1.

Judul Penelitian
Pengenalan Citra Wajah Menggunakan Metode Orthogonal Laplacian
Faces

2.

Abstrak
Pengenalan citra wajah salah satu bidang yang banyak diteliti karena dapat
diterapkan di berbagai bidang. Para peneliti telah melakukan penelitian yang
tekah menghasilkan metode yang terbarukan dan dapat diaplikasikan lebih
baik dari metode sebelumnya akan tetapi hal tersebut tidak menutup
kemungkinan metode tersebut hanya dapat memberikan akurasi yang
kurang optimal sehingga dibutuhkan metode yang lebih baik lagi.metode
yang telah ada memiliki beberapa kelamahan yang akurasi yang kurang
optimal. Pada penelitian ini diusulkan suatu metode yang diharapkan
memiliki tingkat akurasi yang lebih baik yaitu dengan menggunakan metode
Orthogonal Laplacianfaces, yang merupakan metode gabungan antara
metode Principal Component Analysis(PCA) yang mengekraksi ciri citra
wajah dan Locality Preserving Projection (LPP) sebagai esktraksi kedua.
Kata kunci: Pengenalan citra wajah, Orthogonal Laplacianfaces, PCA

3. Latar Belakang
Pengenalan citra wajah merupakan salah satu bidang yang banyak
diteliti saat ini. Hal ini dikembangkan guna kepentingan dalam penerapan
sistem keamanan pemerintah, sistem pengamanan dan identifikasi warga
negara serta masih banyak lagi penggunan teknik pengenalan wajah dalam
menunjang kemudahan di dalam masyarakat. Para peneliti telah melakukan
penelitian yang tekah menghasilkan metode yang terbarukan dan dapat
diaplikasikan lebih baik dari metode sebelumnya akan tetapi hal tersebut
tidak menutup kemungkinan metode tersebut hanya dapat memberikan
akurasi yang kurang optimal sehingga dibutuhkan metode yang lebih baik
lagi. Terdapat dua hal yang dapat mempengaruhi dalam pengenalan wajah
yaitu metode ekstraksi fitur dan metode klasifikasi yang digunakan. Metode
ekstraksi fitur memberikan informasi berupa diskriman matrik yang dapat
membedakan satu citra wajah individu dengan individu lainnya, faktor ini
sangat penting dalam membangun sistem pengenalan wajah karena pada
hakikatnya citra wajah manusia tidaklah selalu sama. Oleh karena itu,
diperlukan metode yang dapat menangkap fitur utama citra wajah individu
secara optimal.
Orthogonal laplacianfaces (OLPP) merupakan salah satu metode
untuk merepresentasikan citra wajah sehingga diperoleh fitur utama yang
digunakan sebagai pencocokkan. Metode ini menghasilkan fitur wajah
dengan melakukan proyeksi data menggunakan PCA dan menghitung vektor
vektor basis orthogonal dari data agar dapat mendapatkan fitur utama citra
wajah.

4.

Perumusan Masalah
Adapun masalah yang dapat dimuncilkan dari latar belakang yang telah
dijelaskan sebelumnya,yaitu:
1. Bagaimana ekstraksi fitur menggunakan metode orthogonal laplacian
face mendiskriman citra?
2. Bagaimana hasil yang diperoleh dari metode orthogonal laplacian face?
3. Bagaimana membangun sistem pengenelan wajah menggunakan
Orthogonal Laplacianfaces?

5.

Tujuan dan Manfaat

Tujuan dari penelitian ini adalah sebagai berikut:
1. Membangun sistem pengenalan wajah menggunakan Orthogonal
Laplacianfaces.
2. Mengukur dan menganalisis akurasi sistem dan faktor faktor yang
mempengaruhi proses pengenalan wajah menggunakan metode
Orthogonal Laplacianfaces.

6.

Batasan Masalah
Dari perumusan permasalahan diatas maka perlu adanya sebuah batasan
masalah sebagai berikut :
1. Sistem dituujukkan hanya untuk sebatas citra wajah saja.
2. Citra wajah tidak memiliki noise apapun.
3. Menggunakan database ORL (Olivetti Research Lab).
4. Citra wajah masukan berupa citra abu-abu.

7.

Studi Pustaka
Adapun beberapa tinjauan pustaka yang digunakan dalam penelitian ini
yaitu:
7.1. Principal Component Analysis (PCA)
Pengenalan wajah adalah suatu masalah pada pengenalan pola visual. Dimana
dalam suatu wajah yang direpresentasikan menjadi suatu citra tiga dimensi (3D)
terdapat didalamnya variasi tingkat pecerahan, pencahayaan, pose, ekspresi dan
lain-lain yang kemudian dilakukan proses identifikasi berdasarkan informasi
citra dua dimensinya (2D). Suatu parameter terdekat yang digunakan untuk
proses pengenalan wajah ini salah satunya yaitu melalui pencarian lokasi fitur
khusus (Local fitur-based) dari citra, seperti mata, hidung dan mulut, yang
kemudian dilakukan perhitungan jarak antar fiturnya. Metode lain untuk
pengenalan wajah dapat dilakukan dengan membandingkan citra yang telah
diproyeksikan menjadi level grayscale menjadi citra yang memiliki
dimensi rendah, metode ini biasa disebut dengan metode eigenfaces (Holistic
fitur-based).
Untuk reduksi dimensi data (Dimensional Reduction)
Ekstraksi struktur data dari dataset high dimenson dimenson.
Mencari basis signal berdasarkan data statistik objek objek.

Matriks covariance dengan dimensi m x m, dimana m adalah jumlah image

training. Dengan dekomposisi eigen berlaku :
V V C

Hitungi eigen value () dan eigen vector (V) dari matriks C menggunakan
metode Jacobi. Eigen value dan eigen vector yang bersesuaian diurutkan secara
descending . Eigen faces yang didapatkan ini dapat dilihat dalam ilustrasi di
bawah ini :

7.2. Orthogonal Laplacianfaces

Metode Orthogonal Lapalcianfaces

juga dikenal dengan OLPP

(Orthogonal Locality Preserving Projection). Metode ini merupakan

pengembangan dari LPP yakni dengan menghasilkan fungsi basis yang
orthogonal. Fungsi basis ini digunakan untuk memproyeksikan citra
wajah. Hasil proyeksi yang dihasilkan merupakan fitur wajah yang
bersifat diskriminan (membedakan dengan citra wajah individu lain).

8.

Metodologi
Pada pelaksanaan program penelitian proposal pengajuan tugas akhir, akan
dijelaskan tentang parameter yang digunakan, ide penelitiannya sebagai
berikut:
8.1. Studi Literatur
Studi literatur meliputi referensi-referensi mencakup beberapa hal
seperti skripsi, jurnal, buku, atau paper yang berkaitan teori dasar
pengenalan wajah, Principal Component Analysis (PCA) dan
Orthognal Laplacianfaces.
8.2. Studi Lapangan
Pada tahapan ini akan dilakukan pengumpulan data sebagai uji coba
skenarion nantinya, data tersebut berupa kumpulan variasi citra wajah
tiap individu menggunakan database ORL (Olivetti Research Lab).
8.3. Analisa Sistem
Setelah melakukan studi literatur dan lapangan, langkah selanjutnya
yakni analisis sistem yang ada saat ini. Dalam hal ini yang perlu

dikerjakan adalah menganalisis keperluan apa saja yang nantinya

digunakan dalam membangun sistem.
8.4. Perancangan Sistem
Perancangan sistem ini berupa deskripsi sistem berupa flowchart.
8.5. Implementasi
Pada tahap impelementasi, perancangan yang ada diaplikasikan
berdasarkan tahap-tahap dalam perancangan impelementasi sistem
menggunakan MATLAB 2014a.
8.6. Verifikasi dan Pengujian Sistem
Pengujian bertujuan untuk memperoleh akurasi sistem pengenalan
wajah. Dari hasil pengujian tersebut diperoleh nilai akurasi sistem
dalam skenario tertentu.
8.7. Dokumentasi dan Penarikan Kesimpulan
Tahapan ini merupakan langkah akhir yang nantinya berisi kesimpulan
dari penelitian yang dilakukan yang dituangkan dalam penulisan
laporan.

9.

Rancangan Sistem
9.1. Flowchat
Adapaun flowchat system yang dibangun adalah sebagai berikut:

Database training Citra wajah

Orthogonal PCA

OLPP

Ektraksi fitur

Pengenalan

9.2. Rancangan skenario

Skenario pada penelitian ini adalah menyediakan database ORL yang
akan dipisah menjadi dataset training dan dataset testing, dengan
variasi fitur sebesar, 4, 5 dan 7 untuk dimensi sebesar 32 piksel.
Skenario ini dibuktikan dengan pencapaian hasil akurasi yang didapat
menggunakan metode Orthogonal Laplacianfaces.

10. Jadwal Kegiatan

Tabel 10.1 Tabel Jadwal Kegiatan
No

Kegiatan

Bulan
9

10

11

12

1 Studi Literatur
2 Studi Lapangan
3 Analisa Sistem
Perancangan
4
Sistem
5 Implementasi
Verifikasi dan
6
Pengujian Sistem
Dokumentasi dan
7 Penarikan
Kesimpulan

11. Daftar Pustaka

[1].Fitri Damayanti, Agus Zainal Arifin, Rully Soelaiman. 2010
Pengenalan Citra Wajah Menggunakan Metode Two-Dimensional

Linear Discriminant Analysis dan Support Vector Machine Jurnal

Imliah Kursor , Vol. 5, No. 3, ISSN: 0216-0544.
[2].Muntasa, Arif. 2014. The Gaussian Orthogonal Laplacianfaces
Modelling in Feature Space for Facial Image Recognition,Makara J
.Technol Vol. 18. No. 2
[3].Ni Wayan Marti dan Ditari Salsabila. 2010. Evaluasi Kinerja
Metode PCA/LPP Pada Sistem Pengenalan Citra Wajah Manusia