Abstrak
Biometrik merupakan suatu metode yang menganalisa secara statistik karakteristik biologis manusia.
Karakteristik selaludipunyai dan menjadi ciri ktrassetiapmanusia.Ciri khastersebutdapatdilihat dari karaller
fisik (misalnya sidik jari, rauVciri-ciri wajatr dan retina mata); dari karakteristik tingkah laku (misalnyatanda
tangan dan suara).Ciri-ciri wajah dapatdigunakanuntuk mengindradari metodebiometrik yang ada. Karena
ciri-ciri wajah memiliki ciri khas yang bisa membedakanantarasatu manusiadenganmanusiayang lainnya.,
sehinggadapat digunakansebagaialat pengaman(password).Penggunaanbiometric ini dipandangmemiliki
tingkat keamananyang lebih tinggi dibandingkandengansistemtradisional yang menggunakanpasswordatau
ID Card untuk autentikasipadapengaksesan suatuarea.
Padametodepenelitian ini dibuat perancangansecaraperangkatkeras denganmembuatsimulasi maket rumah
yang dilengkapi denganpintu otomatis,rangkaiandriver motor DC, rangkaianoptocouplersebagaipenerima
data dari parallel port, komunikasi.parallelport dan perencanaansistem secarakeseluruhan.Jika hasil
perbandinganciri wajah input sama/cocokdenganyang sudahtersimpandalam database,maka dapatmembuka
pintu, tetapijika tidak samamakapintu akantetaptertutup.
Sistem ini menggunakanbantuankamerawebcamuntuk mendeteksidan mengenaliciri wajah seseorangdan
bahasapemogramanMicrosoft Visual Basic 6.0. Algoritma yang digunakanpada ekstraksi ciri wajah untuk
dapat membedakanwajah seseoftrngdenganorang lain menggunakanalgoritrna Fuzzy Cluster Mean. Gambar
seseorangyang diterima sensorpenangkapobjek bergerakakan diprosesoleh komputermenggunakan"image
processingprogram". Metodeyang digunakanuntuk menghitungkecocokanciri wajah menggunakanEuclidean
Distance.
Dari hasil pengujiaq didapatbahwasiste4 dapatmengenaliciri - ciri wajahdari 30 sampelmemberyang terdapat
padadatabase, didapatkantinglet keberhasilanmengenaliciri - ciri wajahseseorang mencapai80,o/o.
321
u
ff'
2.2.PengolahanCitra
322
menuunkan kinerja dari sistem,dimana suatucitra Konsep dasar FCM, nlenentukan pusat
yangsemulamemilikijumlah pixel yangbesarakan cluster, yang akan menandailokasi rata.rataunnrk
memiliki bentuk yang detil, dengan dilakukan tiap-tiap cluster.Padakondisi awal, pusat cluster
penskalaanakan didapatkanbentuk gambar yang ini masih belum akurat. Tiap-tiap titik data
kurangdetil. memiliki derajat keanggotaan untuk tiap-tiap
Pencarianobjek bisa berdasarkanscanning cluster.Dengancaramemperbaikipusatcluster darr
yang memiliki kelebihan tersendiri, yaitu lebih derajat keanggotaan tiap-tiap titik data secapa
cepat(kalau obyek yang dicari dekat dengantitik berulang, maka akan dapat dilihat bahwa pdsat
awal) dan mudah tetapi tidak akurat.Hal ini tentu cluster akanbergerakmenujulokasi yang tepat.
saja menyebabkan proses menjadi lambat. Perulangan ini didasarkan pada mfirimasi
Kelebihan lain dari prosesscanningadalahmetode fungsi obyektif yang menggambarkanjarak dari
klasifikasi atau identifikasi dad proses deteksi titik data yang diberikan ke pusat cluster yang
dapat beragam, artinya dapat menggUnakan terbobot oleh derajat keanggotaan titik data
berbagaimetode. tenebut. I
Jika suatuobyek dapatdiketatui berdasarkan Output dari FCM bukan merupaU'an fuzry
tirt-wrrranya-saja-@- - t prrsEt-
segmentasi waraa. Metode ini secara runun cluster dan beberapa derajat keanggotaanuntuk
digunakanunhrk memisahkansuatuwama terhadap tiap-tiaptitik data.
wama lainnya. Inti dari segmentasiwarna adalah
membacawama pixel demi pixel atau daerahdemi 2.5. EuclideanDistance
daeratrdan membandingkannya denganwarnayang
dikehendaki. Jika obyek yang akan dideteksi Euclidean Distance merupakan metode
dipastikan hanya berjumlah satu, artinya dalam statistikayang digunakanuntuk mencari data yang
penangkapancitra nantinya kemungkinan hanya terdekat antara paxameterdata referensi dengan
ada satu obyek yang akan muncul, maka proses parameterdatabaru.
deteksinyamenjadi sederhana.Ioipun masih bisa Parameterreferensi: Rl, R2, R3, .... Rim
dibedakanantaraobyek yang posisinyatertentudan dimana i : jumlah region dan R : data pada tiap
obyekyangposisinyatidak tentu. regron.Sedangkan databaru:Rl', R2', R3', .r..Rn',
Jika obyek posisinya sudah tentu pada dinana o : jumlah region dan R : data pada tiap
sensor, maka proses deteksi dilakukan cukup region, banyalnya jumlah region antara data baril
dengan mengamati daerah tersebut, tanpa denganparametersampelharussama,sehinggai :
menghiraukandaerahlainnya. Jika obyek ternyata n.
menempati posisi yang tidak tentu, maka harus
dilakukanprosespencarian.Prosespencariandapat
dilakukan dengandua carq melakukanscanningdi dR= (Ri - RD2 (t)
seluruh daerah citrq atau langsung menentukan Pada pemrosesancitra, nilai yang dicari
titik tengah (itik berat) dari obyek yang ada di jarak perbedaannya adalatrnilai rata-rataRGB atau
layar. nilai biner dari setiap komponencitra antara data
Selain scanning, ada prpses lain pada input dan data referensi.Analisa distance ini juga
pengolahancitra yaitu Cropping. Dengancropping, dapat menentukanjarak dislaiminan terhadapdata
cara ini mengharuskanprogram untuk mencari input dan referensi, sehingga dapat mengetahui
pixel demi pixel, area demi are4 ukuran demi termasuk dalarn kelompok mana data input itu
ukuran dari seluruhbagrancitra. Jika suatuobyek brada"dan dapat diambil kesimpulanpada proses
berhasil ditemukan, bagian citra yang bertepatan analisanya. Nilai jarak yang paling minimal
dengan obyek tersebut akan dipotong untuk merupakancitra yang memiliki kemiripan dengan
diproses pada bagian berikutuiya.Kelebihan dari citra referensi
cara ini, posisi dan ukuran dari obyek dapatbebas
sertajumlah dari obyekdapatlebih dari satu. 2.6.KomunikasiParallel
Dapat menggunakan berbagai metode
klasifikasi, dimana hasil crop obyek yang Port parallel menyediakan metode yang
ditemukan denganmudah diproses pada classifier mudahuntuk menghubungkan PC denganperalatan
yangdikehendaki. elektronik. Port parallel merupakanport data di
computer untuk menstransrnisi 8 bit data dalarn
2.4. Fuz,zyC-MeansGCM) sekaliclock.
Fuzzy C-Meazs adalah suatu teknik peng- Paralelport adalahport yang paling banyak
cluster-an data dimana keberadaandari tiap-tiap digunakan dalam interfacing dengan berbagai
titik datapadasuatucluster ditentukanoleh derajat macam peralataneksternal. Secaraumum paralel
keanggotaan.Teknik ini pertamakali diperkenalkan port terdiri dari 4 jalur kontrol, 5 jalur statusdan 8
olehJim Bezdekpadatahun1981. jalur data.
323
Hubungan pengkabelan yang umum
digunakan yaitu konektor tipe DB25. Konektor
DB25 merupakan koneltor yang paling banyak
dijumpai pada paralel port PC sedangkankonektor
centronicdijumpai padaprinter.
tlt 06 rln:0? 0 00
Gambar3.1. RangkaianPerangkatKerasPembuka
pintu
Crrtrrl RcSirlcr
PerancanganPerangkatLunak
-reZfin :Fin-paratGlport
Perancangan secara perangkat lunak
Paralel port yang telah distandarisasi menggunakan sebuah program Visual Basic,
dibawah standard IEEE 1284, pertama dimana perangkat lunak ini digunakan untuk
diperkenalkanpada tahun 1994. Standardtersebut menyimpanhasil penangkapanobjek yarig bergerak
didefinisikan dalam5 modeoperasi,yaitu: yaitu foto untuk dijadikan sebuah database.
l. Mode kompabilitas(CompabilityMode) Kegunaandari databaseini untuk membandingkan
2. Mode 4 bit (Nibble Mode) dengan data baru yang masuk, apakah data baru
3. ModeSbit@yteMode) tersebutcocokatautidak dengandatabaseyang ada.
4. Mode parallel port lanjutan (EnhancedParalel
Port)
5. Mode kapabilitas diperluas (Extended
Capability Port)
'Register
yang ada pada DB25 terdiri dari 3 jenis,
antaralain :
l. RegisterData
2. RegisterControl
3. RegisterStatus
324
melakukan suatu tindakan seperti pada gambar aksi yang berhubungandengankecocokandata
berikut: tersebut,yaitujika datacocokmakapintu akan
terbuka,tetapi jika data tidak cocok, makan
pintu akan tetap tertutup. yang kemudianakan
dikirimkan
Hasil pendekatansuatupencocokandata yang
didapat dengan data yang tersimpan akan
dikirimkan komunikasiparallel.
Gambar5. Blok DiagramSistem
I
Gambaran umum dari percobaan dibagi
Hasil dan Pembahasan
menjadibanyakbagianyaitu :
Langkah dalam percobaan ini adalah sebagai
Hasil dari penelitian berdasarkan uji coba
berikut:
pada pengambilan data dari setiap ciri wajah belum
l. Pengambilan data input dari sebuah frame
mendapatkan hasil yang diharapkan. Kemungkinan
ohiek samhar vang sedang berserak _-_-Teryb-ab-ffi -F-en-ferck6im
menggunakanwebcam.Jika frame objek sudah
wajah sangat lambat terhadap kecepatan objek
didapatkan, maka dapat melahrkan
bergerak.
penyimpanan untuk memperbanyakdatabase
Setelah menyelesaikan perencanaan dan
yang ada. Data yang dapat disimpan dalarr
pembuatan alal selanjutnya untuk mengetahui serta
databasemencapai lebih dari 1000 database,
meyakinkan bahwa seluruh sistem perancangan
yang artinya databasedapat rnenyimpan data
perangkat telah bekerja dengan baik, sehingga
wajahlebihdari 1000orang.
dilakukan beberapa pengujian pada setiap tahap.
2. Pen-skala-an dilakukan karena input yang
Pengujian ini meliputi beberapa tahap,
didapatkan berukuran besar, sehingga untuk
yaitu: l) Pengujian Sensorpenangkap objek, untuk
mendapatkanobjek denganpixel yang standm
menguji apakah sensor penangkap objek dapat
untuk ukuran pixel cifra, dipilihlah objek
menangkapobjek atau tidak. Jika sensorpenangkap
dengan ukuran 320 x 240 : 76800 pixel.
objek dan program Visual Basic bekerj4 maka
tlkuran tersebut masih besar jika harus
akan tampil gambar sebuah objek; 2) Pengujian
menghitung keseluruhan data yang ada,
pengambilan datE yang bertujuan melakukan
sehinggaperlu pula dilakukan pen-skala-an
pengujian terhadap data yang diambil untuk
menjadil:15. Sehinggadidapatkan16 x 16 :
dijadikan sebagai data referensi (sebagai
256 data pixel untuk I databasewajah yang
pembanding) dengan data yang akan input.
terdeteksi
Program menyimpan data secara otomatis data
Segmentasi digunakan unhrk membedakan
tersebut akan tersimpan pada database yang sudah
wama kulit dengan warna background.Pada
dikoneksikan; 3) Pengujian perangkat lunak,
batasan masalah ditentukan bahwa warna
dengan melakukan pengecekan satu objek
backgroundadalahbiru sehinggauntuk dapat
sebanyak 20 kali tes. Tingkat keberhasilan dalam
menentukan posisi wajah maka harus
menentukan target dihampkan melebihi 50% - 85%.
membuangwarna biru dan mengambil warna
Perangkat lunak dapat mengenali objek yang
kulit yimg telah diasumsikan
ditangkap oleh webcam yang sesuai pada database
Gray Scale dilakukan, karena gambar yang
dan dapat dikenali dengan benar; 4) Pengujian
terekam adalah gambar berbentuk RGB atau
rangkaian driver motor, bertujuan untuk apakah
berwarna, sehingga untuk memudahkan
mengetahui rangkaian motor dapat bekerja dengan
pemrosesangambartersebutdi ubahbentuknya
benar apabila diberi tegangan berupa pulsa. Input
menjadigambargray scale
dari optocoupler diberi tegangan 5Volt sebagai
5. Melakukan pendeteksian keberadaan objek
pengganti logic I dari PC, Output optocoupler
sehingga objek dapat dibedakan dengan
menjadi input unhrk rangkaian driver.
background. Pendeteksian ini dilakukan
dengancara segmentasiwarna kulit dan juga
melakukancropping 5. Kesimpulan dan saran
Kuantisasi, yaitu mengambil data pixel dari
suatuobjek gambaryang sudahterekamuntuk Kesimpulan
dimasukkankedalamsebuahdatabase
Berdasarkanhasil pengujian, didapat bahwa
Pembandingan datapixel dari objectyangbaru
sistem dapat mengenali ciri - ciri wajah dari 30
dengan data yang ada pada database.
sampel member yang terdapat pada database,
Pembandinganini menggunakanverifikasi
didapatkan tingkat keberhasilan mengenali ciri - ciri
dengan algoritma Euclidean Distance dan
wajah seseorangmencapai8002.
Fuzzy C Mean. Dan setelah pembandingan
Setelah menganalisa hasil tersebut ada
dilakukan, data tersebut dikirimkan ke
beberapa faktor keeagalan yanC ditimbulkan
komunikasi paralel sehingga terjadi sebuah
32s
diantarany4 karena adanya perbedaankondisi Face Detection, Faculty of Computer and
lingkungan antara pada saat pengarnbilan data InformationScienceUniversityof Ljubljana
referensiciri - ciri wajah dan padasaatsoftwareini e) Gunadi Kartika dan Sonny RP, 2001,
dilakukanpengujian. Pembuatan Perangkat Lunak Pengenalan
Untuk mendapatkan hasil yang optimal, Wajah MenggunakqnPrincipal Components
adalah dengan menambatrjumlah data referensi. Analysis, Universitas Kristen Petra, Jurnal
Semakin banyak data referensi yang diambil, Informatika Vol.2 No.2.
semakinkecil jarak kedekatanantaracitra input dan l0) KusumadewiSri, Analisis dan Desain Sistem
pusatcluster. Fuzry MenggunakanTool Box Motlab, Grilra
Pada saatpengujiandilakukaq posisi wajah Ilmu,2002.
tidak terlalu banyak bergerak untuk mendapa&an I l) Leong Marlon, 2004, Pemrograman Dasar
datainput yangbaik. Microsofi Yisual Basic .NET, ANDI
Yogyakarta.
Saran t2) Linda G Shapira dan George C. Stockman,
2001, ComputerVision,PrenticeHall.
_Ilmil_pimrFte-kim *PenCdtahan -C.-trq
masfi dapatdiringkaftan 13) l\funir, Rmakn;2004;
lagi akurasiny4 karena pencapaian kecocokan Digital dengan Pendekatan Algoritmik,
antara databasedengan data yang baru masuk Informatikagsndrrng.
belum mencapu l00%o.Sehinggadiharapkanakan 14) Satriyanto Edi, 2006, Identifikasi Isyarat
ada pengembanganlebih lanjut tentang penelitian Tangan Sebagai Pengendoli Telerobotik
ini, misalnya dengan membuat setiingan suatu Secara Real-Time, Tesis Program
objek yang di5impandi perbesar,meskipunharus Pascasarjana Matematika Fakultas
menperhitungkankecepatanresponantaradatabase Matematika dan Ilmu PengetahuanAlam,
dengandatayangbaru masuk. Institut Teknologi SepuluhNopember.
Penelitian ini tidak hanya dapat digunakan
untuk aplikasi membuka pintu saj4 tetapi dapat
pula digunakan pada aplikasi lainnya yang
otoritasyangtinggi.
.membutubkan
DAFTARPUSTAKA
l) Basuki Achmad, Jonla F. Palandi, dan
Fatchurrochman, 2005, Pengolahan Citra
Digital Menggunakan Visual Basic, Graha
Ilmu.
2) Hariyanto Bambang, 1999, Sistem Operasi,
Bandung,Edisi 2, Informatika.
3) Bima Sena Bayu Dewantar4 SST, 2006,
Materi Image Prosesing dan Aplikasinya,
PelatihanImageProsesing,Surabaya.
4) Darma Putra, 2004, Sistem Identifiktsi
Wajah Dengan Metode Wavelel, Majalah
Ilmiah Teknologi Elektro Udayana ISSN :
16932951Vol.3/No.l Januari- Juni.
5)t - Edi Satriyanto, Golan, 2003, Pengendalian
Robot Dengan Isyarat Tangan,Final Project
EEPISITS.
6) Prasetyo Eri dan Isma Rahmatun,Oktober
2008, Design Sistem Pengenalan wajah
dengan variasi ekspresi dan posisi
' menggunakanmetodeEagenface,Universitas
Gunadarma.
' http://pusatstudi.gunadarma.ac.id/pscitr4.
7)' Juan Wachs,U. Kartoun,HelmanSterm,dan
Yael Edan, 2004, Real-TimeHand Gesture
TeleroboticSystemUsing the Fuzzy C-Means
Clustering Algorithm, Departrnent of
Industrial Engineeringand ManagementBen-
GurionUniversityof theNegev.
8) Jure Kova"c, Peter Peer, dan Franc Solina
2003, Human Skin Colour Clustering for
326