Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013

204

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Website : https://jurnal.pcr.ac.id/index.php/jakt/about Email : [email protected]

Implementasi Pembagian Fitur Wajah Sebagai Informasi Awal Pada Sistem Pengenalan Wajah Menggunakan Euclidean (Studi Kasus Identifikasi Suku Di Indonesia) Lidang 1, Ananda2, Memen Akbar 3 1

Program Studi Teknik Informatika, Politeknik Caltex Riau, email: [email protected] 2Program Studi Teknik Informatika, Politeknik Caltex Riau, email: [email protected] 3Program Studi Teknik Komputer, Politeknik Caltex Riau, email: [email protected]

Abstrak Sistem pengenalan wajah manusia adalah bidang penelitian yang memiliki kelebihan dan kekurangan tertentu karena wajah mampu merepresentasikan sesuatu yang rumit. Pengembangan model komputasi untuk pengenalan wajah manusia adalah hal yang menantang seperti adanya perubahan skala, posisi, cahaya, dan ekspresi. Penetapan fitur wajah beserta jarak dari komponen wajah dapat memberikan suatu model wajah yang dapat digunakan sebagai komponen untuk sistem pengenalan wajah. Pada penelitian ini penetapan fitur wajah yang digunakan yaitu mata, hidung, dan mulut. Fitur tersebut diukur jaraknya dengan metode Euclidean untuk mengidentifikasi wajah seseorang berdasarkan jarak fitur wajah dan untuk menguji ada tidaknya pengaruh jarak tiap fitur wajah dari wajah seseorang dengan identifikasi suku seseorang digunakan metode chi square. Berdasarkan uji hipotesis dengan metode Chi Square, dengan tingkat kepercayaan sebesar 95%, penelitian ini menunjukkan hasil bahwa jarak fitur wajah tidak memiliki hubungan dengan identifikasi suku seseorang berdasarkan wajah. Penelitian ini menunjukkan hasil bahwa penggunaan metode euclidean dan metode chi square belum dapat digunakan untuk identifikasi suku seseorang dari citra wajah. Kata kunci: Identifikasi Suku, Fitur Wajah, Metode Euclidean, Metode Chi Square. Abstract Human face recognition system is a research that has advantages and disadvantages because the face is able to represent something that complicated. Development of a computational model for human face recognition is a challenging thin as a change of scale, position, light, and expression. Determination of facial features and distance from the component of the face can provide a face model which can be used as components for face recognition system. In this research, determination of facial features that used are eye, nose, and mouth. The features distance measured by Euclidean method to identify a person face based on distance of features face and to test the effect of the distance each person facial features with person tribal identification used Chi Square method. Based on hypotesis testing with Chi Square method, with a confidence level of 95%, the research results show that the facial feature distances do not

Implementasi Pembagian Fitur Wajah Sebagai Informasi Awal Pada Sistem Pengenalan Wajah Menggunakan Euclidean (Studi Kasus Identifikasi Suku Di Indonesia) Lidang, Ananda, Memen Akbar


205

have a relationship with someone tribal identification based on facial. The research results show that the use of Euclidean method and Chi Square method can not be used to identify tribal of a person’s facial image.

Keywords: Identification Parts, Features Face, Euclidean method.

1. Pendahuluan Sistem pengenalan wajah manusia adalah bidang penelitian yang sudah diterapkan pada aplikasi. Penelitian itu juga memiliki kelebihan dan kekurangan tertentu karena wajah mampu merepresentasikan sesuatu yang rumit. Pengembangan model komputasi untuk pengenalan wajah manusia adalah hal yang sulit. Ada beberapa masalah yang mungkin timbul dalam proses pengenalan wajah, yaitu perubahan skala, perubahan posisi, perubahan cahaya, perubahan detail dan ekspresi (I Nyoman , 2010). Penelitian yang melibatkan fitur wajah sudah pernah dilakukan sebelumnya oleh Dewi Agushinta dengan judul Ekstraksi Fitur Dan Segmentasi Wajah Sebagai Semantik Pada Sistem Pengenalan Wajah. Penelitian tersebut menggunakan 150 citra wajah dengan tampak kedepan dan kondisi pencahayaan yang relatif berbeda, penelitian dimulai dengan tahap mendeteksi wajah berdasarkan model warna kulit, pemotongan untuk normalisasi daerah wajah, ekstraksi fitur mata,hidung dan mulut serta jarak dari masing-masing fitur tersebut. Jarak antara fitur yang digunakan yang digunakan adalah jarak antara mata kiri –kanan, mata kanan – mulut, mata kiri – mulut, mata kanan – ujung hidung, mata kiri – ujung hidung, mulut – ujung hidung, tinggi hidung dan lebar hidung. Dengan 8 kombinasi jarak antar fitur wajah tersebut diperoleh hasil 100% tingkat keunikan dari 150 citra wajah yang digunakan. Untuk mendapatkan keunikan jarak fitur-fitur wajah dibutuhkan minimal lima kombinasi jarak fitur wajah atau lebih untuk memberikan suatu model wajah dengan menetapkan fitur wajah beserta jarak dari fitur wajah sehingga dapat digunakan untuk mengidentifikasi wajah dan dapat juga

digunakan sebagai komponen untuk sistem pengenalan wajah. Perbedaan penelitian ini dengan penelitian yang dibicarakan sebelumnya adalah penggunaan kombinasi jarak fitur wajah dalam mengidentifikasi suku (yaitu suku Minang, Tionghoa, dan Batak) seseorang berdasarkan jarak fitur wajah. 1.1

Permusan Masalah

Dalam pembuatan proyek akhir ini ada beberapa rumusan masalah antara lain : 1. Bagaimana untuk mengetahui ada tidaknya kaitan jarak fitur wajah dengan suku seseorang. 2. Bagaimana mengidentifikasi suku seseorang dari citra wajah berdasarkan jarak fitur wajah yang menggunakan metode Euclidean. 1.2 Tujuan dan Manfaat Tujuan dan manfaat dari proyek akhir ini yaitu : 1. Mengetahui ada tidaknya kaitan jarak fitur wajah dengan suku seseorang. 2. Mengidentifikasi suku seseorang (suku minang, tionghoa dan batak) dari citra wajah berdasarkan jarak fitur wajah yang menggunakan metode Euclidean. Manfaat dari proyek akhir ini adalah dapat mengetahui keunikan wajah dari suku di Indonesia (Minang, Tionghoa, Batak) berdasarkan jarak dari fitur wajahnya dengan menggunakan metode Euclidean. 2. Landasan Teori 2.1

Penelitian sebelumnya

Penelitian di bidang identifikasi citra wajah telah banyak dilakukan

Implementasi Pembagian Fitur Wajah Sebagai Informasi Awal Pada Sistem Pengenalan Wajah Menggunakan Euclidean (Studi Kasus Identifikasi Suku Di Indonesia) Lidang , Ananda, Memen Akbar

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013 sebelumnya. Berbagai metode digunakan untuk mendapatkan hasil identifikasi wajah yang akurat. Penelitian yang menggunakan fitur wajah untuk sistem pengenalan wajah sudah pernah dilakukan sebelumnya. Dewi Agushinta, mengkombinasikan jarak antar tiap fitur wajah yang dimiliki oleh seseorang. Tahaptahap pada penelitian Dewi Agushinta dimulai dari pendeteksian wajah pada citra diam normal, proses pemotongan wajah pada citra diam normal dan ekstraksi fitur wajah serta jarak masing-masing fitur tersebut. Dengan 150 data sampel, diketahui bahwa dengan minimal lima kombinasi jarak fitur wajah atau lebih, dimana lima kombinasi jarak fitur wajah yang dimaksud yaitu jarak mata kanan – mata kiri, jarak mata kanan – ujung hidung, jarak mata kiri – ujung hidung, jarak mata kanan – mulut, jarak mata kiri – mulut, dapat dipastikan bahwa setiap wajah orang memiliki jarak tiap fitur yang berbeda dan kombinasi jarak ini membentuk model wajah yang mencerminkan keunikan fitur wajah. Dengan menetapkan fitur wajah beserta jarak dari tiap fitur, dapat memberikan suatu model wajah yang dapat digunakan untuk mengidentifikasi wajah dan dapat digunakan sebagai komponen untuk sistem pengenalan wajah.

2.2

Pengolahan Citra Digital

206

Citra (Image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dua dimensi. Sumber cahaya menerangi objek , objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya pada mata manusia, kamera, pemindai (scanner), dan sebagainya sebagai bayangan objek yang disebut citra tersebut terekam ( Munir, R., 2004 : 2 ). Citra Digital adalah citra dengan f (x,y) yang nilainya didigitasikan baik dalam koordinat spasial maupun dalam gray level. Digitalisasi dari koordinat spasial citra disebut dengan image sampling. Sedangkan digitalisasi dari gray level citra disebut dengan gray-level quantization. Citra digital dapat dibayangkan sebagai suatu matriks dimana baris dan kolomnya merepresentasikan suatu titik di dalam citra, dan nilai elemen matriks tersebut menunjukkan gray level di titik tersebut ( Gonzalez Woods And Eddins, 2003:12).

2.3

Metode Euclidean

Euclidean merupakan perhitungan jarak untuk membandingkan antara 2 vektor citra yang dapat digunakan dalam proses identifikasi wajah dengan cara menghitung selisih nilai pixel antara 2 vektor tersebut. Jarak euclidean adalah akar dari jumlah selisih kuadrat antara 2 vektor , secara matematis dapat dirumuskan : =

( Sumber : cut-the-knot, November 2012 )

28

Metode euclidean adalah metode pengukuran jarak garis lurus (straightline) antara titik x (x1, x2,... xn ) dan titik y ( y1, y2,... yn ) (Kurniawan, Harry, 2008).



207

mengkombinasikan potongan foto wajah tersebut dengan potongan foto wajah yang lain, sehingga didapatkan hasil bahwa untuk mengenali seseorang dari foto yang tidak utuh akan membutuhkan waktu yang lama.

Gambar 2.1 Euclidean Distance

2.4

Metode Chi Square

Menurut Levin dan Rubin (1994), chi square dapat digunakan untuk menguji independensi dari dua variabel. Menurut Djarwanto (2003), chi square ini digunakan untuk menguji apakah ada perbedaan cukup berarti (signifikan) antara jumlah pengamatan suatu objek atau respon tertentu pada setiap klasifikasi pada setiap nilai yang diharapkan (expected value) yang berdasarkan hipotesa nolnya. Dalam menguji hubungan antara dua variabel menggunakan chi square, terdapat 2 hipotesis, yaitu : Ho : Kedua variabel tidak memiliki hubungan atau bebas. Hi : Kedua variabel memiliki hubungan atau berelasi Dasar pengambilan keputusan untuk mengetahui apakah antara dua variabel memiliki hubungan atau tidak yaitu dengan menggunakan perbandingan dari hasil uji chi square dengan angka dari tabel chi square. Jika chi square hitung lebih kecil dari chi square tabel, maka Ho diterima, tetapi bila chi square hitung lebih besar dari chi square tabel, maka Ho ditolak. 2.5

3. Metodologi Penelitian 3.1

Blok Diagram

Setiap proses dalam perancangan aplikasi ini akan digambarkan atau dimodelkan berupa blok diagram.Tahapantahapan perancangan proyek akhir ini dapat dilihat pada gambar berikut :

Gambar 3.1 Blok Diagram Perancangan Sistem 4. Hasil dan Pembasan 4.1

Pengujian

Pengujian dalam proyek akhir ini yaitu : 1. Pengujian memperoleh informasi berupa data jarak setiap wajah orang. 2. Pengujian terhadap hubungan antar tiap fitur wajah untuk mendapatkan ciri khas wajah seseorang.

Analisa Fitur

Menurut Evidence Young dan Hay (1986), tujuan dari analisis fitur adalah untuk mengetahui susunan dari wajah sangat penting dalam proses pengenalan, dan dengan menggunakan metode foto dari wajah terkenal yang hanya setengah bagian yang terlihat, akan membuat orang untuk menebak siapa yang ada di foto itu ketika yang mereka lihat hanya potongan dari foto yang tidak utuh atau dengan mencoba

Gambar 4.1 Tampilan awal Aplikasi.


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013 Pada Gambar 4 (a-e) user memilih fitur mata, hidung, dan mulut, dan setelah selesai, maka di dapatkan hasil berupa bagian wajah yang telah di pilih tadi dalam bentuk topeng atau masking. Gambar 4 (f) adalah hasil mendapatkan titik tengah dari tiap fitur wajah. Gambar 4(g) adalah hasil pengukuran jarak dari tiap fitur menggunakan metode euclidean. Selain mengambil gambar wajah menggunakan webcam, user juga bisa mengambil gambar wajah yang sudah ada di folder, seperti pada Gambar 4 (h) .

Gambar 4(e) digunakan untuk mendapakan titik tengah dari tiap fitur dengan menggunakan fungsi regionprops, yaitu untuk menganalisa area of interest suatu frame. Regionprops sendiri memiliki anak fungsi untuk menentukan area yang dijadikan daerah pengukuran.Dalam tugas akhir ini, anak fungsi regionprops yang digunakan adalah : 1. BoundingBox , membuat persegi terkecil yang masih memuat region. 2. Centroid , menspesifikasikan pusat massa dari region.

208

3. WeightedCentroid , menentukan pusat daerah berdasarkan lokasi dan nilai intensitas. Regionprops dapat digunakan untuk menghitung properti pada masing-masing region yang telah ditandai pada gambar skala keabuan / grayscale ( I ). Inputan awal pada regionprops ( BW / gambar biner ) mengidentifikasikan region pada gambar ( I ) dan ukuran kedua gambar tersebut harus sama. Properti yang dimaksud adalah centroid dan weighted centroid untuk mendapatkan titik pusat dari region yang ada. Gambar 4(f) adalah hasil penggunaan fungsi regionprops dimana titik tengah dari tiap fitur diperoleh dari centroid masingmasing boundingbox. Titik tengah dari tiap fitur diperoleh dengan menggunakan fungsi regionprops ini digunakan untuk menghitung jarak antar tiap fitur pada wajah dengan menggunakan metode Euclidean yaitu dengan mencari selisih dari antar koordinat titik tengah dan di visualisasikan menggunakan garis penghubung, antara lain : titik tengah mata kanan ke mata kiri, mata kanan ke hidung, mata kiri ke hidung, mata kanan ke mulut, dan mata kiri ke mulut seperti gambar 4(g). Gambar 4(h) dibawah ini adalah hasil akhir pada aplikasi dari proses pencarian selisih koordinat antar fitur wajah yang ditampilkan melalui garis penghubung. Gambar disebelah kiri adalah gambar asli, sedangkan gambar disebelah kanan adalah gambar hasil penggunaan fungsi regionprops dan metode euclidean

Gambar 4(h) Pada penelitian ini digunakan data jarak fitur wajah dari setiap suku dengan kondisi


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013 pengambilan citra wajah pada kondisi diam. Dari data ini, akan diketahui ada tidaknya hubungan jarak dari tiap fitur wajah dengan identifikasi suku.

209

) / 598.7 = 46.36. Dibawah ini adalah tabel hasil dari nilai Fe dari masing-masing Fo. Tabel 4.2 Tabel nilai observed dan expected dari fitur wajah tiap suku

Tabel 4.1 Nilai rata-rata jarak fitur wajah dari tiap suku

Dengan data ini, maka akan diketahui apakah antara jarak tiap fitur memiliki hubungan dengan identifikasi suku seseorang. Untuk uji ada hubungan atau tidaknya, maka ada 2 hipotesis : Ho : Tidak ada hubungan antara jarak fitur wajah dan suku seseorang. Hi : Ada hubungan antara jarak fitur wajah dan suku seseorang. Dasar pengambilan keputusan, yaitu berdasarkan perbandingan chi square hasil uji dengan chi square table. Jika chi square hitung < dari chi square table, maka Ho diterima, jika chi square hitung > chi square table, maka Ho ditolak. Berikut tabel data dari rata-rata jarak fitur wajah dari masingmasing suku. Menurut Prastito (2004), chi square merupakan analisis statistik yang banyak digunakan dalam pengujian hipotesis. Chi square digunakan untuk uji indepedensi, uji ini digunakan untuk menguji ada atau tidaknya interdepedensi antara variabel kuantitatif yang satu dengan yang lainnya berdasarkan observasi yang ada. Oleh karena itu, dengan data dari tabel diatas ini, akan ditentukan berapa nilai yang diharapkan (expected) berdasarkan nilai yang ditinjau (observed). Proses untuk mencari Nilai yang diharapkan (expected) dari setiap sel yaitu dengan mengurutkan kebawah (vertikal) data perbaris. Nilai Fe diperoleh dengan cara total dari masing-masing baris dikali total dari masing-masing kolom lalu dibagi dengan total keseluruhan data. Sebagai contoh, untuk mencari nilai Fe dari kolom 2 baris 1, yaitu variabel mtkaki dan suku minang, dengan nilai Fo nya adalah 46.45 , yaitu : Fo1 = 46.45, Fe1 = (206.51 * 134.43

Data nilai Fe (expected) dari masing-masing Fo (observed) diinputkan kedalam rumus chi square. Nilai chi square diperoleh dengan rumus / , dimana X2 = statistik chi square, Fo = Nilai observed, Fe = Nilai expected.

Tabel 4.3 Tabel perhitungan chi square fitur wajah

Total chi square hitung yaitu 0.072849. Syarat untuk mengetahui apakah antara kedua variabel memiliki hubungan atau tidak adalah membandingkan nilai chi square hitung dengan chi square tabel. Dalam kasus ini, diberikan untuk tingkat signifikansi (α) yaitu 5% dan nilai derajat kebebasan (df). Untuk mengetahui derajat kebebasan (df) pada tabel distribusi chi square, diperoleh dari : Rumus derajat kebebasan (df ) :



Tabel contoh kasus ini memiliki 5 kolom dan 3 baris, maka nilai derajat kebebasan (df) dari kasus ini yaitu (5-1)(31) = 4(2) = 8. Tabel 4.4 Tabel Distribusi Chi Square

210

hasil riset mempunyai kesempatan untuk benar sebesar 95% dan salah sebesar 5%. Tingkat signifikansi berkisar antara 99% yang tertinggi dan 90% yang terendah. Tingkat signifikan yang dipakai untuk aplikasi ini sebesar 95% atau nilai chi square table yaitu 15.507, oleh karena itu, maka Ho diterima dan disimpulkan bahwa kedua variabel (baris dan kolom) tidak memiliki hubungan, atau antara jarak tiap fitur wajah dengan suku seseorang.

5. Kesimpulan dan Saran 5.1 Dari tabel distribusi chi square diatas, pada df = 8 dan tingkat signifikan 95% atau 0.05 diperoleh nilai chi square table = 15.507. Untuk mengetahui apakah dengan tingkat signifikan yang lebih rendah atau lebih tinggi dari 95% dapat memberikan hasil yang lebih baik maka dilakukan pengujian : 1) Dengan tingkat signifikan sebesar 10% atau 0,9 diperoleh nilai chi square table = 3.490. 2) Dengan tingkat signifikan sebesar 90% atau 0,1 diperoleh nilai chi square table = 13.362. 3) Dengan tingkat signifikan sebesar 97.5% atau 0.025 diperoleh nilai chi square table sebesar = 17.535. 4) Dengan tingkat signifikan sebesar 99% atau 0.01 diperoleh nilai chi square table sebesar = 20.090. 5) Dengan tingkat signifikan sebesar 99,5% atau 0.005 diperoleh nilai chi square table sebesar = 21.955. Dari hasil hitung, dapat dilihat bahwa hasil chi square hitung yaitu 0.072849 lebih kecil dari kelima hasil uji tingkat signifikan dan tidak memberikan perbedaan hasil untuk uji hipotesis. Menurut Jonathan Sarwono, penggunaan tingkat signifikansi memberikan gambaran mengenai bagaimana hasil riset itu mempunyai kesempatan untuk benar. Secara umum, tingkat signifikansi yang digunakan sebesar 99%, 95%, dan 90%. Jika angka signifikansi sebesar 0.05, maka tingkat kepercayaan sebesar 95%, artinya

Kesimpulan

Kesimpulan yang dapat diambil dari pengujian dan analisa yang telah dilakukan pada perangkat lunak adalah sebagai berikut: 1. Metode Euclidean dan Metode Chi Square yang digunakan pada kasus ini tidak dapat mengidentifikasi suku seseorang. 2. Penetapan jarak pengambilan citra wajah yaitu 30 cm, tidak berpengaruh pada proses identifikasi menggunakan metode Euclidean. 3. Berdasarkan uji hipotesis dengan metode chi square diketahui bahwa dengan tingkat kepercayaan sebesar 95% jarak fitur wajah tidak memiliki hubungan dengan identifikasi suku seseorang . 4. Aplikasi dari penelitian ini belum berhasil untuk mengidentifikasi suku dari wajah seseorang.

5.2

Saran Adapun saran dalam pengembangan lebih lanjut aplikasi Implementasi Pembagian Fitur Wajah Sebagai Informasi Awal Pada Sistem Pengenalan Wajah Menggunakan Euclidean (Studi Kasus Identifikasi Suku Di Indonesia) ini yaitu : 1. Dalam identifikasi suku seseorang, metode Euclidean tidak dapat


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013 digunakan, untuk itu dapat digunakan metode yang lain serta bantuan proses identifikasi bentuk wajah. 2. Teknik pengambilan fitur wajah dibuat secara otomatis.


211


Daftar Pustaka [1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

Al Fatta, Hanif .(2007).Seminar Nasional Teknologi 2007.Konversi Format Citra Rgb Ke Format Grayscale Menggunakan Visual Basic. 1978-9777 Agushinta R, Dewi., Suhendra,Adang., Madenda,Sarifuddin., H.S ,Suryadi. (2011). Face Component Extraction Using Segmentation Method on Face Recognition System. Diambil dari http://www.cisjournal.org/archive/vol 2no2/vol2no2_1.pdf Bogolmony, A(t,t). http://www.cuttheknot.org/pythagoras/DistanceFormul a.shtml Di akses pada tanggal 28 November 2012. Gonzalez,R.C.,Woods,R.E., Eddins,S.L.(2003).Digital Image Processing. PEARSON Prentice Hall Jatra,Muhammad.(2007).Makalah Tugas Akhir Identifikasi Iris Mata Menggunakan Metode Analisis Komponen Utama Dan Perhitungan Jarak Euclidean Kurniawan,Harry.,Hidayat,Taufiq.(2 008).Seminar Nasional Aplikasi Teknologi Informasi 2008.Perancangan Program Pengenalan Wajah Menggunakan Fungsi Jarak Metode Euclidean Pada Matlab.1907-5022 Lim, Resmana.(2003).Deteksi Landmark Citra Wajah Dengan Ekstraksi Fitur Gabor Dan Analisa Fuzzy. Munir,Rinaldi.(2004).Pengolahan Citra Digital. Diambil dari http://informatika.stei.itb.ac.id/~rinal di.munir/Buku/Pengolahan%20Citra %20Digital/E-book.htm Piarsa, I Nyoman., Hisamuddin, Riza.(2010).Sistem Verifikasi Online Menggunakan Biometrika Wajah. Diambil dari

[10]

[11]

[12]

[13]

212 http://ejournal.unud.ac.id/abstrak/piar sa_14_.pdf Prasetio, Bayu.(2003). Citra Wajah Sebagai Alat Identifikasi. Diambil dari http://home.bprasetio.or.id/articles.ph p?param=general&op=detail&id=90 Saputra, Rizky. (2011). Analisa Identifikasi Wajah Menggunakan Metode eigenface dan Metode Euclidean dengan Pembanding Ekstraksi Ciri. Sarwono, Jonathan. http://www.jonathansarwono.info/kor elasi/korelasi.htm Suman,Ambika.(2006). Automated Face Recognition. Diambil dari http://www.npia.police.uk/en/docs/Fa ce_Recognition_Report.pdf


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun

Recommend Documents