RANCANG BANGUN PENGENDALI PINTU AUTOMATIS BERDASARKAN CIRI W AJAH MENGGUNAKAN MET ODE EUCLIDEAN DISTANCE DAN FUZZY C-MEAN

RANCANG BANGUN PENGENDALI PINTU AUTOMATIS BERDASARKAN CIRI W AJAH MENGGUNAKAN MET ODE EUCLIDEAN DISTANCE DAN FUZZY C-MEAN Purnawarman

Musa

1,

Nuryuliani

2 ,

Missa Lamsani

3

Fakultas I1mu Komputer dan Teknologi Informasi, Universitas Gunadarma 11.Margonda Raya No. 100 Pondok Cina DEPOK 16424 [email protected], [email protected], [email protected]

Abstrak Biometrik merupakan suatu metode yang menganalisa secara statistik karakteristik biologis manusia. Karakteristik selalu dipunyai dan menjadi ciri khas setiap manusia. Ciri khas tersebut dapat dilihat dari karakter fisik (misalnya sidik jari, raut/ciri-ciri wajah dan retina mata); dari karakteristik tingkah laku (misainya tanda tangan dan suara). Ciri-ciri wajah dapat digunakan untuk mengindra dari metode biometrik yang ada. Karena ciri-ciri wajah memiliki ciri khas yang bisa membedakan antara satu manusia dengan manusia yang lainnya., sehingga dapat digunakan sebagai alat pengaman (password). Penggunaan biometric ini dipandang memiliki tingkat keamanan yang lebih tinggi dibandingkan dengan sistem tradisional yang menggunakan password atau ID Card untuk autentikasi pada pengaksesan suatu area. Pada metode penelitian ini dibuat perancangan secara perangkat keras dengan membuat simulasi maket rumah yang dilengkapi dengan pintu otomatis, rangkaian driver motor DC, rangkaian optocoupler sebagai penerima data dari parallel port, komunikasi parallel port dan perencanaan sistem secara keseluruhan. Jika hasil perbandingan ciri wajah input sama/cocok dengan yang sudah tersirnpan dalam database, maka dapat membuka pintu, tetapi jika tidak sama maka pintu akan tetap tertutup. Sistem ini menggunakan bantuan kamera webcam untuk mendeteksi dan mengenali ciri wajah seseorang dan bahasa pemograman Microsoft Visual Basic 6.0. Algoritma yang digunakan pada ekstraksi ciri wajah untuk dapat membedakan wajah seseorang dengan orang lain menggunakan algoritma Fuzzy Cluster Mean. Gambar seseorang yang diterima sensor penangkap objek bergerak akan diproses oleh komputer menggunakan "image processing program". Metode yang digunakan untuk menghitung kecocokan ciri wajah menggunakan Euc\idean Distance. Dari hasil pengujian, didapat bahwa sistem dapat mengenali ciri - ciri wajah dari 30 sampel member yang terdapat pada database, didapatkan tingkat keberhasilan mengenali ciri - ciri wajah seseorang mencapai 80%.

Kata kunci:

1.

Pengolahan Citra, Biometrik, Euclidean Distance, Fuzzy C-Mean

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 menggunakan pencirian otomatis dari karakteristik biologis yang selalu dipunyai dan menjadi ciri khas setiap diri manusia. Pencirian dan penandaan tersebut dikenal sebagai biometrik.Ciri khas tersebut dapat dilihat dari karakteristik fisik, misalnya sidik jari, raut wajah, retina mata, tanda tangan dan suara.

Penggunaan teknologi informasi dalam penandaan biometrik dapat digunakan dalam model identifikasi, dimana sistem biometrik mengidentifikasi setiap orang dan melakukan pencarian melalui kode yang sama pada database yang telah disusun. Penggunaan biometric ini dipandang memiliki tingkat keamanan yang lebih tinggi dibandingkan dengan sistem tradisional yang menggunakan password atau ID Card untuk autentikasi pada pengaksesan suatu sistem. Raut wajah/ciri wajah dapat digunakan pada pengamanan (password). Penggunaan ciri wajah dalam pengamanan adalah hal yang memungkinkan untuk tidak

321

terjadinya pembobolan kerahasiaan oleh orangorang yang tidak berkepentingan. Karena pada prinsipnya setiap ciri wajah manusia memiliki ciri khas tersendiri yang berbeda antara satu manusia dengan manusia lainnya. 2.

Keamanan Sistem dan Metode pengenalan yang digunakan

2.1. Biometik dan Keamanan

Sistem

Kebanyakan sistem keamanan menggunakan 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. Sesuatu yang dirniliki pemakai seperti kartu identitas, kunci dan sebagainya. Ciri biometrik dari pemakai juga dapat digunakan sebagai pengamanan, karena biometrik merupakan ciri khas setiap manusia yang dapat berupa sidik jari, raut ciri-ciri wajah, retina mata dan dilihat dari karakteristik tingkah laku, misalnya tanda tangan dan suara, Keamanan sistem diperlukan untuk menjamin surnber daya agar tidak digunakan atau dimodifikasi oleh orang yang tidak berhak. Keamanan meiiputi masalah teknis, manajerial, legalitas dan politis. Keamanan sistem dapat dikelompokkan menjadi tiga kelompok, yaitu keamanan eksternal (external security), keamanan interface pemakai (user interface security) dan keamanan internal (internal security). Keamanan eksternal meliputi keamanan yang berkaitan dengan fasilitas komputer dari penyusup dan bencana alam seperti kebakaran dan kebanjiran. Sedangkan keamanan interface pemakai meliputi keamanan yang berkaitan dengan identifikasi pemakai sebelum pemakai diijinkan mengakses program dan data yang disimpan. Dan keamanan internal meliputi keamanan yang berkaitan dengan keamanan beragam kendali yang dibangun pada perangkat keras (hardware) dan sistem operasi yang menjamin operasi yang handal dan tidak terkorupsi untuk menjaga integritas program dan data, biasanya keamanan jenis ini dibangun secara perangkat lunak (software). 2.2. Pengolahan

Citra

Citra merupakan informasi yang secara umum tersimpan dalam bentuk pemetaan bit - bit, atau lebih dikenal sebagai bitmap. Video adalah susunan dari beberapa citra /gambar yang ditampilkan secara bergantian dan sangat cepat, sehingga membentuk suatu pergerakan yang halus. Biasanya gambar yang disusun berasal dari gambar

322

dalam bentuk citra (bukan grafik). Pengertian Video biasanya mengacu pada proses atau teknologi dari sistem garnbar bergerak. Setiap bit dari citra membentuk satu titik informasi yang dikenal sebagai pixel. Satuan dari pixel biasanya dinyatakan dengan posis x, posisi y dan nilai dari pixel terse but (wama atau gray). Dalam satu bidang gambar, sepenuhnya terdiri dari pixel - pixel disimpan dalam bentuk bilangan biner (hanya memiliki dua kemungkinan, 0 atau I, ada atau tidak). Penggunaan pixel biner ini dimaksudkan untuk menyederhanakan proses dengan hanya memperhatikan ada atau tidak, dan juga untuk memperkecil data baik saat dikirimkan atau saat disimpan, termasukjuga saat diproses. Gray scale dan biner sebenarnya memiliki kemiripan, hanya saja kalau biner hanya memiliki 2 kemungkinan nilai, tetapi gray scale memiliki lebih banyak kemungkinan nilai, misalkan 4, 16 atau 256 kemungkinan. Gray scale banyak digunakan jika adanya perbedaan intensitas antara satu pixel dengan pixel lainnya sangat dipentingkan. Hal ini terutama j ika obyek yang diamati memiliki perbedaan intensitas yang cukup kecil dengan berbagai tingkat kecerahan. Jika digunakan pixel biner, maka kemungkinan perbedaan - perbedaan tersebut akan hilang hanya menjadi hitam atau putih. Untuk mempermudah pengolahan suatu citra proses yang paling umum digunakan adalah scaling, scanning dan cropping. Pemilihan faktor penskalaan yang sesuai akan mempercepat operasi kerja tanpa mengurangi kinerja sistem. Contoh pada gambar 2.1, jika dilakukan penskalaan 1:8, ternyata citra aslinya cukup buruk, namun dengan faktor 1:5 didapatkan hasil yang lebih baik, dan kecepatan yang didapatkan berkurang menjadi 5 x 5 = 25 (kecepatan keseluruhan sistem sangat dipengaruhi oleh proses-proses yang lain) kali jika dibandingkan dengan pernrosesan citra aslinya. Untuk menentukan sebenamya berapa nilai yang terbaik adalah berdasarkan kebutuhan, antara kecepatan dan ketelitian. Sebagai contoh, pada gambar sebelumnya memiliki ukuran 200 x 80 pixel, sebut saja ukuran dari obyek sebesar itu. Jika dilakukan penskalaan 1:5, artinya akan didapatkan obyek dengan ukuran 40 x 16 pixel, dan j ika dilakukan penskalaan 1:8 akan didapatkan obyek dengan ukuran 25 x 10.

Video Video t~

Gambar 2.1. Citra 200 x 80 di-skala 1:5 dan 1:8 Dengan memperkecil ukuran citra asli akan dapat mempercepat proses perhitungan secara keseluruhan. Namun cara ini juga dapat

menurunkan kinerja dari sistem, dimana suatu citra yang semula memiliki jumlah pixel yang besar akan memiliki bentuk yang detil, dengan dilakukan penskalaan akan didapatkan bentuk gambar yang kurang detil. Pencarian objek bisa berdasarkan scanning yang memiliki kelebihan tersendiri, yaitu lebih cepat (kalau obyek yang dicari dekat dengan titik awal) dan mudah tetapi tidak akurat.Hal ini tentu saja menyebabkan proses menjadi lambat. Kelebihan lain dari proses scanning adalah metode klasifikasi atau identifikasi dari proses deteksi dapat beragam, artinya dapat menggunakan berbagai metode. Jika suatu obyek dapat diketahui berdasarkan ciri warnanya saja, maka dapat digunakan metode segmentasi warna. Metode ini secara umum digunakan untuk memisahkan suatu warna terhadap warna lainnya. Inti dari segmentasi warna adalah membaca warna pixel demi pixel atau daerah demi daerah dan membandingkannya dengan warna yang dikehendaki." Jika obyek yang akan dideteksi dipastikan hanya berjumlah satu, artinya dalam penangkapan citra nantinya kemungkinan hanya ada satu obyek yang akan muncul, maka proses deteksinya menjadi sederhana. Inipun masih bisa dibedakan antara obyek yang posisinya tertentu dan obyek yang posisinya tidak tentu. Jika obyek posisinya sudah tentu pada sensor, maka proses deteksi dilakukan cukup dengan mengamati daerah terse but, tanpa menghiraukan daerah lainnya. Jika obyek ternyata menempati posisi yang tidak tentu, maka harus dilakukan proses pencarian. Proses pencarian dapat dilakukan dengan dua cara, melakukan scanning di seluruh daerah citra, atau langsung menentukan titik tengah (titik berat) dari obyek yang ada di layar. Selain scanning, ada proses lain pada pengolahan citra yaitu Cropping. Dengan cropping, cara ini mengharnskan program untuk mencari pixel demi pixel, area demi area, ukuran demi ukuran dari seluruh bagian citra. Jika suatu obyek berhasil ditemukan, bagian citra yang bertepatan dengan obyek terse but akan dipotong untuk diproses pada bagian berikutnya. Kelebihan dari cara ini, posisi dan ukuran dari obyek dapat bebas sertajumlah dari obyek dapat lebih dari satu. Dapat menggunakan berbagai metode kiasifikasi, dimana hasil crop obyek yang ditemukan dengan mudah diproses pada classifier yang dikehendaki. 2.4. Fuzzy C-Means (FCM) Fuzzy C-Means adalah suatu teknik pengcluster-an data dimana keberadaan dari tiap-tiap titik data pada suatu cluster ditentukan oleh derajat keanggotaan. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek pada tahun 1981.

Konsep dasar FCM, menentukan pusat cluster, yang akan menandai lokasi rata-rata untuk tiap-tiap cluster. Pada kondisi awal, pusat cluster ini masih belum akurat. Tiap-tiap titik data memiliki derajat keanggotaan untuk tiap-tiap cluster. Dengan cara memperbaiki pusat cluster dan derajat keanggotaan tiap-tiap titik data secara berulang, maka akan dapat dilihat bahwa pusat cluster akan bergerak menuju lokasi yang tepat. Perulangan ini didasarkan pada minimasi fungsi obyektif yang menggambarkan jarak dari titik data yang diberikan ke pusat cluster yang terbobot oleh derajat keanggotaan titik data tersebut. Output dari FCM bukan merupakan fuzzy inference system, namun merupakan deretan pusat cluster dan beberapa derajat keanggotaan untuk tiap-tiap titik data. 2.5. Euclidean

Distance

Euclidean Distance merupakan metode statistika yang digunakan untuk mencari data yang terdekat antara parameter data referensi dengan parameter data barn. Parameter referensi : RI, R2, RJ, .... Rim dimana i = jumlah region dan R = data pada tiap region. Sedangkan data baru: RI', R2', RJ', ....Rn', dimana n = jumlah region dan R = data pada tiap region, banyaknya jumlah region antara data baru dengan parameter sampel harus sama, sehingga i = n.

dR = ~2)Ri - Ri'i

(I)

Pada pernrosesan citra, nilai yang dicari jarak perbedaannya adalah nilai rata-rata RGB atau nilai biner dari setiap komponen citra antara data input dan data referensi. Analisa distance ini juga dapat menentukan jarak diskriminan terhadap data input dan referensi, sehingga dapat mengetahui termasuk dalam kelompok mana data input itu berada, dan dapat diambil kesimpulan pada proses analisanya. Nilai jarak yang paling minimal merupakan citra yang memiliki kemiripan dengan citra referensi. 2.6. Komunikasi

Parallel

Port parallel menyediakan metode yang mudah untuk menghubungkan PC dengan peralatan elektronik. Port parallel merupakan port data di computer untuk menstransmisi 8 bit data dalam sekali clock. Paralel port adalah port yang paling banyak digunakan dalam interfacing dengan berbagai macam peralatan eksternal. Secara umum paralel port terdiri dari 4 jalur kontrol, 5 jalur status dan 8 jalur data.

323

FfSUVO

Hubungan pengkabelan yang umum digunakan yaitu konektor tipe DB25. Konektor DB25 merupakan konektor yang paling banyak dijurnpai pada paralel port PC sedangkan konektor centronic dijumpai pada printer.

HMl (. )

RJG!!T

t::r'

I Sla!u'>

RCQI'!e,

~

Gambar 3.1. Rangkaian Perangkat Keras Pembuka Pintu

Perancangan Gambar 2.2. Pin - Pin Parallel Port

Perangkat

Lunak

Perancangan secara perangkat lunak menggunakan sebuah program Visual Basic, dimana perangkat lunak ini digunakan untuk menyimpan hasil penangkapan objek yang bergerak yaitu foto untuk dijadikan sebuah database. Kegunaan dari database ini untuk membandingkan dengan data barn yang masuk, apakah data baru tersebut cocok atau tidak dengan database yang ada.

Paralel port yang telah distandarisasi dibawah standard IEEE 1284, pertama diperkenalkan pada tahun 1994. Standard tersebut didefinisikan dalam 5 mode operasi, yaitu: 1. Mode kompabilitas (Compability Mode) 2. Mode 4 bit (Nibble Mode) 3. Mode 8 bit (Byte Mode) 4. Mode parallel port lanjutan (Enhanced Paralel Port) 5. Mode kapabilitas diperluas (Extended Capability Port) Register yang ada pada DB25 terdiri dari 3 jenis, antara lain : I. Register Data 2. Register Control 3. Register Status

3.

Metode Pengenalan

Perancangan

Perangkat

Wajah yang diusulkan

Ya

Keras

~II

~Pi

Perancangan secara perangkat keras dilakukan dengan membuat simulasi maket rumah yang dilengkapi dengan pintu otomatis, rangkaian driver motor DC, rangkaian optocoupler sebagai penerima data dari parallel port, komunikasi parallel port dan perencanaan sistem secara keseluruhan. Gambar rangkaian secara perangkat keras untuk membuka pintu jika data yang barn masuk cocok dengan database dan tetap akan tertutup jika data yang baru masuk tidak cocok dengan database.

324

•••• terb~ Tidak

Gambar 3.2. Flowchart Perangkat Lunak Rancangan

Secara Blok Diagram

Dalam 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 pengolahan tersebut, data yang diperoleh kemudian dijadikan acuan untuk

melakukan berikut:

suatu

P~ bergerak o~iek

tindakan

seperti

pada gambar

--+1~:11~=1 Pmtu

8.

Gambar 5. Blok Diagram Sistem Gambaran umum dari percobaan dibagi menjadibanyak bagian yaitu : Langkah dalam percobaan ini adalah sebagai berikut: I. Pengambilan data input dari sebuah frame objek gambar yang sedang bergerak menggunakan webcam. Jika frame objek sudah didapatkan, maka dapat melakukan penyimpanan untuk memperbanyak database yang ada. Data yang dapat disimpan dalam database mencapai lebih dari 1000 database yang artinya database dapat menyimpan data wajah lebih dari 1000 orang. 2. P~n-skala-an dilakukan karena input yang didapatkan berukuran besar, sehingga untuk mendapatkan objek dengan pixel yang standar untuk ukuran pixel citra, dipilihlah objek dengan ukuran 320 x 240 = 76800 pixel. Ukuran tersebut masih besar jika harus me~ghitung keseluruhan data yang ada, sehmgga perlu pula dilakukan pen-skala-an menjadi 1:15. Sehingga didapatkan 16 x 16 = 256 data pixel untuk 1 database wajah yang terdeteksi 3. Segmentasi digunakan untuk membedakan wama kulit dengan warna background. Pada batasan masalah ditentukan bahwa warna background adalah biru sehingga untuk dapat menentukan posisi wajah maka harus membuang warna biru dan mengambil wama kulit yang telah diasumsikan 4. Gray Scale dilakukan, karena gambar yang terekam adalah gambar berbentuk RGB atau berwama, sehingga untuk memudahkan pemrosesan gambar terse but di ubah bentuknya menjadi gambar gray scale 5. Melakukan pendeteksian keberadaan objek sehingga objek dapat dibedakan dengan background. Pendeteksian ini dilakukan dengan cara segmentasi wama kulit dan juga melakukan cropping 6. Kuantisasi, yaitu mengambil data pixel dari suatu objek gambar yang sudah terekam untuk dimasukkan kedalam sebuah database 7. Pembandingan data pixel dari object yang baru dengan data yang ada pad a database. Pembandingan ini menggunakan verifikasi dengan algoritma Euclidean Distance dan F~zzy C Mean. Dan setelah pembandingan dilakukan, data tersebut dikirimkan ke komunikasi paralel sehingga terjadi sebuah

4.

aksi yang berhubungan dengan kecocokan data tersebut, yaitujika data cocok maka pintu akan terbuka, tetapi j ika data tidak cocok, makan pintu akan tetap tertutup. yang kemudian akan dikirirnkan Hasil pendekatan suatu pencocokan data yang didapat dengan data yang tersimpan akan dikirimkan komunikasi parallel.

Hasil dan Pembahasan

Hasil dari penelitian berdasarkan uji cob a pada pengambilan data dari setiap ciri wajah belum mendapatkan hasil yang diharapkan. Kemungkinan penyebab ketidakberhasilan adalah pendeteksian wajah sangat lambat terhadap kecepatan objek bergerak. Setelah menyelesaikan perencanaan dan pembuatan alat, selanjutnya untuk mengetahui serta meyakinkan bahwa seluruh sistem perancangan p~rangkat telah bekerja dengan baik, sehingga dilakukan beberapa pengujian pada setiap tahap. . Pengujian ini meliputi beberapa tahap, yaitu: I) Pengujian Sensor penangkap objek, untuk menguji apakah sensor penangkap objek dapat m~nangkap objek atau tidak. Jika sensor penangkap objek dan program Visual Basic bekerja, maka akan tampil gambar sebuah objek; 2) Pengujian pengambilan data, 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 diharapkan melebihi 50% - 85%. P~rangkat 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 ben.ar apabila diberi tegangan berupa pulsa. Input dari optocoupler diberi tegangan 5Volt sebagai pengganti logic I dari PC, Output optocoupler menjadi input untuk rangkaian driver. 5.

Kesimpulan

dan saran

Kesimpulan Berdasarkan hasil pengujian, didapat bahwa sistem dapat mengenali ciri - ciri wajah dari 30 sampel member yang terdapat pada database didapatkan tingkat keberhasilan mengenali ciri - ciri wajah seseorang mencapai 80%. Setelah menganalisa hasil tersebut ada beberapa faktor kegagalan yang ditimbulkan

325

diantaranya, karena adanya perbedaan kondisi lingkungan antara pada saat pengambilan data referensi ciri - ciri wajah dan pada saat software ini dilakukan pengujian. Untuk mendapatkan hasil yang optimal, adalah dengan menarnbah jumlah data referensi. Semakin banyak data referensi yang diambil, semakin kecil jarak kedekatan antara citra input dan pusat cluster. Pada saat pengujian dilakukan, posisi wajah tidak terlalu ban yak bergerak untuk mendapatkan data input yang baik .

9)

10)

1 1)

Saran

12)

Hasil pendeteksian masih dapat ditingkatkan lagi akurasinya, karena pencapaian kecocokan antara database dengan data yang barn masuk belum mencapai 100%. Sehingga diharapkan akan ada pengembangan lebih lanjut tentang penelitian ini, misalnya dengan membuat setiingan suatu objek yang disimpan di perbesar, meskipun harus memperhitungkan kecepatan respon antara database dengan data yang barn masuk. Penelitian ini tidak hanya dapat digunakan untuk aplikasi membuka pintu saja, tetapi dapat pula digunakan pada aplikasi lainnya yang membutuhkan otoritas yang tinggi.

13)

DAFTAR PUSTAKA I) Basuki Achmad, Jozua 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 Dewantara, SST, 2006, Materi Image Prosesing dan Aplikasinya, Pelatihan Image Prosesing, Surabaya. 4) Darma Putra, 2004, Sistem Identifikasi Wajah Dengan Metode Wave/et, Majalah Ilmiah Teknologi Elektro Udayana ISSN : 16932951 Vol. 3/ No.1 Januari - Juni. 5) Edi Satriyanto, Golan, 2003, Pengendalian Robot Dengan Isyarat Tangan, Final Project EEPIS ITS. 6) Prasetyo Eri dan Isma Rahmatun, Oktober 2008, Design Sistem Pengenalan wajah dengan variasi ekspresi dan posisi menggunakan metode Eagenface, Universitas Gunadarma. http://pusatstudi.gunadarma.ac.id/pscitra,. 7) Juan Wachs,U. Kartoun,Helman Sterm,dan Yael Edan, 2004, Real-Time Hand Gesture Telerobotic System Using the Fuzzy C-Means Clustering Algorithm, Department of Industrial Engineering and Management BenGurion University of the Negev. 8) Jure Kovac, Peter Peer, dan Franc Solina, 2003, Human Skin Colour Clustering for 326

Face Detection, Faculty of Computer and Information Science University of Ljubljana Gunadi Kartika dan Sonny RP, 2001, Pembuatan Perangkat Lunak Pengenalan Wajah Menggunakan Principal Components Analysis, Universitas Kristen Petra, Jumal lnformatika Vol.2 No.2. Kusumadewi Sri, Analisis dan Desain Sistem Fuzzy Menggunakan Tool Box Mat/ab, Graha I1mu,2002. Leong Marlon, 2004, Pemrograman Dasar Microsoft Visual Basic .NET, ANDI Yogyakarta. Linda G Shapira dan George C. Stockman, 2001, Computer Vision, PrenticeHall. Munir, Rinaldi, 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika Bandung.

14) Satriyanto

Edi, 2006, Identifikasi Isyarat Tangan Sebagai Pengendali Telerobotik Secara Real-Time, Tesis Program Pascasarjana Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember.