DAFTAR ISI

DAFTAR ISI........................................................................................................................ i
DAFTAR GAMBAR .......................................................................................................... ii
DAFTAR TABEL............................................................................................................... ii
................................................................................................................................. 1
PENDAHULUAN .............................................................................................................. 1
1.1. Latar Belakang .................................................................................................... 1
1.2. Tujuan Penelitian ................................................................................................ 1
1.3. Batasan Penelitian ............................................................................................... 1
1.4. Metode Penelitian ............................................................................................... 1
1.5. Sistematika Penulisan ......................................................................................... 2
................................................................................................................................. 3
SISTEM PENGENAL EMOSI PADA FOTO BERBASIS OPENCV DAN NEURAL
NETWORK......................................................................................................................... 3
2.1. Emosi .................................................................................................................. 3
2.2. OpenCV .............................................................................................................. 4
2.3. Citra Digital ........................................................................................................ 5
2.3.1. Jenis-jenis Citra Digital ............................................................................... 6
2.4. RGB Color Space ............................................................................................ 8
2.5. Thresholding ....................................................................................................... 9
2.6. Kontur ............................................................................................................... 10
2.7. Spesifikasi Sistem ............................................................................................. 11
............................................................................................................................... 12
PERANCANGAN PROTOTIPE SISTEM PENDETEKSI KANTUK ............................ 12
............................................................................................................................... 13
IMPLEMENTASI DAN ANALISIS SISTEM ................................................................. 13
............................................................................................................................... 14
KESIMPULAN ................................................................................................................. 14
DAFTAR REFERENSI .................................................................................................... 15
LAMPIRAN...................................................................................................................... 16

i
Universitas Indonesia
 DAFTAR GAMBAR
No table of figures entries found.
No table of figures entries found.

No table of figures entries found.

DAFTAR TABEL

No table of figures entries found.

ii
Universitas Indonesia
 PENDAHULUAN
1.1. Latar Belakang
Nanti ini diisi ya rifki. Okedeh

1.2. Tujuan Penelitian

Tujuan dari penelitian ini adalah sebagai berikut:

1. Merancang sebuah sistem untuk mendeteksi emosi berdasarkan ekspresi

pada foto.

2. Melakukan implementasi dan pembuatan sistem pengenal emosi.

3. Menganalisis akurasi sistem yang telah dibuat.

1.3. Batasan Penelitian

1. Sistem dirancang menggunakan (RasPi? Atau Macbook? Mungkin PC kl
macbook dan RasPi tdk kuat), WebCam sebagai input, dengan UI yang akan
dibuat untuk menunjukan emosi yang dikenali.

2. Data percobaan diambil pada kondisi pencahayaan terang.

3. Percobaan dilakukan pada subjek dengan kondisi emosi normal.

1.4. Metode Penelitian

Metodologi yang digunakan dalam penelitian ini adalah sebagai berikut:

 Studi literatur yang dilakukan dari berbagai sumber ilmiah.

 Perancangan system requirement untuk mendefinisikan perangkat dan

fungsi sistem berdasarkan analisis dan studi literatur

 Perancangan desain sebagai deskripsi perangkat dan fungsi yang sudah

didefinisikan melalui visualisasi diagram.

1
Universitas Indonesia
 2

 Implementasi sistem dari hasil perancangan desain sistem.

 Uji coba dan analisis sistem untuk melakukan pengujian fungsi alat
berdasarkan parameter keberhasilan alat.

1.5. Sistematika Penulisan

Sistematika dari penulisan seminar ini dibagi menjadi beberapa bab. Pembagian
dari bab-bab tersebut membahas hal-hal sebagai berikut:

1. BAB 1: PENDAHULUAN

Membahas mengenai latar belakang penelitian, tujuan penelitian, batasan

penelitian, metode penelitian, dan sistematika penulisan.

2. BAB 2: SISTEM PENGENAL EMOSI BERBASIS OPENCV DAN

ARTIFICIAL NEURAL NETWORK

Membahas mengenai dasar teori yang digunakan dalam penelitian sistem

pengenal emosi berbasis opencv dan artificial neural network.

3. BAB 3: PERANCANGAN SISTEM PENGENAL EMOSI BERBASIS

OPENCV DAN ARTIFICIAL NEURAL NETWORK

Membahas perancangan dan pembuatan sistem pemantauan sistem pengenal

emosi berbasis opencv dan artificial neural network.

4. BAB 4: IMPLEMENTASI DAN ANALISA SISTEM PENGENAL EMOSI

Membahas implementasi dari hasil perancangan sistem dan analisis

keseluruhan dari sistem pengenal emosi berbasis opencv dan artificial neural
network.

5. BAB 5: KESIMPULAN

Berisi kesimpulan dari keseluruhan perancangan penelitian yang dilakukan

Universitas Indonesia
 3

SISTEM PENGENAL EMOSI PADA FOTO BERBASIS

OPENCV DAN NEURAL NETWORK
Pada bab ini akan membahas mengenai dasar teori yang relevan terhadap topik
penelitian ini.

2.1.Emosi
Kata emosi berasal dari bahasa latin, yaitu emovere, yang berarti bergerak
menjauh. Arti kata ini menyiratkan bahwa kecenderungan bertindak merupakan hal
mutlak dalam emosi. Menurut Daniel Goleman (2002 : 411) emosi merujuk pada
suatu perasaan dan pikiran yang khas, suatu keadaan biologis dan psikologis dan
serangkaian kecenderungan untuk bertindak. Emosi pada dasarnya adalah dorongan
untuk bertindak.

Biasanya emosi merupakan reaksi terhadap rangsangan dari luar dan dalam diri
individu. Sebagai contoh emosi gembira mendorong perubahan suasana hati
seseorang, sehingga secara fisiologi terlihat tertawa, emosi sedih mendorong
seseorang berperilaku menangis.

Emosi berkaitan dengan perubahan fisiologis dan berbagai pikiran. Jadi, emosi
merupakan salah satu aspek penting dalam kehidupan manusia, karena emosi dapat
merupakan motivator perilaku dalam arti meningkatkan, tapi juga dapat
mengganggu perilaku intensional manusia. (Prawitasari,1995)

Pengertian Emosi

Beberapa tokoh mengemukakan tentang macam-macam emosi, antara lain

Descrates. Menurut Descrates, emosi terbagi atas : Desire (hasrat), hate (benci),
Sorrow (sedih/duka), Wonder (heran), Love (cinta) dan Joy (kegembiraan).
Sedangkan JB Watson mengemukakan tiga macam emosi, yaitu : fear (ketakutan),
Rage(kemarahan), Love (cinta).

Daniel Goleman (2002 : 411) mengemukakan beberapa macam emosi yang

tidak berbeda jauh dengan kedua tokoh di atas, yaitu :

1. Amarah : beringas, mengamuk, benci, jengkel, kesal hati

 4

2. Kesedihan : pedih, sedih, muram, suram, melankolis, mengasihi diri,

putus asa

3. Rasa takut : cemas, gugup, khawatir, was-was, perasaan takut sekali,

waspada, tidak tenang, ngeri

4. Kenikmatan : bahagia, gembira, riang, puas, riang, senang,

terhibur, bangga

5. Cinta : penerimaan, persahabatan, kepercayaan, kebaikan hati, rasa

dekat, bakti, hormat, dan kemesraan

6. Terkejut : terkesiap, terkejut

7. Jengkel : hina, jijik, muak, mual, tidak suka

8. Malu : malu hati, kesal

Seperti yang telah diuraikan diatas, bahwa semua emosi menurut Goleman pada
dasarnya adalah dorongan untuk bertindak. Jadi berbagai macam emosi itu
mendorong individu untuk memberikan respon atau bertingkah laku terhadap
stimulus yang ada.

Berdasarkan uraian tersebut, dapat disimpulkan bahwa Pengertian Emosi adalah

suatu perasaan (afek) yang mendorong individu untuk merespon atau bertingkah
laku terhadap stimulus, baik yang berasal dari dalam maupun dari luar dirinya.

2.2. OpenCV
OpenCV atau Open Source Computer Vision Library merupakan sebuah
pustaka perangkat lunak yang dapat digunakan untuk mendukung berbagai aplikasi
computer vision secara real time[6]. OpenCV bersifat open source dan dapat
dioperasikan pada berbagai macam sistem operasi seperti Linux, Windows dan
MAC OS X.

Seiring dengan semakin berkembangnya teknologi computer vision, OpenCV

hadir di tengah-tengah pecinta teknologi computer vision. OpenCV dikembangkan
atas inisiatif dari bagian Riset Intel. Proyek OpenCV dimulai pada tahun 1999.
 5

Kemudian untuk pertama kalinya, OpenCV versi alpha dirilis secara terbuka pada
IEEE Conference on Computer Vision and Pattern Recognition tahun 2000. Sejak
saat itu, OpenCV berhasil merilis lima versi beta dalam kurun waktu 2001 sampai
2005. Kemudian versi 1.0 secara resmi dirilis pada tahun 2006 dan sampai saat ini,
versi terbaru dari OpenCV telah mencapai versi beta 3.0.

OpenCV dibuat untuk menyediakan infrastruktur computer vision yang mudah

digunakan dalam pembuatan suatu sistem yang memerlukan penglihatan. OpenCV
menyediakan lebih dari 500 fungsi yang dapat menjangkau berbagai macam
kebutuhan di berbagai bidang seperti medical imaging, keamanan, antarmuka,
kalibrasi kamera, robotika dan juga stereo vision. Pada sumber lain disebutkan
bahwa pustaka OpenCV memiliki lebih dari 2.500 algoritma yang telah
dioptimalkan untuk mendukung algoritma computer vision dan machine learning.
Contoh penggunaan dari algoritma-algoritma tersebut antara lain algoritma untuk
mendeteksi atau mengenali objek, mengidentifikasi objek, menganalisis perilaku
manusia dan lain-lain. Pustaka dari OpenCV sendiri telah menyebar dan digunakan
secara luas oleh berbagai macam kelompok pengguna baik itu perusahaan, ilmuwan
ataupun badan-badan pemerintah.

2.3. Citra Digital

Citra digital dapat didefenisikan sebagai fungsi dua variabel f(x,y) dimana x dan
y adalah koordinat spasial dan nilai f(x,y) yang merupakan intensitas citra pada
koordinat tersebut. Teknologi dasar untuk menciptakan dan menampilkan warna
pada citra digital berdasarkan pada penelitian terdahulu bahwa sebuah warna
merupakan kombinasi dari tiga warna dasar, yaitu merah, hijau, dan biru (Red,
Green, Blue - RGB)[7].

Citra digital memiliki beberapa format yang memiliki karakteristik tersendiri.

Format pada citra digital ini umumnya berdasarkan tipe dan cara kompresi yang
digunakan pada citra digital tersebut.

Berikut adalah elemen-elemen yang terdapat pada citra digital:

 6

1. Kecerahan (Brightness). Brightness merupakan intensitas cahaya yang

dipancarkan piksel dari citra yang dapat ditangkap oleh sistem penglihatan.
Kecerahan pada sebuah titik (piksel) di dalam citra merupakan intensitas rata-
rata dari suatu area yang melingkupinya.

2. Kontras (Contrast). Kontras menyatakan sebaran terang dan gelap dalam

sebuah citra. Pada citra yang baik, komposisi gelap dan terang tersebar secara
merata.

3. Kontur (Contour). Kontur adalah keadaan yang ditimbulkan oleh perubahan

intensitas pada piksel-piksel yang bertetangga. Karena adanya perubahan
intensitas inilah mata mampu mendeteksi tepi-tepi objek di dalam citra.

4. Warna. Warna sebagai persepsi yang ditangkap sistem visual terhadap panjang
gelombang cahaya yang dipantulkan oleh objek.

5. Bentuk (Shape). Shape adalah properti intrinsik dari objek 3 dimensi, dengan
pengertian bahwa bentuk merupakan properti intrinsik utama untuk sistem
visual manusia.

6. Tekstur (Texture). Texture dicirikan sebagai distribusi spasial dari derajat

keabuan di dalam sekumpulan piksel-piksel yang bertetangga. Tekstur adalah
sifat-sifat atau karakteristik yang dimiliki oleh suatu daerah yang cukup besar,
sehingga secara alami sifat-sifat tadi dapat berulang dalam daerah tersebut.
Tekstur adalah keteraturan pola-pola tertentu yang terbentuk dari susunan
piksel-piksel dalam citra digital. Informasi tekstur dapat digunakan untuk
membedakan sifat-sifat permukaan suatu benda dalam citra yang berhubungan
dengan kasar dan halus, juga sifat-sifat spesifik dari kekasaran dan kehalusan
permukaan tadi, yang sama sekali terlepas dari warna permukaan tersebut.

2.3.1. Jenis-jenis Citra Digital

Beberapa jenis citra digital yang sering digunakan adalah citra biner, citra
grayscale dan citra warna[8]. :
 7

1. Citra Biner : Citra biner merupakan citra yang telah melalui proses
pemisahan piksel-piksel berdasarkan derajat keabuan yang dimiliki. Citra
biner adalah citra yang nilai tiap pikselnya hanya direpresentasikan dalam
satu bit. Citra biner hanya membutuhkan satu bit memori untuk menyimpan
warna hitam dan putih. Setiap piksel pada citra bernilai 0 untuk warna hitam
dan 1 untuk warna putih. Pembentukan citra biner memerlukan nilai batas
keabuan yang akan digunakan sebagai nilai patokan. Piksel dengan derajat
keabuan lebih besar dari nilai batas akan diberi nilai 1 dan sebaliknya piksel
dengan derajat keabuan lebih kecil dari nilai batas akan diberi nilai 0. Citra biner
sering sekali muncul sebagai hasil dari proses pengolahan, seperti segmentasi,
pengambangan, morfologi ataupun dithering. Fungsi dari binerisasi sendiri
adalah untuk mempermudah proses pengenalan pola, karena pola akan lebih
mudah terdeteksi pada citra yang mengandung lebih sedikit warna.

(2.1)

2. Citra Grayscale : Citra grayscale menggunakan warna tingkatan keabuan.

Warna abu-abu merupakan satu-satunya warna pada ruang RGB dengan
komponen merah, hijau, dan biru yang mempunyai nilai intensitas yang sama.
Citra grayscale memiliki kedalaman warna 8 bit (256 kombinasi warna
keabuan). Banyaknya warna yang ada tergantung pada jumlah bit yang
disediakan di memori untuk menampung kebutuhan warna. Citra yang
ditampilkan dari citra jenis ini terdiri atas warna abu-abu, bervariasi pada warna
hitam pada bagian yang intensitas terlemah dan warna putih pada intensitas
terkuat. Citra grayscale berbeda dengan citra ”hitam-putih”, dimana pada
konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja yaitu
”hitam” dan ”putih” saja. Pada citra grayscale warna bervariasi antara hitam dan
putih, tetapi variasi warna diantaranya sangat banyak.
Citra grayscale seringkali merupakan perhitungan dari intensitas cahaya pada
setiap piksel pada spektrum elektromagnetik single band. Untuk mengubah
 8

citra berwarna yang mempunyai nilai matrik masing-masing R, G dan B

menjadi citra grayscale dengan nilai X, maka konversi dapat dilakukan dengan
mengambil rata-rata dari nilai R, G dan B sehingga dapat dituliskan menjadi:

𝑅+𝐺+𝐵
𝑋= (2.2)
3

Untuk konversi kembali menjadi warna menggunakan formula berikut:

𝐶𝑜𝑙𝑜𝑟 = 𝑅𝐺𝐵(𝑋, 𝑋, 𝑋) (2.3)

3. Citra Warna : Citra warna atau citra RGB, merupakan jenis citra yang
menampilkan warna dalam bentuk komponen R (red), G (green), dan B (blue).
Setiap komponen warna menggunakan 8 bit (nilainya berkisar antara 0 sampai
dengan 255). Dengan demikian, kemungkinan warna yang bisa ditampilkan
mencapai 255 x 255 x 255 atau 16.581.375 warna. Format ini dinamakan true
color karena memiliki jumlah warna yang cukup besar.

2.4.RGB Color Space

Model warna RGB adalah model warna berdasarkan konsep penambahan kuat
cahaya primer yaitu Red, Green dan Blue. Dalam suatu ruang yang sama sekali
tidak ada cahaya, maka ruangan tersebut adalah gelap total. Tidak ada signal
gelombang cahaya yang diserap oleh mata kita atau RGB (0,0,0). Konsep Model
Warna RGB kita jumpai di peralatan seperti televisi, kamera, kamera video dan
alat alat lainnya. Sebuah warna dalam RGB digambarkan dengan menentukan
seberapa banyak masing-masing warna merah, hijau, dan biru yang dicampurkan.
Warna ini dituliskan dalam bentuk triplet RGB (r, g, b), setiap bagiannya dapat
bervariasi dari nol sampai nilai maksimum yang ditetapkan. Kelebihan model
warna ini adalah gambar mudah disalin / dipindah ke alat lain tanpa harus di-
convert ke mode warna lain, karena cukup banyak peralatan yang memakai mode
warna ini.

Nilai dari komponen komponen R,G, dan B sendiri merupakan hasil

penjumlahan dari fungsi respektif sensitivitas dari cahaya yang datang:
 9

(2.4)

dimana S (λ) adalah spektrum cahaya, R (λ), G (λ) dan B (λ) adalah fungsi
sensitivitas untuk R, G dan B sensor masing-masing.

2.5.Thresholding
Thresholding adalah suatu proses yang digunakan untuk menghasilkan citra
biner yaitu citra dengan hanya dua warna, yaitu: hitam dan putih[16]. Dengan
menggunakan thresholding maka derajat keabuan bisa diubah sesuai keinginan,
Operator ini memilih piksel yang memiliki nilai tertentu, atau lingkup tertentu.
Proses ini dapat dilakukan apabila kita telah mengetahui brightness level (atau
contrast) dari gambar tersebut.

(2.11)

Jika α₁ = 0 dan α₂ = 1, maka operasi pengambangan mentransformasikan citra

hitam-putih ke citra biner. Dengan kata lain, nilai intensitas pixel semula dipetakan
ke dua nilai saja: hitam dan putih.

Thresholding merupakan salah satu teknik segmentasi yang baik digunakan

untuk citra dengan perbedaan nilai intensitas yang signifikan antara latar belakang
dan objek utama.Dalam pelaksanaannya thresholding membutuhkan suatu nilai
yang digunakan sebagai nilai pembatas antara objek utama dengan latar belakang,
dan nilai tersebut dinamakan dengan threshold. Sementara pada kasus segmentasi
objek yang membutuh dua nilai T atau lebih, maka disebut dengan Multiple
Threshold.

Thresholding adalah metode binerisasi citra yang paling populer dan

diimplementasikan melalui 2 cara berikut :
 10

1. Global yakni diterapkan pada citra secara menyeluruh[16]. Setiap piksel

dikategorikan menggunakan karakteristik citra yang umum/global. Algoritma
Thresholding Otsu global sering menjadi pilihan dalam hal ini.

2. Local Adaptive Thresholding yaitu nilai threshold yang berbeda untuk setiap
piksel citra diperkirakan berdasar karakteristik lokal.

2.6.Kontur
Kontur dapat diartikan sebagai suatu garis yang menggabungkan semua titik
yang memiliki warna atau intensitas yang sama di sepanjang area batas suatu citra.
Pengertian lain menyebutkan bahwa kontur merupakan rangkaian piksel-piksel tepi
yang membentuk suatu batas daerah[17]. Di bidang pengolahan citra, metode
kontur melalui batas-batas daerah dapat digunakan untuk berbagai tujuan di
antaranya untuk analisis bentuk dan deteksi atau pengenalan objek. Gambar 2.7
menunjukkan bentuk dari kontur yaitu kontur tertutup dan kontur terbuka. Kontur
terbuka berupa batas daerah yang tidak membentuk sirkuit.

Kontur dapat dijelaskan hanya sebagai kurva yang menggabungkan semua titik
kontinyu (sepanjang batas), memiliki warna atau intensitas yang sama. Kontur
adalah keliling atau tepian terluar dari suatu objek dalam citra digital. Sejak
identifikasi tepian objek citra menjadi masalah krusial dalam analisis citra, ekstraksi
kontur menjadi hal yang paling penting dilakukan dalam identifikasi suatu citra
Manusia dapat mengidentifikasi dengan mudah berbagai macam objek hanya
dengan mengamati bentuk tepiannya. Representasi kontur suatu citra dapat
dilakukan dengan dua macam pendekatan, yaitu representasi secara konvensional
dan secara struktural. Dalam perhitungannya, representasi konvensional tetap
memperhitungkan bentuk keseluruhan objek. Sedangkan, representasi secara
struktural membagi keseluruhan kontur ke dalam beberapa segmen untuk dianalisis.
Kontur sendiri merupakan alat yang berguna untuk analisis bentuk dan deteksi dan
pengenalan objek[18]. Sebelum kontur digunakan, terlebih dahulu dilakukan
penyeleksian gambar, menggunakan threshold atau fungsi pendeteksian tepi. Pada
pustaka OpenCV, fungsi findContours() memodifikasi citra sumber, sehingga jika
 11

gambar sumber masih dibutuhkan bahkan setelah menemukan kontur, citra sumber
perlu diduplikasi terlebih dahulu ke variabel lainnya.

Pada library OpenCV, menemukan kontur seperti mencari objek putih dari latar
belakang hitam, sehingga pada penggunaan fungsi kontur dari pustaka OpenCV
gambar harus terlebih dahulu berupa citra biner (gambar hanya terdiri atas warna
hitam dan putih). Fungsi findContours() sendiri membutuhkan 3 parameter, yang
pertama adalah citra sumber, kedua adalah mode pengambilan kontur, ketiga adalah
metode pendekatan kontur yang digunakan. Dari fungsi ini sendiri akan
menghasilkan tiga data olahan, yaitu gambar yang dimodifikasi, kontur dan
hierarki. “Kontur” yang dihasilkan disini sendiri merupakan data dari masing-
masing kontur. Setiap kontur individu adalah kumpulan koordinat titik (x, y) yang
pada pustaka numpy(numerical python) dari titik-titik batas objek. Untuk
menggambar kontur yang telah diperoleh, digunakan fungsi dari pustaka OpenCV
yaitu drawContours(). Fungsi ini membutuhkan 5 parameter, yaitu sumber citra,
daftar kontur dari citra tersebut, kontur yang ingin digambar, warna dari gambar
kontur yang digambar, dan ketebalan dari kontur yang digambar.

2.7.Spesifikasi Sistem
Adapun sistem ini telah terlebih dahulu dibuat spesifikasi mesin sebagai
berikut:

 Prosesor : Intel(R) Core(TM) i5-U519M CPU @ 5.10GHz (4 CPUs)

 Memori : 8192MB RAM

 Sistem Operasi : Windows 10 Professional 64-bit

 Kamera web (integrasi pada mesin pengolah)

 Visual C++, Microsoft Visual Studio 2012 Express

 Pustaka OpenCV 2.4.10

 12

PERANCANGAN PROTOTIPE SISTEM PENDETEKSI

KANTUK
Pada bab ini ada blok diagram, timing diagram?, sama flowchart codingan dan
cara kerja dan pseudocode di ahirnya.
 13

IMPLEMENTASI DAN ANALISIS SISTEM

Pada bab ini akan membahas implementasi dan pengujian dengan alat..apa?
tentuin lah ya abis uts.
 KESIMPULAN
Lorem Ipsum Dolor Sit Amet. Bentuknya pointer, nomor-nomor.

14
 DAFTAR REFERENSI
[1] “Title” [Online]. Available: http://www.alamat.com [Accessed: 30-Feb-
2069].
[21] S. Iapa, N. Ama, and N. Ya, “Title,” in Proceedings - 2029 200th
International Forum on Strategic Technology, IFOST 2012, 2012, pp. 3–6.

15
LAMPIRAN

16
Universitas Indonesia