RANCANG BAI\GT]N PENGEhIDALI PINTU AUTOMATIS BERDASARKAII CIRI WAJAH MENGGUNAKAN METODE EUCLIDEAI\ DISTAI\TCEDAI\[ FUZZY C-MEAN l, 2 3 PurnawarmanMusa Nuryuliani , MissaLamsani FakultasIlmu Komputerdan Teknologi Informasi, Univenitas Gunadarma Jl. MargondaRayaNo. 100PondokCina DEPOK 16424
[email protected].
[email protected] [email protected],
Abstrak Biometrik merupakan suatu metode yang menganalisa secara statistik karakteristik biologis manusia. Karakteristik selaludipunyai dan menjadi ciri ktrassetiapmanusia.Ciri khastersebutdapatdilihat dari karaller fisik (misalnya sidik jari, rauVciri-ciri wajatr dan retina mata); dari karakteristik tingkah laku (misalnyatanda tangan dan suara).Ciri-ciri wajah dapatdigunakanuntuk mengindradari metodebiometrik yang ada. Karena ciri-ciri wajah memiliki ciri khas yang bisa membedakanantarasatu manusiadenganmanusiayang lainnya., sehinggadapat digunakansebagaialat pengaman(password).Penggunaanbiometric ini dipandangmemiliki tingkat keamananyang lebih tinggi dibandingkandengansistemtradisional yang menggunakanpasswordatau ID Card untuk autentikasipadapengaksesan suatuarea. Padametodepenelitian ini dibuat perancangansecaraperangkatkeras denganmembuatsimulasi maket rumah yang dilengkapi denganpintu otomatis,rangkaiandriver motor DC, rangkaianoptocouplersebagaipenerima data dari parallel port, komunikasi.parallelport dan perencanaansistem secarakeseluruhan.Jika hasil perbandinganciri wajah input sama/cocokdenganyang sudahtersimpandalam database,maka dapatmembuka pintu, tetapijika tidak samamakapintu akantetaptertutup. Sistem ini menggunakanbantuankamerawebcamuntuk mendeteksidan mengenaliciri wajah seseorangdan bahasapemogramanMicrosoft Visual Basic 6.0. Algoritma yang digunakanpada ekstraksi ciri wajah untuk dapat membedakanwajah seseoftrngdenganorang lain menggunakanalgoritrna Fuzzy Cluster Mean. Gambar seseorangyang diterima sensorpenangkapobjek bergerakakan diprosesoleh komputermenggunakan"image processingprogram". Metodeyang digunakanuntuk menghitungkecocokanciri wajah menggunakanEuclidean Distance. Dari hasil pengujiaq didapatbahwasiste4 dapatmengenaliciri - ciri wajahdari 30 sampelmemberyang terdapat padadatabase, didapatkantinglet keberhasilanmengenaliciri - ciri wajahseseorang mencapai80,o/o. Kata kunci : PengolahanCitra, Biometrih EuclideanDistance,FuzzyC-Mean
1.
Pendahuluan
Pengamanan sangat diperlukan dalam kegiatan sehari-hari, terutama jika menyangkut suatu otoritas. Salah satu bentuk dari pengamanan yang sulit untuk ditiru, dibuka atau dimodifikasi oleh orang lain adalah menggunakanpencirian otomatis dari karakteristik biologis yang selalu dipunyai dan menjadi ciri khas setiapdiri manusia. Pencirian dan penandaantersebut dikenal sebagai biometrik.Ciri khas tersebut dapat dilihat dari karakteristikfisik, misalnyasidik jari, raut wajah, retina mata,tandatangandan suara.
Penggunaan teknologi informasi dalam penandaanbiometrik dapatdigunakandalam model identifikasi, dimana sistem biometrik mengidentifikasi setiap orang dan melakukan pencarianmelalui kode yang samapada database yang telah disusun. Penggunaanbiometric tni dipandang memiliki tingkat keamanan yang lebih tinggi dibandingkan dengan sistem tradisional yang menggunakan password atau ID Card untuk autentikasi pada pengaksesan suatu sistem. Raut pada wajah/ciri wajah digunakan dapat pengamanan (password). Penggunaan ciri wajah dalam pengamanan adalah hal yang memungkinkan untuk tidak
321
u # ff'
terjadinya pembobolan kerahasiaan oleh orangorang yang tidak berkepentingan. Karena pada prinsipnyasetiapciri wajah manusiamemiliki ciri khas tersendiri yang berbedaantara satu manusia denganmanusialainnya. 2.
KeamananSistemdan Metodepengenalan yang digunakan
2.1; Biometikdan KeamananSistem Kebanyakansistemkeamananmenggunakan sebuah perlindungan yang akan mendefinisikan pemakai, sehingga sistem keamanan mengetahui identitas dari pemakai. Masalah identifikasi pemakai ini disebut sebagai otentifikasi pemakai (user authentication). Metode otentifikasi yang biasa digunakan yaitu : sesuatu yang diketahui oleh pemakai, misalnya password, kombinasi kunci,
nama kecil dan sebagainya.Sesuatuyang dimiliki pemakai seperti kartu identitas, kunci dan sebagainya.Ciri biometrik dari pemakaijuga dapat digunakan sebagaipengamanan,karena biometrik merupakan ciri khas setiap manusia yang dapat berupa sidik jari, raut ciri-ciri wajall retina mata dan dilihat dari karakteristiktingkah lakq misalnya tandatangandan suar4 Keamanan sistem diperlukan untuk menjamin sumber daya agar tidak digunakanatau dimodifikasi oleh orang yang tidak berhak. Keamanan meliputi masalah teknis, manajerial, legalitas dan politis. Keamanan sistem dapat d'ikelompokkan menjadi tiga kelompolg yaitu keamananekstemal (external secarity), keamanan interface pemakai (user interface security) dan keamananinternal (internal security). Keamanan eksternal meliputi keamanan yang berkaitan dengan fasilitas komputer dari penyusupdan bencanaalam sepertikebakarandan kebanjiran.Sedangkankeamananinterface pem*zi meliputi keamanan yang berkaitan dengan identifikasi pemakai sebelum pemakai diijinkan mengaksesprogntm dan data yang disimpan. Dan keamanan internal meliputi keamanan yang berkaitandengankeam413aberagamkendali yang dibangun pada perangkat keras (hardware) dan sistemopbrasiyang menjaminoperasiyang handal dan tidak .tgrkorupsi untuk menjaga integritas program dan data" biasanya keamananjenis ini dibangunsecaraperangkatltnak (sofiware). 2.2.PengolahanCitra Citra merupakan informasi yang secara umum.tersimpandalam bentuk pemetaanbit - bit, atau lebih dikenal sebagaibitmap. Video adalah susunan dari beberapa citra /gambar yang ditampilkan secara bergantian dan sangat cepat, sehinggamembentuksuatupergerakanyang halus. Biasanyagambaryang disusunberasaldari gambar
322
dalam bentuk cina @ukan gafft). Pengertian Video biasanya mengacu pada proses atau teknologidari sistemgambarbergerak. Setiap bit dari citra membenfuk satu titik informasi yang dikenal sebagaipixel. Satuandari pixel biasanyadinyatakandenganposis x, posisi y dan nilai dari pixel tersebut (warna atau gray). Dalam satubidang gambar,sepenuhnyaterdiri dari pixel - pixel disimpandalambentukbilanganbiner (hanya memiliki dua kemungkinan,0 atau l, ada atau tidak). Penggunaan pixel biner ini dimaksudkan untuk menyederhanakan proses denganhanyamemperhatikanada atau tidak, dan juga untuk memperkecildata baik saat dikirimkan atausaatdisimpan,termasukjuga saatdiproses. Gray scale dan biner sebenamyamemiliki kemiripan,hanyasajakalau biner hanyamemiliki 2 kemungkinannilai, tetapi gray scalememiliki lebih banyakkemungkinannilai, misalkan4, 16 atau256 kemungkinan. Gray scale banyak digunakanjika adanya perbedaan intensitas antara satu pixel denganpixel lainnya sangatdipentingkan.Hal ini terutama jika obyek yang diamati memiliki perbedaan intensitas yang cukup kecil dengan berbagai tingkat kecerahan.Jika digunakan pixel biner, maka kemungkinanperbedaan- perbedaan tersebut akan hilang hanya menjadi hitam atau putih. Untuk mempermudahpengolahansuatucitra proses yang paling umum digunakan adalah scaling,scanningdancropping. Pemilihan faktor penskalaanyang sesuai akan mempercepatoperasikerja tanpa mengurangi kinerja sistem. Contoh pada gambar 2.1, jika dilakukan penskalaanl:8, temyata citra aslinya cukup buru( namun denganfaktor l:5 didapatkan hasil yang lebih baik, dan kecepatan yang didapatkan berkurang menjadi 5 x 5 : 25 (kecepatankeseluruhansistemsangatdipengaruhi oleh proses-proses yang lain) kali jika dibandingkandenganpemrosesan citra aslinya. Untuk menentukansebenarnyaberapa nilai yang terbaik adalahberdasarkankebutuhan,antara kecepatandan ketelitian. Sebagaicontoh, pada gambar sebelumnyamemiliki ukuran 200 x 80 pixel, sebutsajaukurandari obyek sebesaritu. Jika dilakukanpenskalaanl:5, artinyaakan didapatkan obyek denganukuran 40 x 16 pixel, dan jika dilakukan penskalaanl:8 akan didapatkanobyek denganukuran25 x 10.
, &, i:
frl
VideoUidmH
Gambar2.1.Ciba 200 x 80 di-skala I :5 rlen l:8
Denganmemperkecilukuran citra asli akan dapat mempercepatproses perhitungan secara keseluruhan. Namun cara ini juga dapat
menuunkan kinerja dari sistem,dimana suatucitra yangsemulamemilikijumlah pixel yangbesarakan memiliki bentuk yang detil, dengan dilakukan penskalaanakan didapatkanbentuk gambar yang kurangdetil. Pencarianobjek bisa berdasarkanscanning yang memiliki kelebihan tersendiri, yaitu lebih cepat(kalau obyek yang dicari dekat dengantitik awal) dan mudah tetapi tidak akurat.Hal ini tentu saja menyebabkan proses menjadi lambat. Kelebihan lain dari prosesscanningadalahmetode klasifikasi atau identifikasi dad proses deteksi dapat beragam, artinya dapat menggUnakan berbagaimetode. Jika suatuobyek dapatdiketatui berdasarkan tirt-wrrranya-saja-@segmentasi waraa. Metode ini secara runun digunakanunhrk memisahkansuatuwama terhadap wama lainnya. Inti dari segmentasiwarna adalah membacawama pixel demi pixel atau daerahdemi daeratrdan membandingkannya denganwarnayang dikehendaki. Jika obyek yang akan dideteksi dipastikan hanya berjumlah satu, artinya dalam penangkapancitra nantinya kemungkinan hanya ada satu obyek yang akan muncul, maka proses deteksinyamenjadi sederhana.Ioipun masih bisa dibedakanantaraobyek yang posisinyatertentudan obyekyangposisinyatidak tentu. Jika obyek posisinya sudah tentu pada sensor, maka proses deteksi dilakukan cukup dengan mengamati daerah tersebut, tanpa menghiraukandaerahlainnya. Jika obyek ternyata menempati posisi yang tidak tentu, maka harus dilakukanprosespencarian.Prosespencariandapat dilakukan dengandua carq melakukanscanningdi seluruh daerah citrq atau langsung menentukan titik tengah (itik berat) dari obyek yang ada di layar. Selain scanning, ada prpses lain pada pengolahancitra yaitu Cropping. Dengancropping, cara ini mengharuskanprogram untuk mencari pixel demi pixel, area demi are4 ukuran demi ukuran dari seluruhbagrancitra. Jika suatuobyek berhasil ditemukan, bagian citra yang bertepatan dengan obyek tersebut akan dipotong untuk diproses pada bagian berikutuiya.Kelebihan dari cara ini, posisi dan ukuran dari obyek dapatbebas sertajumlah dari obyekdapatlebih dari satu. Dapat menggunakan berbagai metode klasifikasi, dimana hasil crop obyek yang ditemukan denganmudah diproses pada classifier yangdikehendaki.
Konsep dasar FCM, nlenentukan pusat cluster, yang akan menandailokasi rata.rataunnrk tiap-tiap cluster.Padakondisi awal, pusat cluster ini masih belum akurat. Tiap-tiap titik data memiliki derajat keanggotaan untuk tiap-tiap cluster.Dengancaramemperbaikipusatcluster darr derajat keanggotaan tiap-tiap titik data secapa berulang, maka akan dapat dilihat bahwa pdsat cluster akanbergerakmenujulokasi yang tepat. Perulangan ini didasarkan pada mfirimasi fungsi obyektif yang menggambarkanjarak dari titik data yang diberikan ke pusat cluster yang terbobot oleh derajat keanggotaan titik data I tenebut. Output dari FCM bukan merupaU'an fuzry - t prrsEtcluster dan beberapa derajat keanggotaanuntuk tiap-tiaptitik data. 2.5. EuclideanDistance Euclidean Distance merupakan metode statistikayang digunakanuntuk mencari data yang terdekat antara paxameterdata referensi dengan parameterdatabaru. Parameterreferensi: Rl, R2, R3, .... Rim dimana i : jumlah region dan R : data pada tiap regron.Sedangkan databaru:Rl', R2', R3', .r..Rn', dinana o : jumlah region dan R : data pada tiap region, banyalnya jumlah region antara data baril denganparametersampelharussama,sehinggai : n.
dR=
(t)
Pada pemrosesancitra, nilai yang dicari jarak perbedaannya adalatrnilai rata-rataRGB atau nilai biner dari setiap komponencitra antara data input dan data referensi.Analisa distance ini juga dapat menentukanjarak dislaiminan terhadapdata input dan referensi, sehingga dapat mengetahui termasuk dalarn kelompok mana data input itu b€rada"dan dapat diambil kesimpulanpada proses analisanya. Nilai jarak yang paling minimal merupakancitra yang memiliki kemiripan dengan citra referensi 2.6.KomunikasiParallel Port parallel menyediakan metode yang mudahuntuk menghubungkan PC denganperalatan elektronik. Port parallel merupakanport data di computer
2.4. Fuz,zyC-MeansGCM) Fuzzy C-Meazs adalah suatu teknik pengcluster-an data dimana keberadaandari tiap-tiap titik datapadasuatucluster ditentukanoleh derajat keanggotaan.Teknik ini pertamakali diperkenalkan olehJim Bezdekpadatahun1981.
(Ri - RD2
untuk
menstransrnisi
8 bit
data
dalarn
sekaliclock. Paralelport adalahport yang paling banyak digunakan dalam interfacing dengan berbagai macam peralataneksternal. Secaraumum paralel port terdiri dari 4 jalur kontrol, 5 jalur statusdan 8 jalur data.
323
Hubungan pengkabelan yang umum digunakan yaitu konektor tipe DB25. Konektor DB25 merupakan koneltor yang paling banyak dijumpai pada paralel port PC sedangkankonektor centronicdijumpai padaprinter. 5lalus Regiricr
0itJ
tlt 06
Reqr llef
rln:0? 0
00
Gambar3.1. RangkaianPerangkatKerasPembuka pintu Crrtrrl RcSirlcr
-reZfin
PerancanganPerangkatLunak
:Fin-paratGlport Paralel port yang telah distandarisasi dibawah standard IEEE 1284, pertama diperkenalkanpada tahun 1994. Standardtersebut didefinisikan dalam5 modeoperasi,yaitu: l. Mode kompabilitas(CompabilityMode) 2. Mode 4 bit (Nibble Mode) 3. ModeSbit@yteMode) 4. Mode parallel port lanjutan (EnhancedParalel Port) 5. Mode kapabilitas diperluas (Extended Capability Port)
Perancangan secara perangkat lunak menggunakan sebuah program Visual Basic, dimana perangkat lunak ini digunakan untuk menyimpanhasil penangkapanobjek yarig bergerak yaitu foto untuk dijadikan sebuah database. Kegunaandari databaseini untuk membandingkan dengan data baru yang masuk, apakah data baru tersebutcocokatautidak dengandatabaseyang ada.
'Register yang ada pada DB25 terdiri dari 3 jenis, antaralain : l. RegisterData 2. RegisterControl 3. RegisterStatus
3.
Metode PengenalanWajah yang diusulkan
Perancangan Perangkat Keras Perancangan soGara perangkat keras dilakukan denganmembuat simulasi maket rumah yang.dilengkapi denganpintu otomatis, rangkaian driver motor DC, rangkaian optocoupler sebagai penerima data dari parallel potr, komunikasi parallel port dan perencana:m sistem secara keseluruhan.Gambar rangkaian secara perangkat keras untuk membuka pintu jika data yang baru masuk cocok dengan database dan tetap akan tertufup jika data yang baru masuk tidak cocok dengandatabase.
324
Gambar3.2. FlowchartPerangkatLunak RancanganSecaraBlok Diagram Dalarn perancangan alat identifikasi, dalam hal ini sensor untuk mengambil gambar, diperlukan suatu cara bagaimana suatu gambar yang ditangkap oleh sensor dapat diolah oleh komputer. Dari pengolahantersebut, data yang diperoleh kemudian dijadikan acuan untuk
melakukan suatu tindakan seperti pada gambar berikut:
aksi yang berhubungandengankecocokandata tersebut,yaitujika datacocokmakapintu akan terbuka,tetapi jika data tidak cocok, makan pintu akan tetap tertutup. yang kemudianakan dikirimkan Hasil pendekatansuatupencocokandata yang didapat dengan data yang tersimpan akan dikirimkan komunikasiparallel.
Gambar5. Blok DiagramSistem Gambaran umum dari percobaan dibagi menjadibanyakbagianyaitu : Langkah dalam percobaan ini adalah sebagai berikut: l. Pengambilan data input dari sebuah frame ohiek
samhar
vang
sedang
berserak
menggunakanwebcam.Jika frame objek sudah didapatkan, maka dapat melahrkan penyimpanan untuk memperbanyakdatabase yang ada. Data yang dapat disimpan dalarr databasemencapai lebih dari 1000 database, yang artinya databasedapat rnenyimpan data wajahlebihdari 1000orang. 2. Pen-skala-an dilakukan karena input yang didapatkan berukuran besar, sehingga untuk mendapatkanobjek denganpixel yang standm untuk ukuran pixel cifra, dipilihlah objek dengan ukuran 320 x 240 : 76800 pixel. tlkuran tersebut masih besar jika harus menghitung keseluruhan data yang ada, sehinggaperlu pula dilakukan pen-skala-an menjadil:15. Sehinggadidapatkan16 x 16 : 256 data pixel untuk I databasewajah yang terdeteksi Segmentasi digunakan unhrk membedakan wama kulit dengan warna background.Pada batasan masalah ditentukan bahwa warna backgroundadalahbiru sehinggauntuk dapat menentukan posisi wajah maka harus membuangwarna biru dan mengambil warna kulit yimg telah diasumsikan Gray Scale dilakukan, karena gambar yang terekam adalah gambar berbentuk RGB atau berwarna, sehingga untuk memudahkan pemrosesangambartersebutdi ubahbentuknya menjadigambargray scale 5. Melakukan pendeteksian keberadaan objek sehingga objek dapat dibedakan dengan background. Pendeteksian ini dilakukan dengancara segmentasiwarna kulit dan juga melakukancropping Kuantisasi, yaitu mengambil data pixel dari suatuobjek gambaryang sudahterekamuntuk dimasukkankedalamsebuahdatabase Pembandingan datapixel dari objectyangbaru dengan data yang ada pada database. Pembandinganini menggunakanverifikasi dengan algoritma Euclidean Distance dan Fuzzy C Mean. Dan setelah pembandingan dilakukan, data tersebut dikirimkan ke komunikasi paralel sehingga terjadi sebuah
I Hasil dan Pembahasan Hasil dari penelitian berdasarkan uji coba pada pengambilan data dari setiap ciri wajah belum mendapatkan hasil yang diharapkan. Kemungkinan _-_-Teryb-ab-ffi -F-en-ferck6im wajah sangat lambat terhadap kecepatan objek bergerak. Setelah menyelesaikan perencanaan dan pembuatan alal selanjutnya untuk mengetahui serta meyakinkan bahwa seluruh sistem perancangan perangkat telah bekerja dengan baik, sehingga dilakukan beberapa pengujian pada setiap tahap. Pengujian ini meliputi beberapa tahap, yaitu: l) Pengujian Sensorpenangkap objek, untuk menguji apakah sensor penangkap objek dapat menangkapobjek atau tidak. Jika sensorpenangkap objek dan program Visual Basic bekerj4 maka akan tampil gambar sebuah objek; 2) Pengujian pengambilan datE yang bertujuan melakukan pengujian terhadap data yang diambil untuk dijadikan sebagai data referensi (sebagai pembanding) dengan data yang akan input. Program menyimpan data secara otomatis data tersebut akan tersimpan pada database yang sudah dikoneksikan; 3) Pengujian perangkat lunak, dengan melakukan pengecekan satu objek sebanyak 20 kali tes. Tingkat keberhasilan dalam menentukan target dihampkan melebihi 50% - 85%. Perangkat lunak dapat mengenali objek yang ditangkap oleh webcam yang sesuai pada database dan dapat dikenali dengan benar; 4) Pengujian rangkaian driver motor, bertujuan untuk apakah mengetahui rangkaian motor dapat bekerja dengan benar apabila diberi tegangan berupa pulsa. Input dari optocoupler diberi tegangan 5Volt sebagai pengganti logic I dari PC, Output optocoupler menjadi input unhrk rangkaian driver. 5.
Kesimpulan dan saran
Kesimpulan Berdasarkanhasil pengujian, didapat bahwa sistem dapat mengenali ciri - ciri wajah dari 30 sampel member yang terdapat pada database, didapatkan tingkat keberhasilan mengenali ciri - ciri wajah seseorangmencapai8002. Setelah menganalisa hasil tersebut ada beberapa faktor keeagalan yanC ditimbulkan
32s
diantarany4 karena adanya perbedaankondisi lingkungan antara pada saat pengarnbilan data referensiciri - ciri wajah dan padasaatsoftwareini dilakukanpengujian. Untuk mendapatkan hasil yang optimal, adalah dengan menambatrjumlah data referensi. Semakin
banyak
data
referensi
yang
e)
diambil,
semakinkecil jarak kedekatanantaracitra input dan
l0)
Pada saatpengujiandilakukaq posisi wajah tidak terlalu banyak bergerak untuk mendapa&an datainput yangbaik.
I l)
Saran
t2)
pusatcluster.
_Ilmil_pimrFte-kim
masfi dapatdiringkaftan lagi akurasiny4 karena pencapaian kecocokan antara databasedengan data yang baru masuk belum mencapu l00%o.Sehinggadiharapkanakan ada pengembanganlebih lanjut tentang penelitian ini, misalnya dengan membuat setiingan suatu objek yang di5impandi perbesar,meskipunharus menperhitungkankecepatanresponantaradatabase dengandatayangbaru masuk. Penelitian ini tidak hanya dapat digunakan untuk aplikasi membuka pintu saj4 tetapi dapat pula digunakan pada aplikasi lainnya yang otoritasyangtinggi. .membutubkan DAFTARPUSTAKA l) Basuki Achmad, Jonla F. Palandi, dan Fatchurrochman, 2005, Pengolahan Citra Digital Menggunakan Visual Basic, Graha Ilmu. 2) Hariyanto Bambang, 1999, Sistem Operasi, Bandung,Edisi 2, Informatika. 3) Bima Sena Bayu Dewantar4 SST, 2006, Materi Image Prosesing dan Aplikasinya, PelatihanImageProsesing,Surabaya. 4) Darma Putra, 2004, Sistem Identifiktsi Wajah Dengan Metode Wavelel, Majalah Ilmiah Teknologi Elektro Udayana ISSN : 16932951Vol.3/No.l Januari- Juni. 5)t - Edi Satriyanto, Golan, 2003, Pengendalian Robot Dengan Isyarat Tangan,Final Project EEPISITS. 6) Prasetyo Eri dan Isma Rahmatun,Oktober 2008, Design Sistem Pengenalan wajah dengan variasi ekspresi dan posisi ' menggunakanmetodeEagenface,Universitas Gunadarma. ' http://pusatstudi.gunadarma.ac.id/pscitr4. 7)' Juan Wachs,U. Kartoun,HelmanSterm,dan Yael Edan, 2004, Real-TimeHand Gesture TeleroboticSystemUsing the Fuzzy C-Means Clustering Algorithm, Departrnent of Industrial Engineeringand ManagementBenGurionUniversityof theNegev. 8) Jure Kova"c, Peter Peer, dan Franc Solina 2003, Human Skin Colour Clustering for 326
13)
14)
Face Detection, Faculty of Computer and InformationScienceUniversityof Ljubljana Gunadi Kartika dan Sonny RP, 2001, Pembuatan Perangkat Lunak Pengenalan Wajah MenggunakqnPrincipal Components Analysis, Universitas Kristen Petra, Jurnal Informatika Vol.2 No.2. KusumadewiSri, Analisis dan Desain Sistem Fuzry MenggunakanTool Box Motlab, Grilra Ilmu,2002. Leong Marlon, 2004, Pemrograman Dasar Microsofi Yisual Basic .NET, ANDI Yogyakarta. Linda G Shapira dan George C. Stockman, 2001, ComputerVision,PrenticeHall. *PenCdtahan -C.-trq l\funir, Rmakn;2004; Digital dengan Pendekatan Algoritmik, Informatikagsndrrng. Satriyanto Edi, 2006, Identifikasi Isyarat Tangan Sebagai Pengendoli Telerobotik Real-Time, Secara Tesis Program Pascasarjana Matematika Fakultas Matematika dan Ilmu PengetahuanAlam, Institut Teknologi SepuluhNopember.
