PENGENALAN WAJAH DENGAN METODE INDEPENDENT

COMPONENT ANALYSIS

SKRIPSI

Oleh
Ready Prima Rozzaaq

1301013442

Sugondo

1301021412

Ahmad Mushawir

1301023506

Universitas Bina Nusantara

Jakarta
2013

PENGENALAN WAJAH DENGAN METODE INDEPENDENT

COMPONENT ANALYSIS

SKRIPSI

diajukan sebagai salah satu syarat

untuk gelar kesarjanaan pada
School of Computer Science
Jurusan Teknik Informatika
Jenjang Pendidikan Strata-1
Oleh
Ready Prima Rozzaaq

1301013442

Sugondo

1301021412

Ahmad Mushawir

1301023506

Universitas Bina Nusantara

Jakarta
2013
ii

PENGENALAN WAJAH DENGAN METODE INDEPENDENT

COMPONENT ANALYSIS

SKRIPSI

Disusun oleh :

Ready Prima Rozzaaq

Sugondo

Ahmad Mushawir

1301013442

1301021412

1301023506

Disetujui oleh :
Pembimbing

Diaz D. Santika, Ir., M.Sc., Dr.

D1159

Universitas Bina Nusantara

Jakarta
2013
iii

iv

vi

PERNYATAAN
Dengan ini kami,
Nama

: Ready Prima Rozzaaq

NIM

: 1301013442

Nama

: Sugondo

NIM

: 1301021412

Nama

: Ahmad Mushawir

NIM

: 1301023506

Judul Skripsi :

PENGENALAN WAJAH DENGAN METODE INDEPENDENT

COMPONENT ANALYSIS

Memberikan kepada Universitas Bina Nusantara hak non-eksklusif untuk menyimpan,

memperbanyak, dan menyebarluaskan skripsi karya kami, secara keseluruhan atau hanya
sebagian atau hanya ringkasannya saja, dalam bentuk format tercetak dan atau
elektronik.
Menyatakan bahwa kami, akan mempertahankan hak exclusive kami, untuk
menggunakan seluruh atau sebagian isi skripsi kami, guna pengembangan karya di masa
depan, misalnya bentuk artikel, buku, perangkat lunak, ataupun sistem informasi.
Jakarta,

Ready Prima Rozzaaq

Sugondo

vii

Ahmad Mushawir

Universitas Bina Nusantara

School of Computer Science

Jurusan Teknik Informatika
Skripsi Sarjana Komputer
Semester Ganjil tahun 2012/2013
PENGENALAN WAJAH DENGAN METODE INDEPENDENT COMPONENT
ANALYSIS
Ready Prima Rozzaaq

1301013442

Sugondo

1301021412

Ahmad Mushawir

1301023506

ABSTRACT
Face recognition nowadays is still facing problems in recognizing images that has
different poses, illuminations and noises. There are several methods developed to handle
those problems one of them is Independent Component Analysis (ICA). It is assumed
that ICA is able to yield more powerful recognition performance than Principal
Component Analysis (PCA). Therefore in this research, ICA was chosen to overcome
aforementioned problems. The ICA based recognition performance was tested using
ORL Database and Yale Database B. Based on the experimental result it is shown that
ICA produces much higher recognition performance on images with different poses and
illuminations than PCA by 15%.
Keywords : Face Recognition, Independent Component Analysis, Principal Component
Analysis

viii

ABSTRAK
Pengenalan wajah saat ini masih menghadapi permasalahan dalam mengenali citra yang
memiliki perbedaan pose, iluminasi dan noise. Banyak metode yang dikembangkan
untuk menangani permasalahan tersebut diantaranya Independent Component Analysis
(ICA). ICA dianggap dapat menghasilkan suatu performa yang lebih powerful jika
dibandingkan dengan Principal Component Analysis (PCA). Oleh karena itu dalam
penelitian ini, ICA digunakan untuk melihat performa pengenalannya untuk
permasalahan-permasalahan tersebut. Pengujian dilakukan dengan melakukan
pengenalan pada citra wajah yang didapat dari ORL database dan Yale Database B. Dari
penelitian ini diperoleh bahwa ICA dapat menghasilkan performa pengenalan yang lebih
tinggi dari PCA untuk citra dengan perbedaan pose dan iluminasi sebesar 15%.
Kata Kunci : Pengenalan Wajah, Independent Component Analysis, Principal
Component Analysis

ix

PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas rahmat dan
karunianya sehingga penulis dapat menyelesaikan laporan skripsi yang berjudul
PENGENALAN WAJAH DENGAN METODE INDEPENDENT COMPONENT
ANALYSIS tepat pada waktunya dan dengan sebaik baiknya. Skripsi ini disusun
sebagai salah satu syarat untuk mecapai gelar sarjana dalan jenjang pendidikan strata-1
(S1) pada jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Bina
Nusantara.
Dalam penyusunan skripsi ini, penulis menyadari bahwa skripsi ini tidak akan dapat
terlaksana dengan baik tanpa bantuan dan bimbingan semua pihak. Pada kesempatan ini
penulis mengucapkan terima kasih yang ditujukan kepada :
1.

Bapak Prof. Dr. Ir. Harjanto Prabowo, MM., selaku Rektor Univeritas Bina
Nusantara.

2.

Bapak Fredy Purnomo, S.Kom., M.Kom., selaku Head of Computer Science dan
Head of School Computer Science Universitas Bina Nusantara.

3.

Bapak Dr. Ir. Diaz D. Santika M.Sc., selaku dosen pembimbing skripsi penulis
sehingga skripsi ini dapat selesai dengan baik dan tepat waktu.

4.

Orangtua dan keluarga penulis yang telah memberikan dukungan dalam proses
penyusunan skripsi.

5.

Teman teman yang telah memberikan bantuan dan dukungan kepada penulis
selama penyusunan skripsi.

6.

Semua pihak yang telah mendukung, membantu, membimbing, dan mendoakan

penulis sehingga skripsi ini dapat diselesaikan dengan baik dan tepat waktu yang
tidak dapat penulis sebutkan satu persatu.
Penulis menyadari bahwa skripsi ini masih memiliki kekurangan. Oleh karena

itu, saran dan kritik yang membangun sangat penulis harapkan demi tercapainya
peningkatan manfaat dan penyempurnaan skripsi ini. Penulis berharap semoga skripsi ini
dapat member manfaat kepada pihak yang membutuhkan.
Jakarta, Januari 2013
x

DAFTAR ISI
Halaman
Halaman Judul Luar.......................................................................................................i
Halaman Judul Dalam.................................................................................................. ii
Halaman Persetujuan Dosen Pembimbing................................................................. iii
Halaman Persetujuan Dosen Penguji...........................................................................ih
Halaman Persetujuan Publikasi..................................................................................vii
Abstrak.......................................................................................................................viii
Prakata...........................................................................................................................x
Daftar Isi ....................................................................................................................xi
Daftar Tabel...............................................................................................................xiv
Daftar Gambar............................................................................................................xv
Daftar Lampiran.........................................................................................................xvi
BAB 1 PENDAHULUAN
1.1 Latar Belakang............................................................................................1
1.2 Rumusan Masalah.......................................................................................3
1.3 Tujuan.........................................................................................................3
1.4 Manfaat.......................................................................................................4
1.5 Ruang Lingkup............................................................................................4
BAB 2 KAJIAN PUSTAKA
2.1 Artificial Intelligence................................................................................. 5
2.2 Computer Vision........................................................................................ 6
2.3 Citra............................................................................................................ 8
2.4 Pengenalan Pola......................................................................................... 9
xi

2.5 Pengenalan Wajah.................................................................................... 10

2.6 Principal Component Analysis................................................................. 12
2.6.1 Teori Statistik Dasar.................................................................. 15
2.6.2 Eigenvector dan Eigenvalue..................................................... 16
2.6.3 Eigenfaces................................................................................. 17
2.7 Independent Component Analysis............................................................ 18
2.7.1 Whitening.................................................................................. 20
2.8 K-Nearest Neighbor................................................................................. 21
2.9 Measure Distance..................................................................................... 21
2.9.1 Euclidean Distance.................................................................... 21
2.9.2 City Block Distance.................................................................. 21
2.9.3 Cosine Similarity...................................................................... 22
2.10 Supervised Learning............................................................................... 22
2.11 Unsupervised Learning.......................................................................... 23
2.11.1 Clustering................................................................................ 24
BAB 3 METODOLOGI
3.1 Konsep Pengenalan Wajah....................................................................... 26
3.2 Metodologi Pengenalan Wajah................................................................. 28
3.2.1 Pre-Processing .......................................................................... 30
3.2.2 Proses Pelatihan......................................................................... 34
3.2.3 Proses Pengenalan..................................................................... 40
3.3 Data Citra Wajah...................................................................................... 41
3.4 Use Case Diagram.................................................................................... 45
BAB 4 HASIL DAN PEMBAHASAN
xii

4.1 Hasil Eksperimen..................................................................................... 51

4.1.1 Pengaruh Citra dengan Perbedaan Pose terhadap Performa
Pengenalan......................................................................................... 53
4.1.2 Pengaruh Citra Noise terhadap Performa Pengenalan.............. 55
4.1.3 Pengaruh Citra Berbagai Iluminasi terhadap Performa
Pengenalan......................................................................................... 58
4.1.4 Perbedaan Performa PCA dengan ICA..................................... 60
4.2 Pembahasan Hasil Penelitian................................................................... 61
BAB 5 KESIMPULAN DAN SARAN
5.1 Kesimpulan ............................................................................................. 67
5.2 Saran ........................................................................................................ 68
DAFTAR PUSTAKA................................................................................................69
RIWAYAT HIDUP
LAMPIRAN
Lampiran A Hasil Eksperimen........................................................................L1
Lampiran B Penggunaan Model Perangkat Lunak...................................... L57
Lampiran C Source Code Model Perangkat Lunak..................................... L70
FOTOCOPY SURAT SURVEI

xiii

DAFTAR TABEL

Tabel 3.1 Use Case Narrative Memilih Citra Pelatihan.........................................................46

Tabel 3.2 Use Case Narrative Melakukan Preprocess............................................................46
Tabel 3.3 Use Case Narrative Melakukan Deteksi Wajah......................................................47
Tabel 3.4 Use Case Narrative Melakukan Proses ICA...........................................................47
Tabel 3.5 Use Case Narrative Menyimpan Hasil Pelatihan...................................................48
Tabel 3.6 Use Case Narrative Mengambil Hasil Pelatihan....................................................48
Tabel 3.7 Use Case Narrative Memilih Citra Pengujian........................................................49
Tabel 3.8 Use Case Narrative Melakukan Deteksi Wajah......................................................49
Tabel 3.9 Use Case Narrative Melakukan Pengujian.............................................................50
Tabel 3.10 Use Case Narrative Memilih Distance Measure...................................................50
Tabel 4.1 Hasil Eksperimen terhadap Perbedaan Ukuran Citra......................................52
Tabel 4.2 Persentase Keberhasilan Experimen terhadap Perbedaan Ukuran Citra.......52
Tabel 4.3 Hasil Eksperimen terhadap Perbedaan Pose dan Perbedaan Jumlah Individu yang
Digunakan untuk Pelatihan....................................................................................................54
Tabel 4.4 Persentase Keberhasilan terhadap Perbedaan Pose dan Perbedaan Jumlah Individu
yang Digunakan untuk Pelatihan...........................................................................................55
Tabel 4.5 Hasil Eksperimen Terhadap Berbagai Densitas Citra Noise...................................57
Tabel 4.6 Persentase Keberhasilan Terhadap Berbagai Densitas Citra Noise........................57
Tabel 4.7 Hasil Eksperimen Terhadap Citra Iluminasi...........................................................59
Tabel 4.8 Persentase Keberhasilan Terhadap Citra Iluminasi................................................59
Tabel 4.9 Hasil Eksperimen Terhadap Metoda PCA..............................................................60
Tabel 4.10 Perbandingan Persentase Keberhassilan Antara ICA dan PCA............................61

xiv

DAFTAR GAMBAR

Gambar 2.1 Simulasi Principal Component Analysis............................................................14

Gambar 2.2 Perbandingan PCA dan ICA..............................................................................19
Gambar 3.1 Konsep Pengenalan Wajah.................................................................................26
Gambar 3.2 Diagram Alir Pre-Processing.............................................................................30
Gambar 3.3 Diagram Alir Proses Pelatihan...........................................................................34
Gambar 3.4 Diagram Alir Proses Pengenalan........................................................................40
Gambar 3.5 Citra ORL Database...........................................................................................43
Gambar 3.6 Citra Yale Database B........................................................................................44
Gambar 3.7 Use Case Diagram Proses Pengenalan Wajah....................................................45
Gambar 4.1 Citra Noise dengan Berbagai Densitas...............................................................56
Gambar 4.2 Grafik Pengaruh Jumlah Individu terhadap performa ICA.................................62
Gambar 4.3 Grafik Pengaruh Citra Noise..............................................................................63
Gambar 4.4 Grafik Performa Pengenalan Citra Iluminasi.....................................................64
Gambar 4.5 Perbandingan Performa Pengenalan Metode PCA dan ICA...............................65

xv

DAFTAR LAMPIRAN

Lampiran A Hasil Eksperimen....................................................................................L1

Lampiran B Penggunaan Model Perangkat Lunak.................................................. L57
Lampiran C Source Code Model Perangkat Lunak................................................. L70

xvi