Anda di halaman 1dari 34

Pembuatan Aplikasi Pengenalan Citra Wajah Dengan Menggunakan Metode Statistikal Graylevel Coocurence Matrix G!

CM"
SKRIPSI SEMINAR HASIL

Oleh : Agung Wicaksono 2006 12 044

PROGRAM STUDI TEKNIK INFORMATIKA SEKOLAH TINGGI TEKNOLOGI (STITEK) BONTANG

2010
KATA PENGANTAR Assalamualaikum Wr. Wb Dengan menyebut nama Allah Yang Maha Pengasih dan Penyayang, penulis panjatkan Puji dan Syukur Kehadirat ALLAH SWT karena sungguh tiada sesuatupun yang terasa berat atas petunjuk serta Kehendak ya dan hanya dengan !ahmat yalah penulis dapat menyelesaikan Tugas Akhir yang berjudul " #Pembuatan Aplikasi Pengenalan Citra %orland Delhpi & #$ Tugas Akhir ini merupakan salah satu syarat untuk menyelesaikan studi tingkat Strata satu %S&' di Sek(lah Tinggi Tekn(l(gi %ST)T*K' +(ntang, tugas akhir ini dapat terselesaikan karena banyak pihak yang membantu dan membimbing serta memberikan m(ti,asi$ -leh Karena itu pada kesempatan ini penulis ingin mengu.apkan terimah kasih kepada "
1. +apak Ansar !i/al, ST$, M$K(m Selaku Ketua Sek(lah Tinggi Tekn(l(gi

Wajah Dengan Metode #kstraksi $rde Dua Menggunakan

%ST)T*K' +(ntang sekaligus pembimbing & yang mengarahkan dan membimbing hingga terselesaikannya Tugas Akhir ini$ 0$ +apak Masagus Muh$ Yusu1, ST$, M$K(m Selaku Ketua Pr(gram Studi Teknik )n1(rmatika Sek(lah Tinggi Tekn(l(gi %ST)T*K' +(ntang$

Page 2

3. M$ 2arman Andrijasa, S$K(m$,M$K(m Selaku D(sen Pembimbing )) yang

mengarahkan dan membimbing hingga terselesaikannya Tugas Akhir ini$


4. +apak Hari Pur3adi, ST$, M$S., +apak Khairudin Karim, ST$, MT dan +apak

Kary( +udi 4t(m(, S$K(m$, M$*ng Selaku D(sen Penguji Seminar Hasil yang telah memberikan sarannya$ 5$ )bu *,,ylia, ST Selaku Sta1 +AAK yang telah memberikan Data 6umlah Mahasis3a Sek(lah Tinggi Tekn(l(gi %ST)T*K' +(ntang guna untuk penelitian hingga terselesaikannya Tugas Akhir ini$ 7$ Kedua -rang Tua dan kakak8kakakku yang selalu memberikan kasih sayang, semangat serta d(a$ Penulis menyadari bah3a penulisan Tugas Akhir ini masih banyak kekurangan dan kesalahan dalam penulisan yang mungkin tanpa penulis sadari, untuk itu saran dan kritik yang membangun sangat diharapkan$ Sem(ga apa yang telah diberikan selama ini kepada penulis di.atat sebagai amal kebajikan dan diberi balasan yang terbaik (leh Allah SWT$ Demikian Tugas Akhir yang dapat penulis sajikan, sem(ga dapat berman1aat bagi generasi yang akan datang$ Wassalamualaikum Wr. Wb. +(ntang, &9 Desember 0:&:

Page 3

Penulis

BAB I. PENDAHULUAN

I.1

Latar Belakan
Pengenalan 3ajah atau 'ace (ecognition merupakan sebuah sistem

identi1ikasi pribadi yang menggunakan karakteristik 3ajah sese(rang untuk mengidenti1ikasikan identitas sese(rang sehingga dapat membedakan dengan (rang yang lainnya $ amun adakalanya se.ara kasat mata, sangat sulit membedakan 3ajah

sese(rang dengan (rang yang lain karena adanya kemiripan$ Dan saat ini telah banyak met(de yang digunakan untuk membuat sebuah aplikasi yang dapat membantu sebuah instansi untuk men.ari sese(rang dengan .iri8.iri tertentu, salah satunya yang akan di bahas di lap(ran ini adalah aplikasi yang menggunakan met(de ekstraksi (rde dua$ *kstraksi (rde dua adalah pr(ses klasi1ikasi dan interpretasi .itra yang dilakukan dengan matriks k((nkurensi, yaitu suatu matriks antara yang

merepresentasikan hubungan ketetanggaan antar piksel dalam .itra pada berbagai arah (rientasi dan jarak spasial$ Dalam penerapan met(de ini akan digunakan bahasa pem(graman +(rland Delpi ;$

Page 4

Delphi adalah suatu bahasa pem(graman %de,el(pment language' yang digunakan untuk meran.ang suatu aplikasi pr(gram yang berbasis gra1is, jaringan maupun pr(gram $ et$ Delphi ; merupakan ,ersi standar yang masih sering digunakan (leh para pr(grammer dikarenakan stabilitas, ke.epatan, persyaratan perangkat keras yang rendah, telah didukung untuk 3ind(3s <P, dan tidak memerlukan akti,asi$ Delphi ; dapat meran.ang inter)ace pengguna gra1is dengan mudah dan .epat$ Dengan teknik peng(lahan .itra, dapat memanipulasi ke.erahan .itra, k(ntras, menemukan 1itur tepi, memberi e1ek emb(ss, atau mengubah .itra ke m(dus lukisan minyak$ Peng(lahan .itra berkaitan dengan manipulasi 3arna, binerisasi .itra, (perasi pi=el demi pi=el bahkan 1rame demi 1rame (perasi$

I.!

Rumusan "asala#
Dari latar belakang tersebut diatas, dapat dirumuskan beberapa permasalahan

yang akan dijadikan dasar dalam penyusunan Tugas Akhir ini, yaitu"
1. +agaimana membangun aplikasi pengenalan .itra dengan met(de

ekstraksi (rde 0 menggunakan Matlab$


2. +agaimana tingkat keakuratan >ray Le,el ?((.uren.e Matri= dalam

pr(ses pengenalan p(la pada 3ajah$

I.$.

Batasan "asala#

Page 5

4ntuk menghindari meluasnya pembahasan maka ruang lingkup pembahasan pada pr(p(sal Tugas Akhir ini adalah " &$ ?itra yang digunakan mempunyai ukuran piksel 0$ ?itra inputan yang digunakan adalah .itra dengan e1ek grays.ale 9$ ?itra inputan dalam 1(rmat bitmap @$ Met(de peng(lahan .itra menggunakan >L?M % >rayle,el ?((.uren.e Matri= ' 5$ Pembuatan S(1t3are menggunakan +(rland Delphi ;

I.%.

Tu&uan 'an "an(aat


Tujuan Penyelesaian Tugas Akhir ini bertujuan membangun aplikasi pengenalan .itra dengan met(de ekstraksi (rde 0 menggunakan +(rland Delphi ; Man1aat Pada Penulisan ini penulis berharap dapat berman1aat bagi penulis khususnya, dan pemba.a pada umumnya$ Man1aat dari pengenalan 3ajah diantaranya adalah untuk" &$ Pengenalan .itra 3ajah dapat digunakan dalam bidang hukum, hiburan, keamanan dan sebagainya 0$ Memperkenalkan 1(rmula matematika dan statistika dalam met(de >L?M$

Page 6

I.).

*istematika La+,ran
4ntuk mempermudah dan memahami Tugas Akhir ini maka perlu disuun

sistematika penulisan yang meliputi 5 p(k(k pembahasan"


1. +A+ & " P* DAH4L4A

+ab ini berisi tentang latar belakang, perumusan masalah, batasan masalah,tujuan dan man1aat serta sistematika penulisan
2. +A+ 0 " DASA! T*-!)

+ab ini berisi tentang sekilas materi dasar tentang .itra, matriks, >L?M %>rayle,el ?((.uren.e Matri=', serta +(rland Delphi ;$ 9$ +A+ 9 " M*T-D-L->) P* *L)T)A +ab ini berisi tentang pengurain dan deskripsi tentang tahapan pengambilan sampel .itra serta tahapan pr(ses sampel serta m(del peran.angan aplikasi pengenalan .itra 3ajah menggunakan met(de >L?M menggunakan +(rland Delphi ;$ @$ +A+ @ " P*M+AHASA +ab ini berisi tentang penguraian dan pembahasan tahapan pembuatan aplikasi pengenalan .itra 3ajah menggunakan met(de >L?M dengan Pr(gram +(rland Delphi ;$ Serta perhitungan derajat de,iasi

5$ +A+ 5 " P* 4T4P

Page 7

+ab ini berisi tentang kesimpulan dan saran yang di per(leh selama dalam pembuatan Tugas Akhir ini$

BAB II. DA*AR TE-RI


II.1 .itra
?itra yang dimaksud adalah gambar dua dimensi yang dihasilkan dari gambar anal(g dua dimensi yang k(ntinu menjadi gambar diskrit$ >ambar anal(g dihasilkan dari sistem (ptik yang menerima sinyal anal(g, biasanya didapat dari kamera anal(g atau mata manusia, sedangkan .itra diskrit atau .itra digital dihasilkan dari pr(ses digitalisasi .itra anal(g$ ?itra digital merupakan suatu 1ungsi dengan nilai8nilai yang berupa intensitas .ahaya pada tiap8tiap titik pada bidang yang telah diAuantisasikan %diambil sampelnya pada inter,al diskrit'$ Titik dimana suatu gambar di8sampling disebut picture element %pi=el'$ level* & bit B binary+valued image %: 8 &' ilai intensitas 3arna pada suatu pi=el disebut gray scale

C bits B gray level %: 8 055'

Page 8

&7 bits B high .(l(r %0&7' 0@ bits B 00@ true .(l(r 90 bits B true .(l(r %090'

2(rmat gambar digital memiliki 0 parameter"


1. Spatial res(luti(n 2. ?(l(r en.(ding

/ pixels = pixels / bits D pixel

2(rmat 1ile >ambar &$ +itmap %$+MP' 8 2(rmat gambar yang paling umum dan merupakan 1(rmat standar Wind(3s$ 8 4kuran 1ilenya sangat besar karena bisa men.apai ukuran Megabytes$ 8 2ile ini merupakan 1(rmat yang belum terk(mpresi dan menggunakan sistem 3arna !>+ %!ed, >reen, +lue' dimana masing8masing 3arna pi=elnya terdiri dari 9 k(mp(nen, !, >, dan + yang di.ampur menjadi satu$ 8 2ile +MP dapat dibuka dengan berbagai ma.am s(1t3are pembuka gambar seperti A?DSee, Paint, )r,anEie3 dan lain8lain$ 8 2ile +MP tidak bisa %sangat jarang' digunakan di 3eb %internet' karena ukurannya yang besar$ 0$ 6(int Ph(t(graphi. *=pert >r(up %$6P*>D6P>'
Page 9

8 2(rmat 6P> merupakan 1(rmat yang paling terkenal sekarang ini$ 8 Hal ini karena si1atnya yang berukuran ke.il %hanya puluhanDratusan K+ saja', dan bersi1at p(rtable$ 8 2ile ini sering digunakan pada bidang 1(t(gra1i untuk menyimpan 1ile 1(t($ 8 2ile ini bisa digunakan di 3eb %internet'$ 9$ >raphi.s )nter.hange 2(rmat %$>)2' 8 2(rmat >)2 ini berukuran ke.il dan mendukung gambar yang terdiri dari banyak 1rame sehingga bisa disebut sebagai gambar animasi %gambar bergerak'$ 8 2(rmat ini sering sekali digunakan di internet untuk menampilkan gambar8gambar di 3eb$ @$ P(rtable et3(rk >raphi.s %$P >' 8 2(rmat yang standar dan sering digunakan di internet untuk menampilkan gambar atau pengiriman gambar$ 4kuran 1ile ini .ukup ke.il dan setara dengan ukuran gi1 dengan kualitas yang bagus$ amun tidak mendukung animasi %gambar bergerak'$ 2(rmat 1ile gambar lain seperti T)22 %Tagged )mage 2ile 2(rmat', )?- %).(n', *M2 %*n.han.ed Wind(3s Meta1ile', P?<, A ) %Animati(n', ?4! %?urs(r', W+MP %WAP +MP', PSD %Ad(be Ph(t(sh(p D(.ument', dan ?D! %?(rel Dra3'$

Page 10

+eberapa jenis .itra digital yang sering digunakan adalah .itra biner, .itra greys.ale, dan .itra 3arna$ &$ ?itra +iner ?itra biner merupakan .itra yang telah melalui pr(ses pemisahan piksel8piksel berdasarkan derajat keabuan yang dimiliki$ Pembentukan .itra biner memerlukan nilai batas keabuan yang akan digunakan sebagai nilai pat(kan$ Pixel dengan derajat keabuan lebih besar dari nilai batas akan diberi nilai & dan sebaliknya piksel dengan derajat keabuan lebih ke.il dari nilai batas akan diberi nilai :$

6ika a& F : dan a0 F &, serta T F gray levelD0, maka (perasi di atas mentrans1(rmasikan suatu .itra menjadi .itra biner$

Page 11

2. ?itra >reys.le 0,ntensity ,mages1

?itra )ntensitas disebut juga .itra grayscale$ ?itra grayscale merupakan .itra digital yang mengandung matriks data ) yang

merepresentasikan nilai dalam suatu range$ *lemen G elemen dalam matriks intensitas merepresentasikan berbagai nilai intensitas atau derajat keabuan, dimana nilai : merepresentaikan 3arna hitam dan &, 055 atau 75595 merepresentasikan intensitas penuh atau 3arna putih$ ?itra greys.ale %derajat keabuan' memiliki beberapa 3arna diantara hitam dan putih$ +anyaknya 3arna tergantung dari berapa bit .itra tersebut$

Page 12

9$ ?itra 3arna %true .(l(r' Pada .itra 3arna tiap pikselnya terdiri dari 3arna yang merupakan k(mbinasi dari 9 3arna dasar yaitu merah %red', hijau %green' dan biru %blue'$ Setiap 3arna dasar dari .itra 3arna menggunakan mem(ri C bit F &byte yang berarti akan memiliki 0C F 057 tingkatan %gradasi' 3arna$ 6adi akan ada 0C$0C$0C F 00@ F &7;;;0&7 3arna dalam tiap piksel dari .itra tersebut$ Maka dari itu karena .itra memiliki begitu banyak 3arna yang me3akili seluruh 3arna yang ada, 1(rmat ini dinamakan .itra true .(l(r$

Page 13

@$ ?itra +erindeks %,ndexed ,mages' ?itra berindeks merupakan .itra digital yang mengandung sebuah matriks data < dan matriks peta 3arna %colormap' yang berukuran m = 9 yang mengandung )loating point dengan nilai antara : sampai dengan &$ Setiap baris pada colormap adalah data k(mp(nen untuk 3arna merah, hijau dan biru$ ?itra berindeks menggunakan direct mapping untuk menandakan nilai pixel pada colormap$ Warna dari tiap pixel ditentukan dengan nilai < yang merupakan indeks pada colormap$ Sebagai .(nt(h nilai & menunjukkan baris pertama pada colormap, nilai 0 menunjukkan baris kedua pada colormap dan seterusnya$

Page 14

Peng(lahan .itra Peng(lahan .itra merupakan pr(ses manipulasi data suatu .itra untuk menghasilkan .itra baru$ ?itra 3arna bisa direpresentasikan dalam 1(rmat piksel yang terdiri dari 9 k(mp(sisi 3arna, yaitu merah %redD!', hijau%greenD>', dan biru %blueD+'$ 6ika menggunakan representasi .itra Cbit dalam integer nilai !, > dan + mempunyai rentang :8055$ Semakin besar nilainya artinya 3arna tersebut mend(minasi pada k(mbinasi 3arna pada .itra tersebut$

II.! Pen enalan Wa&a#

Page 15

Pengenalan 3ajah merupakan sebuah permasalahan klasi1ikasi generik yang didasarkan pada (bjek berupa 3ajah manusia$ Permasalahan ini dapat dikel(mp(kkan menjadi dua bagian besar yaitu veri)ikasi -ajah dan identi)ikasi -ajah$ Eeri1ikasi 3ajah dapat dianggap sebagai permasalahan klasi1ikasi dua kelas %.+class classi)ication problem'$ Sese(rang yang berhasil di(tenti1ikasi disebut sebagai client, dan sese(rang yang gagal di(tenti1ikasi disebut sebagai impostor$ Pertanyaan yang ingin dija3ab adalah His this /H dan ja3aban yang diharapkan adalah benar+salah atau ya+tidak$ Sedangkan identi1ikasi 3ajah berkaitan dengan pen.arian sebuah subjek 3ajah baik yang dikenal maupun yang tidak dikenal pada basisdata 3ajah$ Pertanyaan yang ingin dija3ab adalah H-ho is /H$ 6a3aban yang diinginkan bias berupa penerimaan yang dinyatakan dalam penyajian in1(rmasi tentang subjek yang di.ari, atau pen(lakan karena 3ajah yang di.ari tidak ada pada basisdata rujukan$ Pengenalan 3ajah dihadapkan pada permasalahan ,ariabilitas yaitu ,ariabilitas extrapersonal dan ,ariabilitas intra+personal$ Eariabilitas extra+personal timbul karena pr(ses pengenalan 3ajah dilakukan pada 3ajah yang berbeda karena 1akt(r ras dan genetika$ Eariabilitas intra+personal adalah ,ariasi yang mun.ul pada 3ajah yang sama dimana hal ini disebabkan (leh perubahan8perubahan internal %de)ormations'$ 2akt(r81akt(r intra+personal ini dapat diidenti1ikasikan sebagai berikut " &$ P,sisi 2a&a# 0pose, out-of-plane rotation1/ Pengenalan sebuah .itra 3ajah tidak hanya dilakukan pada p(sisi 3ajah yang mengarah kedepan saja %)rontal', tetapi juga pada p(sisi 3ajah yang lain 0$ Kebera'aan k,m+,nen struktural/
Page 16

?iri8.iri 3ajah misalnya janggut, kumis dan ka.amata bisa mempengaruhi tingkat ,ariabilitas sebuah 3ajah, termasuk juga ukuran, 3arna dan bentuknya$ 9$ Eks+resi 2a&a#/ Penampilan sebuah 3ajah dipengaruhi se.ara langsung (leh ekspresi 3ajahnya @$ -klusi/ Adakalanya ada benda8benda yang menghalangi 3ajah sese(rang$ Dalam sebuah kumpulan 3ajah, mungkin saja ada 3ajah (rang lain yang menutupi satu sama lain$ 5$ -rientasi 3itra 0in-plane rotation1/ Hal ini dipengaruhi (leh p(sisi kamera pada saat pengambilan %akuisisi' .itra$ 7$ K,n'isi +en3itraan/ Ketika .itra 3ajah diakuisisi melalui alat akuisisi misalnya kamera, maka 1a.t(r81akt(r seperti pen.ahayaan dan karakteristik kamera akan

mempengaruhi kualitas .itra yang diakuisisi$

!.$

"atriks

De(inisi !.$ Matriks adalah suatu susunan bilangan berbentuk segiempat$ +ilangan8 bilangan dalam susunan itu disebut angg(ta matriks tersebut$ %Ant(n H(3ard, 0:::"@5'

Page 17

-rd( suatu matriks dinyatakan dengan jumlah baris dan k(l(m yang terkandung dalam matriks tersebut$ Matriks yang ber(rd( m x n, dengan m menyatakan jumlah baris dan n menyatakan jumlah k(l(m$

4enis matriks &$ Matriks persegi De(inisi !.$ Matriks persegi adalah matriks dengan banyak baris sama dengan banyak k(l(m$%Tim Penulis Media Karya,&III"&70'

0$ Matriks )dentitas Suatu matriks persegi dengan angka satu pada diag(nal utama dan angka n(l untuk angg(ta lainnya, seperti

Page 18

2.4

Gra5 Le6el .,,3uren3e "atri7 0GL."1

>L?M atau yang biasa di sebut graycomatrix merupakan salah satu 1ungsi tekstur dari sebuah .itra$ Graycomatrix mengel(mp(kkan tekstur dari sebuah .itra dengan menghitung jumlah piksel yang mun.ul dengan nilai spesi1ik tertentu dan dalam menetapkan hubungan ketetanggaan jarak spasial sebuah .itra "embuat sebua# GL." >L?M menghitung seberapa sering sebuah piksel dengan nilai intensitas %gray le,el' i terjadi dalam sebuah hubungan spasial terhadap sebuah piksel yang bernilai j$ Hubungan spasial dijelaskan sebagai keterikatan sebuah piksel dengan piksel yang berada tepat di sebelah kanan % berdekatan se.ara h(ri/(ntal'$ Setiap element nilai i dan j yang dihasilkan 1ungsi >L?M adalah penjumlahan antara kemun.ulan sebuah piksel dengan nilai i yang terjadi dalam hubungan spasial yang telah ditetapkan terhadap piksel dengan nilai j Pr(ses perhitungan terhadap >L?M dari sebuah .itra yang dinamis adalah sebuah hal yang sangan sulit, maka gray.(matri= mengubah skala dari .itra inputan$

Page 19

Pada dasarnya gray.(matri= mengubah skala nilai intensitas .itra inputan dari 057 menjadi C$ 6umlah nilai intensitas %gray le,el' menjelaskan jumlah dari >L?M$ >ray le,el .((.uren.e matri= dapat memberikan nilai pasti distribusi spasial dari nilai intensitas %gray le,el' dalam tekstur sebuah .itra$

!.%.! "eneta+kan -((set Pada dasarnya 1ungsi gray.(matri= menghasilkan sebuah >L?M dengan hubungan spasial atau o))set yang dijelaskan sebagai dua buah piksel yang berdekatan se.ara h(ris(ntal$ amun demikian, sebuah >L?M tidak .ukup untuk

menggambarkan .iri8.iri tekstural dari .itra inputan$ Sebagai .(nt(h, sebuah o))set se.ara h(ris(ntal tidak akan sensiti1 terhadap tekstur namun dengan tambahan (rientasi ,ertikal maka hasil tekstur akan semakin halus$ 4ntuk itu gray.(matri= dapat membuat beberapa >L?Ms untuk sebuah inputan .itra$

Page 20

4ntuk membuat beberapa >L?Ms, tentukan sebuah array dari o))set terhadap 1ungsi gray.(matri=$ $))set ini akan menjelaskan hubungan piksel dari beberapa arah dan jarak$ Sebagai .(nt(h, tentukan sebuah array dari o))set yang dapat memberikan empat arah %h(ris(ntal, ,ertikal, dan dua diag(nal' dan empat jarak dari piksel$ Dalam kasus ini .itra inputan akan di3akili &7 >L?Ms$ Dari &7 >L?Ms ini maka dapat dihitung nilai statistik rata8rata$

!.%.$ Nilai statistik GL." K((kurensi berarti kejadian bersama, yaitu jumlah kejadian satu le,el nilai piksel bertetangga dengan satu le,el nilai piksel lain dalam jarak %d' dan (rientasi %J' tertentu$ 6arak dinyatakan dalam piksel dan (rientasi dinyatakan dalam derajat$ -rientasi dibentuk dalam @ arah sudut dengan inter,al sudut :H, @5H, I:H dan &95H$ Sedangkan jarak antar piksel biasanya ditetapkan sebesar & piksel$ Matrik k((kurensi merupakan matriks bujur sangkar dengan jumlah elemen sebanyak kuadrat jumlah le,el intensitas piksel pada .itra$ Setiap titik %p,A' pada

Page 21

matriks k((kurensi ber(rientasi J berisi peluang kejadian piksel bernilai p bertetangga dengan piksel bernilai A pada jarak d serta (rientasi J dan %&C:H8 J' Setelah memper(leh matriks k((kurensi, maka dapat menghitung .iri statisti. (rde dua yang memprentasikan .itra yang diamati$ Harali.k et al mengusulkan berbagai jenis .irri tekstural yang dapat diekstraksi dari matriks k((kurensi$ ?(nt(h perhitungan 7 .iri statisti. (rde dua, yaitu angular se.(nd m(ment, ?(ntrast, ?(rrelati(n, Earian.e, )n,erse Di11eren.e M(ment, dan *ntr(py$ a$ Angular Se.(nd M(ment Menunjukkan ukuran si1at h(m(genitas .itra dimana p% i0j ' merupakan menyatakan nilai pada baris i dan k(l(m j pada matriks k((kurensi$

ASM F

b$ ?(ntrast Menunjukkan ukuran penebaran %m(men inersia' elemen8elemen matriks .itra$ 6ika letaknya jauh dari diag(nal utama, nilai kek(ntrasan besar$ Se.ara ,isual nilai kek(ntrasan adalah ukuran ,ariasi antar derajat keabuan suatu daerah .itra$

?- F K i8jKFk

Page 22

.$ ?(rrelati(n Menunjukkan ukuran ketergantungan linear derajat keabuan .itra sehingga dapat emberikan petunjuk adanya struktur linear dalam .itra

?-! F

d$ Earian.e Menunjukkan ,ariasi elemen8elemenn matriks k((kurensi .itra dengan transisi derajat keabuan ke.il akan memiliki ,ariansi yang ke.il pula$

EA! F

e$ )n,erse Di11erent M(ment Menunjukkan keh(m(genan .itra yang berderajat keabuan sejenis$ ?itra h(m(gen akan memilih harga )DM yang besar

)DMF

p%i,j'

1$ *ntr(py Menunjukkan ukuran ketidakteraturan bentuk$ Harga * T besar untuk .itra dengan transisi derajat keabuan merata dan bernilai ke.il jika struktur .itra tidak teratur %ber,ariasi'

Page 23

BAB III "ET-DE PENELITIAN

Page 24

$.1 Waktu 'an L,kasi Penelitian


L(kasi penelitian dilakukan di +(ntang Waktu penelitian tanggal &@ September sampai 05 September 0:&:$

$.! Alat Bantu Penelitian


Dalam menyelesaikan lap(ran ini, penulis menggunakan alat bantu berupa"
8

Lapt(p AS4S .(re i5, !AM & >+, -S Wind(3s ; Kamera digital ?an(n P(3ersh(t S<0:: )S S(1t3are +(rland Delphi ; S(1t3are Ad(be Ph(t(sh(p ;$:

8 8
8

$.$ *tu'i Literatur


Pada studi literatur bahan8bahan penulisan diper(leh dari buku maupun -ebsite yang dapat menunjang dalam penyelesaian penelitian ini$

$.% Pen um+ulan Data

Page 25

Pada Tahap ini, melakukan pengambilan sampel 1itur .itra 3ajah sese(rang sebanyak 5 kali menggunakan kamera saku ?an(n PS= 0:: )s$ Pengambilan 5 kali .itra 3ajah dilakukan dengan ekspresi yang berbeda8beda, .itra ini kemudian digunakan sebagai bahan sampel untuk didapatkan .iri Data ?itra pada table 9$&$ ( & 0 9 @ 5 A$bmp +$bmp ?$bmp D$bmp *$bmp ?itra A.$bmp +.$bmp ?.$bmp D.$bmp *.$bmp ?r(pping

$.) PENG-LAHAN .ITRA


Peng(lahan .itra 3ajah dilakukan dengan memperbaiki kualitas .itra, pem(t(ngan %croping" bagian .itra 3ajah yang ingin di analisa dan mengubah 1(rmat .itra menjadi bitmap$ Setelah itu 1itur .itra !>+ diubah menjadi .itra grays.ale sehingga di per(leh nilai intensitas keabu8abuan setiap piksel$ Setelah mendapatkan nilai intensitas dari 1itur .itra, maka di .ari nilai gray.(de dengan met(de >L?M % >rayle,el ?((.uren.e Matri= ', sehingga didapatkan matriks k(kurensi$ Dari matriks k((kurensi kemudian dilakukan 1iltering nilai matriks$ Setelah itu di lakukan rek(nstruksi matriks hasil 1iltering, menjadi mariks dengan nilai intensitas keabu8abuan, dan menjadi .itra greys.ale kembali$ ?itra rek(nstruksi ini kemudian akan di bandingkan dengan salah satu .itra inputan untuk mendapatkan derajat de,iasi$ >rays.alling dan met(de >L?M di implementasikan dengan menggunakan pem(graman MATLA+$
Page 26

$.8 ",'el Peran3an an *istem


Dalam peran.angan sistem met(de >L?M ini, menganalisaa berdasarkan 5 atribut yaitu contrast0 Angular Second Moment ASM"0 #ntropy0,nverse Di))erence Moment ,DM" dan Mean$ Targetnya adalah untuk memprediksi klasi1ikasi .itra$ )nput yang digunakan dalam lap(ran ini adalah .itra dari tabel 9$&$ Al ,ritma *istem "et,'e *tatistikal GL." Sebelum masuk tahap analisa, .itra masukan akan dik(n,ersi terlebih dahulu sehingga diper(leh sebuah .itra abu8abu yang memiliki derajat keabuan dari :8055$ Kemudian dibuat data hist(gram$ Hist(gram merupakan suatu bagan yang menampilkan distribusi intensitas dalam indeks atau intensitas 3arna .itra$ Dari data hist(gram dapat dihitung jumlah piksel suatu .itra untuk setiap range 3arna %:8055'$ Dan hasil k(n,ersi akan disimpan dalam 1(rmat bitmap atau $bmp$ Diagram alir untuk tahap k(n,ersi adalah"

Mulai

%ekum&ul an ci!"a '()

Mem aca ci!"a #g akan $ikenali

Page 27

Men$e!eksi .n+o"masi #ang a$a &a$a '()

Me"u ah -i!"a '() men,a$i ("a#scale *ile $isim&an $alm +o"ma! .,&g a!au . m&

/i&e"oleh ci!"a g"a#scale

Menam&ilkan -i!"a ("a#scale

Gambar . Ba an Alir ta#a+ K,n6ersi Hasil K(n,ersi akan menjadi input analisa >L?M pada tahap analisa$ ?itra abu8abu akan diubah dulu dalam bentuk matriks, kemudian diambil nilai yang dibutuhkan sebagai ,ariabel dalam perhitungan >L?M$ Setelah itu dilakukan analisa >L?M dari nilai yang telah diper(leh sesuai dengan sudut atau arah pergeseran$ Dari Analisa >L?M yang telah di dapat diper(leh nilai 1eature untuk tiap atribut$ Diagram alir dan 1l(3.hart alg(ritma pada tahap analisa >L?M terlihat pada gambar diba3ah ini"

Page 28

%ekum&ula n ci!"a g"a#scale

Mem aca ci!"a g"a#scale #g akan $ikenali

Me"u ah ci!"a (% ke$alam en!uk ma!"iks

Mengam il nilai #g $i u!uhkan se agai 0a"ia el

Melakukan analisa (1-M nilai s!a!is!ik sesuai a"ah su$u!

%elesa i

Menca"i nilai +ea!u"e

2ilai su$u! a!au a"ah &e"gese"an 0.45.903180 4

Ba an alir ta#a+ analisa

BAB I9 ANALI*I* DAN PE"BAHA*AN


Ta#a+ K,n6ersi .itra

Page 29

Tahap k(n,ersi .itra dimulai dengan memilih .itra 3ajah yang akan dianalisa teksturnya$ ?itra masukan akan diubah menjadi .itra abu8abu kemudian akan dilakukan pen.arian hist(gram dari hasil k(n,ersi .itra masukan tersebut$ Ta#a+ Analisa GL." Tahap analisa >LDM pada bagian atribut terdapat n(m(r & sampai 5$ Atribut tersebut adalah Contrast0 Angular Second Moment ASM"0 #ntropy0 ,nverse

Di))erence Moment ,DM"0 dan Mean$ Perbedaan hist(gram dapat dilihat dari hasil k(n,ersi .itra abu8abu menjadi hist(gram yang dihasilkan berdasarkan

pengel(mp(kan deskripsi 3ajah yang digunakan$ Dalam atribut contrast jika letaknya jauh dari diag(nal utama, nilai kek(ntrasan besar$ Se.ara ,isual, nilai kek(ntrasan adalah ukuran ,ariasi antar derajat keabuan suatu daerah .itra$ Angular second moment %ASM' menunjukkan ukuran si1at h(m(genitas .itra$ #ntropy, harga * T besar untuk .itra dengan transisi derajat keabuan merata dan bernilai ke.il jika struktur .itra tidak teratur %ber,ariasi'$ ,nverse di))erence moment %)DM', .itra h(m(gen akan memiliki harga )DM yang besar$ Sedangkan Mean menunjukkan ukuran dispersi dari suatu .itra$

Peran3an an *istem "et,'e *tatistikal GL." )nter1a.e digunakan untuk mempermudah pelaksanaan uji .(ba dan
.n&u! $an menyediakan tampilan ,isual dari .itra yang digunakan serta tampilan gra1ik$ kon0e"si Pem ua!an A&likasi Pengenalan ci!"a 6a,ah $engan me!o$e (1-M Page 30 5elua"

Analisa (1-M

Gambar Ran3an an La5 ,ut (i ure "enu GL." Dalam 2igure Menu >L?M terlihat tiga pilihan yaitu input dan k(n,ersi image, Analisa >L?M dan keluar$

)uka -i!"a 5on0e"si ("a#scale

%im&an 5on0e"si

2ama *ile: 7ku"an:

5em ali

Gambar Ran3an an La5 ,ut (i ure K,n6ersi Pada lay(ut 1igur k(n,ersi dapat menampilkan .itra !>+ pada lebel &, .itra abu8abu padal alabel 0 dan label 9 akan menampilkan hist(gram .itra$ Push button +uka H(st )mage digunakan untuk mengambil 1ile pada database k(mputer, push button K(n,ersi !>+ ke >rays.ale digunakan untuk melakukan
Page 31

k(n,ersi .itra parket !>+ menjadi .itra abu8abu, push button Simpan K(n,ersi digunakan untuk menyimpan .itra abu8abu hasil k(n,ersi dalam 1(rmat $jpg atau $bmp$ Panel )n1(rmasi 2ile digunakan untuk menampilkan in1(rmasi apa saja yang dapat diambil dari .itra 3ajah yang akan dik(n,ersi, terdiri dari beberapa static text$ Yaitu ama 2ile, 4kuran 2ile$
Nilai Feature u!ut "# -on!"as! A%M ./M 9n!"o&# Nilai Feature u!ut 1%# -on!"as! A%M ./M 9n!"o&#

Nilai Feature u!ut 0 1 -on!"as! A%M ./M 2ama *ile: 7ku"an : 9n!"o&# Nilai Feature u!ut $0 -on!"as! A%M ./M 9n!"o&#

)uka ("a#scale img Analisis (1-M 8 %im&an 5em ali

Gambar ran3an an la5,ut (i ure analisa GL."

Page 32

!an.angan layout )igure Analisa >L?M$ ?itra abu8abu yang telah dik(n,ersi sebelumnya dapat ditampilkan pada A=es& dengan menekan push button +uka H(st image$ Push button Analisis >L?M akan melakukan pr(ses met(de statistikal >L?M$ Hasil dari analisa tersebut akan ditampilkan dalam empat panel yang telah disediakan sesuai dengan sudut atau arah pergeseran dari :, @5, I:, dan &95$ Masingmasing panel terdiri dari beberapa static text untuk menampung hasil dari nilai )eatures yang telah ditemukan yaitu Contrast0 Angular Second Moment ASM"0 #ntropy0 ,nverse Di))erence Moment ,DM"0 dan Mean$

Setelah diuji .(ba maka akan didapat nilai )eatures yang berbeda pada tiap jenis ?itra$ Sehingga dapat ditentukan pengklasi1ikasian jenis .itra sesuai dengan nilai )eatures dari analisa met(de statistikal >L?M dengan menghitung mean dan standard de,iasi dari semua data pada tiap jenis .itra$

Page 33

+A+ E K*S)MP4LA DA SA!A

+A+ E) DA2TA! P4STAKA Hadi,Setia3an, Pengembangan M(del >enerati1 Pengenalan Wajah pada Latar +elakang, P(se dan )luminasi yang +er,ariasi, 0::@$+andung http"DDd(.s$g((gle$.(mD,ie3erL aF,MAF.a.he":S9Ns:SYD+k6"digilib$its$a.$idDpubli.D)TS84ndergraduate8IC098 Paper$pd1O1ungsiOalg(ritmaO1ilterOgab(rMhlFidMglFidMpidFblMsr.idFAD>**SjD kY<YSPSPn9l@5A@k=nAA:Y<9T4P!i:>E*015n7hW(,k;):lmyC3;QA+QgnCP3C h1L)Q8 !a*jD>-habbkIMW3.Hsn.ahsm5ekAh?y>SQ-Dtsa5?Anmg*uEWWM&y ?Se S/K!iMsigFAH)*tbSYi iiP-Ql?i=@0keePDM-.:83H3

Page 34