ABSTRAK
Sistem identifikasi wajah berkembang dengan cepat. Perkembangan tersebut mendorong kemajuan sistem
identifikasi berbasis biometrik. Pengenalan wajah adalah salah satu sistem identifikasi yang dikembangkan
berdasarkan perbedaan ciri wajah seseorang berbasis biometrik yang memiliki keakuratan tinggi.
Namun untuk mengembangkan sistem identifikasi pengenalan wajah yang baik dan memiliki keakuratan
tinggi merupakan sesuatu yang sulit dikareanakan wajah manusia memiliki ekspresi yang beragam dan
perubahan atribut seperti kacamata, kumis, janggut dan lain-lain.
Fisher Linear Discriminant (FLD) merupakan metode class specific yang membedakan gambar wajah
masukan menjadi kelas kelas wajah dan metode Fisher Linear Discriminant (FLD) ini membentuk jarak antar
kelas dan intra kelas sehingga dapat menghasilkan klasifikasi yang lebih baik, algoritma PCA digunakan untuk
mendapatkan matriks proyeksi optimal yang digunakan untuk mendapatkan nilai bobot citra wajah. Sistem
identifikasi wajah yang dirancang memiliki keluaran dikenali atau tidak dikenalinya sebuah gambar masukan
sebagai salah satu individu pada database.
Pengenalan wajah adalah suatu metode berusaha untuk membentuk jarak (scatter) antar kelas
pengenalan yang berorientasi pada wajah. Pengenalan dan intra kelas sehingga dapat menghasilkan
ini dapat dibagi menjadi dua bagian yaitu dikenali klasifikasi yang lebih baik (Changjun Zhou, et al.,
atau tidak dikenali. Metode pengenalan wajah 2010:h.695).
memakai dua prosedur, yaitu : Perhitungan metode Fisher Linear Discriminant
a. Pengenalan kontur wajah dengan mengenali (FLD) dilakukan dengan langkah-langkah sebagai
bentuk hidung, mata dan mulut dan bentuk berikut :
korelasi di antara keduanya. Karakteristik organ 1. Tentukan jumlah kelas dan anggota setiap kelas.
tersebut kemudian dinyatakan dalam bentuk 2. Membentuk nilai rata-rata dari training set (m)
vektor. dan nilai wajah rata-rata masing-masing kelas
b. Analisis komponen yang prinsipil, berdasarkan (class average face, ),
informasi dari konsep ini, pencarian perhitungan Dengan perhitungan rumus mencari nilai rata-rata
model terbaik yang menjelaskan bentuk wajah dari training set :
dengan mengutip informasi yang paling relevan
di dalam wajah tersebut.
Permasalahan yang timbul dalam proses =
pengenalan wajah adalah adanya perubahan skala, Perhitungan rumus mencari nilai rata-rata dari
perubahan posisi, perubahan pencahayaan, atau masing-masing kelas :
adanya perubahan detail dan ekspresi wajah (Marti,
N.W., 2010:h.12).
(x,y) =
2.3 Transformasi Citra Grayscale menjadi Citra 4. Cari eigenvalue atau matriks proyeksi
Biner (Thresholding) dengan perhitungan rumus :
Pada operasi ini nilai piksel yang memenuhi
syarat ambang batas dipetakan ke suatu nilai yang =
dikehendaki. Dalam hal ini syarat ambang batas dan
nilai yang dikehendaki disesuaikan dengan kebutuhan. = = .
Operasi thresholding yang mempunyai ketentuan 5. Hitung nilai eigenvector (w) dengan rumus :
berikut :
w= (
Nilai intensitas output (x,y) = 0, bila nilai 6. Hitung total scatter matrix untuk mendapatkan
intensitas input (x,y) 0, nilai (x,y) = bila matriks proyeksi PCA
< (x,y) , nilai (x,y) = bila <
(x,y) , …. , nilai (x,y) = bila
< (x,y) secara matematis dapat ditulis sebagai
berikut : = w
(x,y) 7. Hitung matriks proyeksi optimal
=
8. Hitung nilai bobot tiap masing-masing gambar
2.4 Metode Fisher Linear Discriminant (FLD)
Fisher Linear Discriminant (FLD) atau yang juga wajah dengan matriks proyeksi optimal
dikenal dengan Linear Discriminant Analysis (LDA) dengan perhitungan rumus.
ditemukan oleh Robert Fisher pada tahun 1936 untuk =
klasifikasi taksonomi dan menjadi salah satu teknik (Changjun Zhou, et al., 2010:h.696).
yang banyak digunakan dalam pengenalan pola Sebelum melakukan pengenalan wajah dengan
(pattern recognition). FLD merupakan salah satu perhitungan kemiripan Euclidean Distance, citra
contoh metode class specific, dan merupakan metode wajah yang akan diuji terlebih dahulu
yang terkenal untuk menggolongkan kelas menjadi dinormalisasikan dengan nilai rata-rata training set
matriks sebaran dalam kelas dan antar kelas yang dengan perhitungan rumus :
dapat dipercaya untuk klasifikasi, karena metode ini
Perancangan Aplikasi Pengenalan Wajah Menggunakan Metode Fisher Linear Discriminant (FLD). 83
Oleh : Maha Kinnoy Sembiring
Pelita Informatika Budi Darma, Volume : IX, Nomor: 1, Maret 2015 ISSN : 2301-9425
Perancangan Aplikasi Pengenalan Wajah Menggunakan Metode Fisher Linear Discriminant (FLD). 84
Oleh : Maha Kinnoy Sembiring
Pelita Informatika Budi Darma, Volume : IX, Nomor: 1, Maret 2015 ISSN : 2301-9425
4.2 Tampilan Form Training Image setelah dilakukannya penelitian dan pengujian
Tampilan Form Training Image berguna untuk terhadap aplikasi pengenalan wajah menggunakan
melakukan capture image atau pengambilan gambar metode Fisher Linear Discriminant (FLD) maka
wajah sebagai media untuk memasukkan citra wajah didapatkan beberapa kesimpulan sebagai berikut :
training ke dalam database. Tampilan Form Training 1. Penerapan metode Fisher Linear Discriminant
Image dapat dilihat pada Gambar 2 berikut : (FLD) dalam pengenalan wajah memiliki
keakurasian yang lebih tinggi dikarenakan
metode ini membagi kelas secara spesifik dan
aplikasi pengenalan wajah dengan metode Fisher
Linear Discriminant (FLD) mampu mengenali
wajah dengan ekspresi yang beragam juga
mampu mengenali wajah dengan perubahan
atribut seperti kacamata, kumis, dan lain-lain.
2. Aplikasi pengenalan wajah menggunakan bahasa
pemrograman visual C# mendukung pengenalan
wajah dikarenakan bahasa pemrograman ini
merupakan bahasa pemrograman berorientasi
objek.
Daftar Pustaka
5. Penutup
Berdasarkan pembahasan dan evaluasi dari bab-
bab sebelumnya dan melalui teori yang ada, dan
Perancangan Aplikasi Pengenalan Wajah Menggunakan Metode Fisher Linear Discriminant (FLD). 85
Oleh : Maha Kinnoy Sembiring