RANCANGAN APLIKASI PENGENALAN WAJAH DENGAN ALGORITMA EIGENFACE

RANCANGAN APLIKASI PENGENALAN WAJAH DENGAN ALGORITMA EIGENFACE Pertumpun Gurusinga; Kelvin Permana Arbi Jurusan Sistem Informasi, Fakultas Teknik,Universitas Satya Negara Jl. Iskandar Muda, Kebayoran Lama, Jakarta, Indonesia [email protected]

ABSTRACT An image has unique characteristics that are not owned by a text data. Image processing technology is very important as a form of visual information, which has been widely applied in data security systems. Face recognition system is a result of image processing application. In the implementation of face recognition, a camera used to capture the user's face. Then it is compared with the previous user's face that had been stored in the database. This study implements eigenface algorithm that sets a computer to recognize and identify a face. The identified faces are captured by a camera based on previously saved faces. Both face image to be identified and experiment face image are put to the face preprocessing stage. Bright light supports facial resemblance better in compared to normal light or dim light. Keywords: face recognition, face testing, identification, eigenface algorithm

ABSTRAK Gambar atau citra memiliki karakeristik unik yang tidak dimiliki oleh data teks. Teknologi pengolahan citra sangat penting sebagai bentuk informasi visual, yang telah banyak diaplikasikan dalam sistem keamanan data. Sistem Pengenalan wajah merupakan hasil aplikasi pengolahan citra (Image processing). Dalam implementasi pengenalan wajah, digunakan sebuah kamera untuk menangkap wajah pengguna, lalu dibandingkan dengan wajah pengguna yang sebelumnya yang telah disimpan di dalam database. Pada penelitian ini digunakan algoritma eigenface agar komputer dapat mengenali dan mengidentifikasi suatu wajah. Wajah Percobaan yang diidentifikasi ditangkap kamera berdasarkan wajah uji yang telah disimpan sebelumnya. Pada tahap awal wajah yang akan diidentifikasi dan wajah uji akan dimasukkan ke tahap preprocessing. Pencahayaan yang terang akan sangat mendukung proses pemiripan wajah dibandingkan cahaya normal dan cahaya redup. Kata kunci: Pengenalan wajah, wajah uji, identifikasi, algoritma eigenface

132

Jurnal Mat Stat, Vol. 13 No. 2 Juli 2013: 132-139

PENDAHULUAN Citra (image) adalah istilah lain untuk gambar. Sebagai salah satu komponen multimedia yang memegang peranan sangat penting dalam bentuk informasi visual, citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu kaya dengan informasi (Sutoyo, et al., 2009). Operasi pengolahan citra merupakan operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain yang dapat dikatagorikan berdasarkan tujuan transformasi maupun cakupan terhadap citra. Pada hasil pemotretan kamera digital dan hasil scan gambar dengan format digital, sering terdapat kekurangan misalnya dalam pengambilan sebuah gambar, sering kali buram serta nampak kurang tajam, gambar terlihat redup, kurang fokus, dan kurang cemarlang. Ada beberapa penyebabnya, di antaranya resolusi gambar rendah, jumlah pixel warna sangat minim dan kurang fokus pada objek gambar yang dimaksud. Gambar juga dapat dijadikan sebagai pengendali keamanan komputer jika didukung database gambar dari berbagai pengguna komputer. Persentase kesamaan data uji dan data yang didentifikasi tinggi jika pencahayaan terang (Kadir, 2002). Tujuan penelitian ini adalah utuk merancang sebuah sistem pengenalan wajah dengan algoritma Eigenface yang digunakan untuk keamanan sistem komputer bagi operator (user) yang berhak menggunakan komputer tersebut. Sedangkan proses yang dilakukan pada penelitian ini meliputi: (1) proses menangkap citra wajah dengan kamera untuk menyimpan ke database pada saat akses masuk; (2) proses algoritma eigenface untuk mengambil keputusan menyamakan citra wajah yang ditangkap kamera saat masuk dengan citra yang telah disimpan sebelumnya, di mana wajah yang akan digunakan untuk akses masuk maupun untuk disimpan dalam database adalah wajah yang menghadap ke depan kamera, jarak 50 cm dengan pencahayaan yang baik dan tidak ada objek yang menghalangi wajah saat pengambilan gambar.

METODE Pengolahan Citra Digital Pengolahan citra adalah suatu metode yang digunakan untuk mengolah citra (image) sehingga menghasilkan citra lain yang sesuai dengan kebutuhan. Pemotongan (Cropping) (Gambar 1) adalah pengolahan citra dengan kegiatan memotong satu bagian dari citra.

Gambar 1 Teknik pemotongan dari file

Metode pemotongan di mana x’ = x – xL untuk x = xL -xR dan y’ = y – yT untuk y = yT - yB. (xL,yT) dan (xR,yB) adalah koordinat titik pojok kiri atas dan pojok kanan bawah citra yang akan dicrop. Setelah digunting (crop) ukuran citra menjadi w’ = xR – xL dan h’ = yB – yT (Munir, 2004).

Rancangan Aplikasi Pengenalan …... (Pertumpun Gurusinga; Kelvin Permana Arbi)

133

Konversi Citra True Color menjadi Citra Grayscale Proses mengubah citra true color menjadi citra grayscale digunakan dalam image processing untuk menyederhanakan model citra. Grayscale adalah warna-warna piksel sebuah citra yang dikonversi menjadi citra abu-abu. Sistem grayscale hanya memerlukan satu byte atau delapan bit untuk menyimpan data, sehingga hanya mempunyai variasi dari 0 (hitam) sampai 255 (putih). (1) (2) (3)

Ada beberapa macam cara untuk mengkonversi sistem warna RGB menjadi grayscale, yaitu: mengunakan rata-rata setiap komponen warna RGB. Grayscale = (R+G+B)/3 mengunakan nilai maksimal komponen RGB. Grayscale = Max{R,G,B} mengunakan sistem YUV (sistem warna pada NTSC), dengan cara mengambil komponen Y (iluminasi).

NTSC (National Television System Committee) mendefinisikan bobot untuk konversi citra true color ke grayscale sebagai berikut: wR = 0.299, wB = 0.587, wG = 0.114. Data masukkan berupa citra True Color dan data keluaran berupa citra Grayscale (Sutoyo, et al., 2009). Komponen Y sendiri diperoleh dari sistem warna RGB dengan konversi: Grayscale= (R x 0.299) + (B x 0.587) + (G X 0.114).

(1)

Skin Color Detection Skin color detection adalah metode yang digunakan untuk mendeteksi warna kulit, untuk mengubah image berwarna yang mempunyai nilai matriks masing-masing red, green dan blue menjadi image warna Y (Luma), Cb (chroma blue) dan Cr (chroma red). Y merupakan komponen luminance, Cb dan Cr adalah komponen chrominance. Pada monitor monokrom nilai luminance digunakan untuk merepresentasikan warna RGB, secara psikologis luminance mewakili intensitas sebuah warna RGB yang diterima oleh mata. Chrominance merepresentasikan corak warna dan saturasi (saturation). Nilai komponen ini juga mengindikasikan banyaknya komponen warna biru dan merah pada warna. YCbCr (256 level) dapat diperoleh dari RGB 8 bit dengan menggunakan rumus berikut: Y = 0.299 R + 0.587 G + 0.114 B Cb = - 0.1687 R - 0.3313 G + 0.5 B + 128 Cr = 0.5 R – 0.4187 G – 0.0813 B + 128

(2) (3) (4)

Nilai warna Cr dan Cb yang terkumpul dinormalisasi untuk mendapat nilai rata-rata Cr dan Cb untuk kemudian dilakukan perhitungan jarak kulit pada setiap lokasi yang akan dikenali. Jika jarak kulit berada di dalam nilai thresholding, dianggap sebagai kulit. Jika tidak, diangap sebagai latar belakang (Li dan Zain, 2005).

Metode Pengubahan Citra Prinsip dasar dari metode eigenface adalah bagaimana cara untuk mengubah sebuah citra wajah ke dalam satu set kode yang paling efisien . Metode Eigenface yaitu membandingkan kode wajah di sebuah kamera dengan wajah yang telah tersimpan pada database, di mana database ini berisi beragam wajah yang telah dikodekan secara serupa (Kusumo, 2002). Algoritma pengenalan wajah dimulai dengan membuat matriks kolom dari wajah yang di simpan ke dalam database. Rata-rata vector citra (mean) dari matriks kolom dihitung dengan cara membaginya dengan jumlah banyaknya citra yang disimpan di dalam database.

134


Untuk menyusun Flatvektor matriks citra wajah yang telah disimpan sebagai image trainning menjadi 1 matriks tunggal. Misalnya, citra yang disimpan berukuran H x W piksel dan jumlahnya N buah, maka memiliki flatvektor dengan dimensi N x (H X W) adapun representasi semua matriks trainning menjadi matriks dalam bentuk N X 1 atau matriks linier seperti di bawah ini (Fatta Al Hanif, 2009).

(3 x 2 piksel)

Flowchart Program Flowchart merupakan gambaran proses yang dijalankan. Terdapat beberapa flowchart untuk mendukung aplikasi ini tetapi disini yang ditampilkan hanya flowchart halaman akses masuk seperti Gambar 2 dan flowchart pengenalan wajah seperti Gambar 3

Gambar 2 Flowchart halaman akses masuk.

Gambar 3. Flowchart pengenalan wajah.


135

Rancangan Antarmuka Rancangan antarmuka adalah gambaran tampilan layar yang berisi menu-menu yang dapat diakses sesuai kebutuhan pengguna, yang terdiri dari akses masuk, menu admin, menu user, dan about. Pada tulisan ini yang ditampilkan antara lain rancangan Halaman Masuk (Gambar 4), menu Master User (Gambar 5) dan menu Profil (Gambar 6).

. Gambar 4 Rancangan akses masuk

Gambar 5 Rancangan halaman menu Master User

Gambar 6 Rancangan halaman menu Profil

136


HASIL DAN PEMBAHASAN Hasil Berdasarkan hasil uji coba sistem pengenalan wajah dengan menggunakan wajah uji dan wajah yang diidentifikasi dengan algoritma eigenface, terutama pada darah cahaya terang, dapat dikatakan sistem berfungsi dengan baik. Hasil implementasi yang diperagakan pada tuisan ini antara lain tampilan form akses masuk, form Master User, dan tampilan form Profil user. Form akses masuk (Gambar 7) adalah form identifikasi dengan menggunakan wajah sebagai kuncinya. Untuk dapat akses masuk pengguna terlebih dahulu memilih type login sebagai user atau admin.

Gambar 7 Tampilan akses masuk

Form Master user (admin) ditampilkan seperti pada Gambar 8.

Gambar 8 Tampilan Form Master User(admin).

Pada form menu profil user, user dapat mengubah informasi data dirinya dan mengubah wajah yang terdaftar paada aplikasi seperti Gambar 9.


137

Gambar 9 Tampilan form profil (user).

Pembahasan Pada pengenalan wajah, intensitas cahaya memperlihatkan untuk intensitas cahaya yang tinggi semakin tinggi performanya, dalam hal ini pengujian dilakukan berdasarkan krieria pencahayaan dan setup minimum kemiripan yang berbeda. Percobaan dilakukan dengan tiga user dengan pendaftaran wajah pada database tig Kli dengan pencahayaan yang berbeda (terang, normal, redup) dan setup kemiripan (70%, 80%, 90%) (Tabel 1). Keterangan: N x M = 80(baris) x 80(kolom) Piksel = 0 - 255 D = Difference (perbandingan nilai wajah uji citra database dengan citra yang diidentifikasi) R = (255 – (total rataan flatvektor / M * N)) * (M * N) Presentase Differance -> PD = (D / R) * 100 Presentase Kemiripan -> PK = 100 - PD Tabel 1 Persentase Kemiripan data pengamatan Setup Minimum Kemiripan Pencahayaan

Terang

Normal

Redup

User A B C A B C A B C

(70%)

(80%)

(90%)

72 76 76 73 73 74 72 71 72

80 87 85 83 85 84 82 84 81

95 93 95 91 94 93 92 0 0

Catatan: Nilai nol (0) pada tabel merupakan kesalahan dalam identifikasi.

SIMPULAN Berdasarkan hasil analisis yang dilakukan terhadap permasalahan dan aplikasi yang dikembangkan, dapat ditarik kesimpulan bahwa rancangan pengenalan wajah yang dibuat dapat digunakan sebagai sistem pengamanan data, karena akses user dapat berjalan dengan baik. Aplikasi ini dapat melakukan pengenalan wajah manusia dengan mengunakan webcam sebagai media device capture jika asal pencahayaan baik dan konstan dengan webcam yang ada pada Laptop. Sistem pengamanan menggunakan rancangan ini lebih murah dari segi biaya dibandingkan menggunakan sidik jari atau retina yang memerlukan alat khusus yang mahal. Metode Eigenface yang sederhana dapat diaplikasikan untuk berbagai permasalahan dasar dan juga dijalankan pada komputer standar.

138


DAFTAR PUSTAKA Fatta Al Hanif. (2009). Rekayasa Sistem Pengenalan Wajah. Yogyakarta: Andi Offset. Kadir, Abdul. (2002). Praktis Belajar Databasse Menggunakan Microsoft Access. Yogyakarta: Andi. Kusumo, Ario Suryo. (2002). Pemrograman Database gengan Visual Basic 6.0. Jakarta: Elex Media Komputindo.

Li, Stan Z. Dan Jain, Anil K. (2005). Handbook of Face Recognition. NewYork: Springer. Munir, R. (2004). Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Informatika.

Sutoyo, T., Mulyanto, E., Suhartono, V., Nurhayati, Oky D., dan Wijanarto. (2009). Teori Pengolahan Citra Digital. Yogyakarta: Andi Offset.


139

RANCANGAN APLIKASI PENGENALAN WAJAH DENGAN ALGORITMA EIGENFACE

Recommend Documents