Pelita Informatika Budi Darma, Volume : VI, Nomor: 2, April 2014

ISSN : 2301-9425

IMPLEMENTASI PENGENALAN WAJAH MANUSIA

MENGGUNAKAN PRINCIPAL COMPONENT
ANALYSIS (PCA)
Sri Puji Lestari (1011840)
Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan
Jl. Sisingamangaraja No.338 Simpang Limun Medan
www.stmik-budidarma.ac.id // E-mail: sripuji43@gmail.com
ABSTRAK
Teknologi pengenalan wajah semakin banyak dimanfaatkan, antara lain untuk sistem biometric. Biometrik
merupakan suatu teknologi pengenalan diri dengan menggunakan bagian tubuh seperti sidik jari dan tanda
tangan. Sistem ini mencarian dan pengindeksan database dengan mengenali identitas seseorang secara otomatis
dengan menggunakan teknologi komputer
Sistem biometrik ini juga digunakan dalam pendeteksian wajah (face detection) adalah satu tahap awal
yang sangat penting sebelum di lakukan proses pengenalan wajah (face recognation). Pada kasus seperti
pemotretan, untuk pembuatan KTP (Kartu Tanda Penduduk), SIM (Surat Ijin Mengemudi), dan kartu kredit.
Citra yang didapatkan umumnya hanya berisi satu wajah dan memiliki latar belakang seragam dan kondisi
pencahayaan yang telah diatur sebelumnya sehingga deteksi wajah dapat dilakukan dengan mudah.
Pengenalan wajah manusia merupakan salah satu bidang penelitian yang penting. Penelitian tersebut
telah banyak di lakukan dengan kelebihan atau kekurangan tertentu. Dari sebuah wajah, banyak informasi yang
didapat baik secara statis maupun dinamis, misalnya saja warna kulit, struktur tulang wajah, dan ekspresi
wajah.
Keyword : Wajah, Jaringan saraf tiruan, Principal component analysis (PCA)
1. Pendahuluan
Teknologi pengenalan wajah semakin banyak
dimanfaatkan, antara lain untuk sistem biometric.
Pengenalan wajah manusia dalam gambaran visual
dapat di implementasikan kedalam banyak aplikasi
yang mencakup pengenalan wajah, yang
mengisyaratkan pemahaman, pengawasan yang
dimonitoring oleh sebuah database manajemen
video atau sistem keamanan seperti ijin akses,
masuk ruangan, pengawasan lokasi (surveillance),
maupun pencarian identitas individu database
kepolisian dan sebagainya.
Berbagai macam algoritma telah dicapai dan
dikembangkan yang dipakai untuk membandingkan
antara algoritma satu dengan algoritma lainnya
untuk mendapatkan hasil yang lebih baik. Metode
Principal Component Analysis (PCA) merupakan
salah satu metode implementasi yang banyak
digunakan untuk pengenalan pola dan image
coding. Sebagai pengklasifikasi wajah juga
merupakan contoh sebuah pendekatan yang sudah
mencapai penelitian tertentu. Algoritma yang sudah
digunakan dalam jaringan saraf tiruan yaitu
Principal Component Analysis (PCA) yang tujuan
dalam penggunaannya untuk medeteksi keberadaan
citra digital.
2. Landasan Teori
2.1 Ekspresi wajah
Ekspresi wajah atau mimik adalah hasil dari
satu atau lebih gerakan atau posisi otot pada wajah.

Ekspresi wajah merupakan salah satu bentuk

komunikasi nonverbal, dan dapat menyampaikan
keadaan emosi dari seseorang kepada orang yang
mengamatinya. Ekspresi wajah merupakan salah
satu cara penting dalam menyampaikan pesan sosial
dalam kehidupan manusia, namun juga terjadi pada
mamalia lain dan beberapa spesies hewan lainnya.
Manusia dapat mengalami ekspresi wajah
tertentu secara sengaja, tapi umumnya ekspresi
wajah dialami secara tidak sengaja akibat perasaan
atau emosi manusia tersebut. Biasanya amat sulit
untuk menyembunyikan perasaan atau emosi
tertentu dari wajah, walaupun banyak orang yang
merasa amat ingin melakukannya. Misalnya, orang
yang mencoba menyembunyikan perasaan bencinya
terhadap seseorang, pada saat tertentu tanpa sengaja
akan menunjukkan perasaannya tersebut di
wajahnya, walaupun ia berusaha menunjukkan
ekspresi netral.
2.2 Konsep Citra Digital
Citra digital adalah citra yang dapat diolah oleh
komputer. Sebuah citra digital menyimpan data
berupa bit yang dapat dimengerti oleh manusia
dengan visualisasi bit tersebut pada kanvas menjadi
gambar. Pengolahan yang dapat dilakukan terhadap
citra digital antara lain adalah menampilkan bentuk
gambar, melakukan perubahan terhadap gambar
(image editing), dan pencetakan citra digital ke atas
media berupa kertas.

Implementasi Pengenalan Wajah Manusia Menggunakan Principal Component Analysis (PCA).

Oleh : Sri Puji Lestari

135

Pelita Informatika Budi Darma, Volume : VI, Nomor: 2, April 2014

Citra digital terdiri dari pixel-pixel

berukuran kecil yang membentuk sebuah bentuk
gambar yang dapat dilihat oleh mata manusia.
Kepadatan pixel-pixel yang ada dalam gambar ini
disebut dengan resolusi. Semakin besar resolusi
sebuah citra digital maka kualitas gambar dari citra
digital tersebut semakin baik.
2.3 Algoritma Principal Components Analysis
(PCA)
Sebuah wajah, yang merupakan sebuah
gambar, dapat dilihat sebagai sebuah vektor. Jika
panjang dan lebar dari gambar tersebut adalah w d a
n h piksel ma ka jumlah komponen dari vektor in i
adalah w * h. Setiap piksel dikodekan oleh satu
komponen vektor.
Algoritma PCA adalah sebagai berikut :
1.
Sebelum PCA dapat dilakukan, dilakukan
lexicographical ordering untuk setiap wajah
yang akan dilatihkan dimana kolom yang
satu diletakkan disamping kolom yang lain
sehingga membentuk vektor wajah yang
meru pakan vector kolom. Vektor - vektor
wajah tersebut disusun sedemikian rupa
sehingga membentuk suatu matriks X
dengan orde n x m, dimana n adalah
banyanya jumlah piksel (w * h) dan m
adalah banyaknya gambar wajah. Matriks
inilah yang akan digunakan sebagai
masukan bagi PCA.
2.
Hitung rata-rata (mean) setiap baris dari
matriks besar tersebut, lalu kurangi semua
nilai di setiap baris dengan rata-rata tersebut.
3. Membuat matriks kovarian L,
L = Xt * X
4. Mencari nilai eigen (E) dan vektor eigen (C)
dari matriks kovarian L. Mengurutkan nilainilai eigen dan vektor eigen dari yang
terbesar sampai yang terkecil, lalu pilihlah
vektor eigen yang berkorespondensi dengan
nilai eigen yang sudah diurutkan tersebut (di
sinilah tahap reduksi dimensi sebenarnya
berada, dengan memilih vektor eigen
tersebut, kita tidak perlu menggunakan
seluruh dimensi data yang ada, dan biasanya
berkurang cukup drastis).
5.
Mencari komponen utama (principal
component) P, yaitu vektor eigen dari
matriks (X * Xt) dengan menggunakan
vektor eigen dari matriks (Xt * X),
P=X*C
6. Menghitung komponen utama citra-citra latih
Y,
Y = Pt * X
Hasil transformasi ini merupakan gambar
wajah yang telah direduksi menjadi beberapa
variabel yang diperlukan saja yang akan
dimasukkan ke jaringan syaraf tiruan.

ISSN : 2301-9425

Analisa deteksi wajah pada umum dibagi atas

2 sistem, yaitu sistem feauter ebased dan sistem
imagebased. Deteksi wajah dengan sistem future
based menggunakan fiture yang diekstraksi dari
komponen citra wajah, yang kemudian hubungan
antara fiture-fiture tersebut dimodelkan secara
geometris.
Sedangkan sistem imagebased
menggunakan informasi mentah dari pixel citra
yang kemudian dipresentasikan dalam metode
tertentu, misalnya principal component analysis.
yang kemudian digunakan untuk klasifikasi
identitas citra. Dalam penelitian ini sistem yang
digunakan adalah sistem image-based dengan
informasi mentah dari pixel yang digunakan
3.1 Variabel Perhitungan Principal Component
Analysis(PCA)
Proses perhitungan principal component
analysis dari image pada langkah tiga,
penjelasannya sebagai berikut:
1. Buat Himpunan image (S) dari total M
training_image, dimana setiap image adalah w x
h piksel.
Misal di dalam himpunan image terdapat tiga
image ukuran 3 x 3 piksel maka:

Gambar 1 : Himpunan Pixel

2. Cari nilai tengah atau mean (p)

)
3. Cari selisih () antara training image (
dengan nilai tengah (), apabila ditemukan nilai
dibawah nol ganti nilainya dengan nol.

3. Analisa
Implementasi Pengenalan Wajah Manusia Menggunakan Principal Component Analysis (PCA).
Oleh : Sri Puji Lestari

136

ISSN : 2301-9425

Pelita Informatika Budi Darma, Volume : VI, Nomor: 2, April 2014

Dihasilkan eigenvector
dan
Untuk = 1, maka

4. Hitung nilai matriks kovarian (L)

Dihasilkan eigenvector

sehingga eigenvector yang dihasilkan dari

matriks L adalah

6. Cari nilai principal conponent analysis (p)

5. Cari nilai eigenvalue () dan eigenvector (v)

LXv=Xv
L X v = I X v
( L I ) = 0 atau ( I L ) = 0
maka eigenvalue () dapat dihitung, det (IL) = 0

akan dihasilkan nilai = 1, dan = 4

eigenvector
(v)
dihasilkan
dengan
mensubtitusikan nilai eigenvalue () kedalam
persamaan ( I L ) v = 0
Untuk = 4, maka

4. Kesimpulan dan Saran

4.1 Kesimpulan
Berdasarkan
hasil
implementasi
dari
perancangan perangkat lunak pengenalan pola
wajah manusia dengan algoritma principal
component analysis (PCA) ini, penulis dapat
mengambil kesimpulan sebagai berikut :
1.
Dengan menggunakan algoritma principal
component analysis (PCA), dapat dihasilkan
sebuah perangkat lunak untuk mengenali
pola wajah berdasarkan nilai pixel wajah
yang diinputkan pengguna.
2.
Algoritma principal component analysis
(PCA) memerlukan pelatihan dalam
mengenali sebuah pola wajah manusia. Hasil
pelatihan pengenalan pola inilah yang
nantinya akan digunakan sebagai bahan
acuan dalam mengenali pola wajah yang
diinputkan.

Implementasi Pengenalan Wajah Manusia Menggunakan Principal Component Analysis (PCA).

Oleh : Sri Puji Lestari

137

Pelita Informatika Budi Darma, Volume : VI, Nomor: 2, April 2014

ISSN : 2301-9425

4.2 Saran
Adapun saran yang ingin penulis berikan
berdasarkan hasil perancangan perangkat lunak
pengenalan pola wajah manusia ini adalah sebagai
berikut :
1. Untuk pengembangan selanjutnya, dapat
ditambahkan fasilitas untuk menambahkan file
citra digital yang lebih bervariasi seperti file
citra digital dengan formt PNG, GIF atau
PCX.
2.
Untuk pengembangan lebih lanjut, dapat
digunakan metode jaringan syaraf tiruan yang
berbeda sehingga dapat dilihat perbedaannya
dengan algoritma principal component
analysis (PCA) yang digunakan.
Daftar Pustaka
[1].
[2].
[3].
[4].
[5].
[6].
[7].
[8].

Puspitaningrum, D. 2006. Pengantar

Jaringan Saraf Tiruan. Yogyakarta : Andi
Hermawan, A. 2006. Teori dan Aplikasinya :
Jaringan Saraf Tiruan. Yogyakarta :Andi
Ramadhan,Arief. 2004. Microsoft Visual
Basic 6.0. Jakarta : PT.Alex Media
Komputindo
Al Fatta, Hanif. 2009. Rekayasa Sistem
Pengenalan wajah. Yogyakarta : Andi
PutraDarma.2010. Pengolahan Citra Digital
Yogyakarta: Andi
Ir widjanakawijaya, N. 2006. Teknik Digital.
Yogyakarta : Erlangga
Dwiprasetyo, Didik. 2006. 101 Tips dan Trik
Visual Basic 6.0. Jakarta : PT.Alex Media
Komputindo
I gedesuardik dan Triandini evi. 2012. Step
by Step Desain Proyek Menggunakan UML.
Yogyakarta : Andi

Implementasi Pengenalan Wajah Manusia Menggunakan Principal Component Analysis (PCA).

Oleh : Sri Puji Lestari

138