TUGAS AKHIR
TUGAS AKHIR
Diajukan untuk memenuhi salah satu syarat memperoleh gelar sarjana dalam
Bidang Informatika pada Fakultas Teknologi dan Desain, Universitas
Pembangunan Jaya
i
PERSETUJUAN DOSEN PEMBIMBING TUGAS AKHIR
Nama : ……………………………………
NIM : ……………………………………
Telah diperiksa dan disetujui dan dipertahankan dalam Sidang Tugas Akhir guna
memperoleh gelar Sarjana S.Kom Starata Satu pada Program Studi Informatika,
Fakultas Teknologi dan Desain, Universitas Pembangunan Jaya.
Menyetujui :
Pembimbing Utama
(Nama Dosen)
NIP
Mengetahui,
Dekan Fakultas Teknologi dan Desain Kepala Program Studi
ii
LEMBAR PENGESAHAN TUGAS AKHIR
TUGAS AKHIR
Oleh :
Dosen Penguji :
Nama Lengkap
……………………. …………………….
NIP
Nama Lengkap
……………………. …………………….
NIP
Menyetujui : Mengetahui :
iii
Surat Pernyataan Mengenai Originalitas Tugas Akhir dan Sumber Informasi
Serta Pelimpahan Hak Cipta
Saya mahasiswa Universitas Pembangunan Jaya, yang bertanda tangan
dibawah ini :
Nama Mahasiswa : ………………………………………………
NIM : ………………………………………………
Program Studi : ………………………………………………
Menyatakan dengan sesungguhnya bahwa hasil Tugas Akhir / Tugas Akhir saya
yang Berjudul :
………………………………………………………………………………………….......
1. Adalah benar – benar merupakan hasil karya saya sendiri, apabila di kemudian
hari diketahui bahwa Tugas Akhir ini merupakan hasil plagiarism, maka saya
bersedia menerima sanksi berupa pembatalan dana tau pencabutan gelar
Sarjana yang saya peroleh.
2. Adalah benar karya saya dengan arahan dari Tim pembimbing dan belum
pernah diajukan dalam bentuk apapun kepada Perguruan Tinggi mana pun.
Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun
tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan
dalam Daftar Pustaka di bagian akhir Tugas Akhir / Tugas Akhir ini. Dengan ini
saya melimpahkan Hak Cipta dari Tugas Akhir / Tugas Akhir saya kepada
Universitas Pembanggunan Jaya.
Materai Rp 6000,-
Nama : ……………………………..
Nim : ……………………………..
iv
KATA PENGANTAR
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed pretium, velit ac
tempus cursus, ipsum nisi gravida nibh, vitae tempus lacus risus eget orci. Fusce
rhoncus eleifend mauris auctor fermentum. Nulla molestie iaculis metus sed mattis.
Cras et iaculis dolor, nec condimentum dui. Etiam volutpat bibendum tincidunt.
Aenean ullamcorper fringilla sapien, sollicitudin vestibulum massa porttitor eget.
Aliquam feugiat elit convallis fermentum feugiat. Nullam egestas urna risus, ut
euismod mauris vestibulum vel. Class aptent taciti sociosqu ad litora torquent per
conubia nostra, per inceptos himenaeos. Nulla eleifend dolor efficitur nunc
rhoncus, eu vulputate ipsum blandit. Nam ut feugiat orci. Nunc in tellus odio.
Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia
Curae;
Tangerang, ………………
Penulis
v
DAFTAR ISI
vi
4.2.4 Sensor Ultrasonic HC-SR04 ......................................................... 16
4.3 Perancangan Sistem ........................................................................... 16
4.3.1 Perancangan Kebutuhan Perangkat Keras ................................... 16
4.3.2 Perancangan Kebutuhan Perangkat Lunak .................................. 17
4.3.3 Perancangan Detail Sistem .......................................................... 19
BAB V HASIL DAN PEMBAHASAN ................................................................... 24
5.1 Gambaran Umum Objek Penelitian ..................................................... 24
5.2 Gambaran Umum Subjek Penelitian .................................................... 24
5.3 Pembahasan ....................................................................................... 25
5.3.1 Tahap Perakitan Alat dan Sistem ................................................. 25
5.3.2 Pengujian Alat dan Sistem ............................................................ 25
5.3.3 Pembahasan Hasil Alat dan Sistem .............................................. 31
DAFTAR PUSTAKA............................................................................................. 1
vii
DAFTAR GAMBAR
Gambar 2.1 Blok Diagram Sistem Kendali Open Loop (Budis, 2013)................... 5
Gambar 2.2 Blok Diagram Sistem Kendali Close Loop (Budis, 2013) .................. 6
Gambar 2.3 Raspberry PI 3 ................................................................................. 6
Gambar 2. 4 Haar Likes Features ........................................................................ 9
Gambar 3.1 Kerangka Pemikiran Sistem Otomatisasi Akses Gate Gedung ....... 12
Gambar 4.1 Raspberry PI 3 type B .................................................................... 14
Gambar 4.2 Servo Motor Sg90 ......................................................................... 15
Gambar 4.3 Webcam Logitech C170 ................................................................. 15
Gambar 4.4 Sensor Ultrasonic HC-SR04 ........................................................... 16
Gambar 4.5 Rancangan Desain Perangkat........................................................ 20
Gambar 4.6 Flowchart Sistem............................................................................ 21
Gambar 4.7 Flowgraph Pengujian ..................................................................... 22
Gambar 5.1 Perakitan Komponen ...................................................................... 25
viii
BACB I
PENDAHULUAN
1
Mengingat cepatnya perkembangan yang dapat ditemukan dalam penelitian
ini, maka perlu adanya batasan – batasan masalah mengenai penelitian yang
dilakukan. Adapun batasan masalah pada penelitian ini adalah alat yang dibuat
merupakan prototipe dari alat yang sesungguhnya, alat yang dibuat pada
penelitian hanya melakukan pencocokan wajah berdasarkan dataset yang telah
dimasukan pada sistem, alat ditujukan untuk sistem akses pintu masuk gedung
perkantoran, alat hanya dapat digunakan pada gedung yang memiliki security
sebagai backup jika alat tidak bekerja dengan baik, alat yang dibuat tidak dapat
berfungsi sebagai absensi otomatis, melainkan hanya sebagai akses pembuka
gerbang.
BAB 1 PENDAHULUAN
Bagian ini akan berisi tentang garis besar bagaimana penelitian ini
dilakukan yang terbagi menjadi beberapa bagian terhadap permasalah yang
diangkat menjadi topik penelitian, identifikasi permasalahan, serta tujuan dan
manfaat dari penelitian yang dibuat.
2
Pada bab ini akan membahas tentang metode metode yang akan
diterapkan dalam melakukan penelitian ini, serta juga akan tertulis tentang
kerangka piker penelitian, serta waktu yang direncanakan dalam melakukan
penelitian.
BAB 6 PENUTUP
Pada bab ini akan berisi tentang kesimpulan, kritik, dan saran terhadap
aplikasi yang ada, dan berguna untuk pengembangan aplikasi kedepannya.
3
BAB II
TINJAUAN REFERENSI
4
system yang dibuat. Metode PCA telah terbukti dapat mempresentasikan
secara efisien serta memungkinkan kecepatan pengenalan wajah pada
computer semakin cepat dengan nilai akurasi sebesar 88%.
4. “IMPLEMENTASI FACE IDENTIFICATION DAN FACE RECOGNITION
PADA KAMERA PENGAWAS SEBAGAI PENDETEKSI BAHAYA”[4] ditulis
oleh Panji Purwanto, Burhanudin Dirgantoro Ir.,M.T, Agung Nugroho Jati
ST.,M.T. dipublikasikan pada e-Proceeding of Engineering : Vol.2, No.1,
pada tahun 2015. Tujuan penelitian ini adalah untuk membuat sistem
keamanan untuk Gedung maupun rumah, Sistem merupakan penerapan
dari Computer Vision dalam sistem kemanan gedung atau rumah. Sistem
akan mengambil citra dari masukan berupa video. Setiap frame dari video
tersebut akan diproses oleh sistem. Citra akan diproses dengan
menggunakan metode Haar Cascade untuk mendeteksi objek berupa
wajah yang terdapat pada citra. Lalu sistem akan menggunakan metode
Fisherface sebagai metode untuk proses mencocokkan objek wajah yang
terdeteksi dengan wajah yang terdapat pada database sistem.
Gambar 2.1 Blok Diagram Sistem Kendali Open Loop (Budis, 2013)
5
Sedangkan berbeda dengan sistem kendali loop terbuka, menurut
Budis (2013) sistem kendali loop tertutup ini selalu diukur dan diumpan-
balikan ke sistem guna mencapai hasil yang lebih akurat.
Gambar 2.2 Blok Diagram Sistem Kendali Close Loop (Budis, 2013)
2.2.2 Raspberry PI
Raspberry Pi adalah modul mikro komputer yang juga mempunyai input
output digital port seperti pada board mikrokontroller. Diantara kelebihan Rasberry
Pi dibanding board microcontroller yg lain yaitu mempunyai Port/koneksi untuk
display berupa TV atau Monitor PC serta koneksi USB untuk Keyboard serta
Mouse.[5]
Raspberri PI berjalan dengan sistem operasi Linux Raspbian, ketika
raspberry telah terinstall OS maka raspberri sudah dapat digunakan, raspberri
biasanya digunakan untuk menjadi media pembelajaran mikrokontroller disekolah
dengan menggunakan bahasa pemrograman python.
2.2.3 Solenoida
Solenoida merupakan perangkat elektromagnetik yang berfungsi untuk
mengubah energi listrik menjadi energi gerak. Energi gerak yang dihasilkan oleh
solenoida hanya merupakan gerakan menarik dan mendorong, gerakan yang
dihasilkan pada solenoida dihasilkan dari sebuah kumparan listrik yang dililitkan
pada sebuah tabung silinder atau plunger yang bebas bergerak dari bodi
kumparan.[6]
6
Terdapat dua buah jenis solenoida yang ada, yaitu solenoida linier dan
solenoida rotasi, perbedaan pada kedua solenoida yang tertulis diatas adalah
solenoida linier memiliki plunger atau memiliki aktuator yang bergerak secara linier
yang memiliki dua buah konfigurasi, yaitu solenoid tipe tarik yang menarik beban
kearah dirinya apabila diberi aliran arus dan tipe dorong yang bergerak menjauhi
solenoid jika diberikan aliran arus. Sedangkan solenoida rotasi merupakan
gerakan berputar, solenoida ini biasa digunakan untuk menggantikan motor DC
kecil ataupun motor stepper yang sudut gerakannya sangat kecil. Solenoida rotasi
bergerak pada sudut gerakan 250, 350,450, 600, dan 900. Kemudian kembali lagi ke
posisi 0.
2.2.6 OpenCV
OpenCV (Open Source Computer Vision Library), adalah sebuah library
open source yang dikembangkan oleh intel yang fokus untuk menyederhanakan
programing terkait citra digital. Di dalam OpenCV sudah mempunyai banyak fitur,
antara lain : pengenalan wajah, pelacakan wajah, deteksi wajah, Kalman filtering,
dan berbagai jenis metode AI (Artificial Intellegence) dan menyediakan berbagai
algoritma sederhana terkait Computer Vision.[9]
7
2.2.7 Haar Classifier
Haar Classifier merupakan sebuah metode deteksi objek yang efektif yang
diusulkan oleh Paul Viola dan Michael Jones pada jurnal-nya yang diterbitkan pada
tahun 2001. Haar Classifier merupakan pengklasifikasian yang terdapat dalam
metode Viola-Jones.
Haar Classifier bekerja dengan membangun sebuah boosted rejection
cascade yang berfungsi untuk membuang data training negatif, sehingga
mendapatkan sebuah keputusan untuk menentukan data positif.
Haar classier merupakan metode supervised learning, supervised learning
adalah sebuah pemrosesan training data yang membuatuhkan data training
lainnya sehingga dapat mendeteksi objek objek tertentu. Maka dari itu, Haar
Classifier membutuhkan dua dataser yangberisi data positif dan negatif, demana
data positif merupakan data yang berisikan objek yang akan dideteksi, dan data
negatif merupakan data yang berisikan objek yang tidak terdeteksi.
8
3 (tiga) jenis edge feature, line feature, dan four rectangle feature yang
dapat dilihat pada gambar dibawah ini.
2.2.8.3 Adaboost
Adaboost merupakan sebuah meta-algoritma dalam machine
learning untuk melakukan supervised learning. Adabbost bekerja dengan
menggabungkan banyak classifier lemah untuk membuat sebuahh
classifier yang kuat dengan menggabungkan Adaboost Classifier sebagai
rangkaian filter. Masing-masing filter merupakan satu Adaboost classifier
terpisah, jika selama proses filterisasi terdapat Haar Feature gagal
melewati filter tersebut maka daerah itu langsung digolongkan bukan
merupakan wajah. Namun jika fitr tersebut berhasil melewati seluruh
proses hingga rangkaian filter terakhir, maka daerah itu digolongkan
merupakan sebagai wajah.
9
2.8.8.4 Cascade Classifier
Cascade classifier merupakan sebuah metode yang digunakan
untuk mengkombinasikan classifier yang berhasil melewati filter pada
Adaboost, strutur yang terdapat pada cascade classifier merupakan
struktur bertingkat yang dapat meningkatkan kecepatan pendeteksian
objek pada daerah yang berpeluang saja.
10
BAB III
METODE PENELITIAN
11
Setelah pengkodean telah selesai dibuat, maka tahap selanjutnya yang
akan dilakukan adalah pengujian prototipe, pengujian dilakukan untuk melihat
apakah prototipe yang dibuat sudah dapat bekerja denggan baik atau belum.
12
BAB IV
ANALISIS DAN PERANCANGAN
13
Gambar 4.1 Raspberry PI 3 type B
Sumber: https://www.raspberrypi.org/products/raspberry-pi-3-model-b/
14
Gambar 4.2 Servo Motor Sg90
Sumber: https://servodatabase.com/servo/towerpro/sg90
Pada penelitian ini servo berfungsi sebagai pembuka engsel pintu, cara kerja
servo ini adalah jika sistem mendapati jika wajah user terdapat pada dataset
sistem, maka servo akan berputar sebesar 900 kearah melawan jarum jam, setelah
user telah melewati jangkauan sistem maka servo akan kembali lagi ke titik 00.
4.2.3 Kamera Webcam Logitech C170.
15
diperlukan untuk dapat mendapatkan hasil gambar yang baik menggunakan tipe
webcam ini.
4.2.4 Sensor Ultrasonic HC-SR04
16
Sebagai
penggerak
pintu jika
sistem
mendeteksi
3 Micro Servo DC 1
user yang ada
di dataset saat
pengambilan
video secara
realtime.
Sebagai trigger
untuk
memerintahkan
4 Sensor Ultrasonic 1
sistem segera
menutup pintu
gerbang akses.
Sebagai kabel
Perangkat penghubung
6 Kabel Jumper 20
Pendukung antar
komponen.
17
memiliki spectrum warna RGB ( Red, Green, Blue ), dengan
menambahkan parameter ini pada fungsi yang digunakan maka
spectrum warna pada gambar akan diubah menjadi Grayscale,
sehingga gambar akan berwarna hitam putih bukan berwana lagi.
4.3.2.2 Library detectMultiScale(g, sF, mN, mS)
Library detectMultiScale merupakan salah satu sub fungsi yang
dimiliki oleh fungsi cascadeClassifier, penggunaan fungsi ini bertujuan
untuk mempermudah pendeteksian wajah yang terdapat pada gambar
yang didapatkan dari hasil tangkapan gambar yang dilakukan oleh kamera
webcam yang digunakan. Fungsi ini juga dapat mendeteksi lebih dari 1
(satu) wajah yang terdapat pada gambar.
Pada fungsi ini nantinya akan menghasilkan berupa 4 buah value
yang merupakan posisi x dari wajah yang terdeteksi, posisi y wajah yang
terdeteksi, ukuran width gambar, dan terakhir ukuran height gambar.
Terdapat beberapa parameter yang diperlukan untuk menggunakan fungsi
yang disediakan oleh opencv ini, antara lain :
g (gray) : Merupakan parameter gambar yang digunakan untuk
pemrosesan sistem untuk medeteksi apakah terdapat wajah pada
gambar.
sF (scaleFactor) : Merupakan parameter berbentuk angka yang
bertujuan untuk menentukan seberapa besar ukuran gambar akan
menyusut setiap proses pendeteksian wajah pada gambar sudah
selesai[11].
mN (minNeighbour) : Merupakan parameter yang berfungsi untuk
menentukan jumlah pendeteksian serupa yang terdapat disekitar
daerah yang dideteksi pada gambar, dengan kata lain parameter ini
akan memengaruhi kualitas wajah yang terdeteksi. Nilai yang lebih
tinggi menghasilkan lebih sedikit deteksi tetapi dengan kualitas yang
lebih tinggi[12].
mS (minSize) : Merupakan parameter yang berfungsi sebagai ukuran
atau bagian piksel terkecil yang akan dideteksi. Dengan kata lain,
minSize merupakan ukuran awal untuk sistem dapat melakukan
pengujian pada seluruh ruas gambar dengan ukuran ini higga selesai
lalu jendela ditingkatkan sebesar ukuran scaleFactor dan seterusnnya
18
hingga jendela sudah melampaui ukuran maxSize yang merupakan
ukuran asli dari gambar yang diuji.
4.3.2.3 Library recognizer.predict(gray[y:y+h,x:x+w])
Library recognizer.predict berfungsi untuk melakukan “prediksi”
atau menentukan apakah wajah yang terdeteksi pada gambar, memiliki
kecocokan pada data wajah yang terdapat pada database yang dimiliki
oleh sistem. Kecocokan antara wajah yang tampil pada kamera dengan
data wajah yang terdapat pada sistem dinilai berdasarkan besar nilai x, y,
tinggi, dan lebar dari wajah yang di uji[13].
Nantinya fungsi ini akan memberikan sebuah nilai balikan yang
berisi 2 (dua) buah angka, angka tersebut merupakan id dari user yang
terdapat pada data wajah user pada sistem, dan nilai satu lagi berupa nilai
confidence atau kepercayaan sistem terhadap keakuratan nilai
perbandingan antara wajah yang terdeteksi pada gambar dan data wajah
yang terdapat pada database sistem. Semakin kecil nilai confidence yang
didapatkan, maka semakin akurat juga prediksi user yang terdapat pada
gambar.
19
Pada casing alat yang dibuat terdapat beberapa macam komponen utama
yang bekerja pada penelitian ini, antara lain adalah perangkat raspberry yang
berfungsi sebagai inti atau pusat pemrosesan face recognition yang terdapat pada
sistem, motor servo yang berfungsi sebagai pembuka gerbang yang terdapat pada
sistem, webcam berfungsi sebagai penangkap gambar wajah pengguna secara
realtime, dan sensor ultasonic yang berfunsi sebagai pendeteksi apakah
pengguna telah melewati gerbang atau belum.
4.3.3.3 Flowchart
Gambar diatas merupakan flowchart yang berjalan pada sistem yang telah
dibuat. Flowchart ini dirancang untuk membantu peneliti dalam melakukan
perancangan sistem pembuka gerbang dengan pengenal wajah.
20
Gambar 4.6 Flowchart Sistem
Sumber : Dokumen pribadi penulis
21
sistem pada aplikasi ini menggunakan metode white box dan black box, dalam
tahap ini peneliti merancang sebuah white box testing dan tabel pengujian black
box yang akan digunakan pada tahap pengujian sistem seperti pada gambar dan
tabel di bawah ini.
22
11. Selesai
Servo tidak
2.
bergerak.
Kamera merekam
wajah bukan user. Sistem
menampilkan
4.
Unknown pada
tampilan.
Servo bergerak (
5.
gerbang terbuka )
Kamera merekam
wajah user.
Kamera merekam
wajah user. Sistem
menampilkan
6.
nama user pada
tampilan.
Gerbang terbuka
Servo kembali ke
tidak ada user yang
7. 00 dan gerbang
melewati gerbang
menutup.
selama 10 detik
Sensor membaca
8. perubahan jarak
Gerbang terbuka yang signifikan
dan ada user yang
melewati sensor
ultrasonic Servo kembali ke
9. 00 dan gerbang
menutup.
23
BAB V
HASIL DAN PEMBAHASAN
24
berupa lampu indikator berwarna hijau dan merah, lampu indikator hijau
menandakan jika sistem berhasil melakukan pengenalan wajah pengguna dan
lampu indikator merah menandakan jika sistem gagal membaca pengenalan
wajah.
5.3 Pembahasan
Pada bagian ini akan membahas mengenai hasil pembahasan dari
perancangan yang telah dilakukan mulai dari tahapan perakitan alat dan sistem,
hasil pengujian alat dan sistem, serta pembahasan hasil akhir alat dan sistem.
25
1. 0.5 Meter SS
2. 1 Meter SS
3. 1.5 Meter TS
*TS = Tidak Sesuai.
*SS = Sudah Sesuai.
26
Tabel 4. Hasil Tabel Pengujian White Box
No. Program Teks
1. Program Inisialisasi Kamera Pada Raspberry PI
Program Python
menampilkan hasil
tangkapan dari
Webcam secara
Realtime
27
Hasil yang diharapkan Hasil Pengamatan
Program membuat
bentuk kotak disekitar
area yang dideteksi
sebagai wajah
28
Sistem menghasilkan
angka Loss yang
berasal dari
perbandingan wajah
pada tangkapan
webcam dengan
dataset wajah pada
sistem dan
mengidentifikasi user
jika memiliki dataset
pada sistem.
29
Tabel 5. Hasil Tabel Pengujian Alat Black Box
Hasil yang Hasil
No. Skenario Pengujian Keterangan
Diharapkan Pengamatan
Kamera merekam
wajah bukan user. Sistem
Sistem
menampilkan
menampilkan
3. Unknown √
Unknown pada
pada
tampilan.
tampilan.
Servo
Servo bergerak (
4. Bergerak √
gerbang terbuka )
sebesar 900
Kamera merekam
wajah user. Sistem
Sistem
menampilkan
menampilkan
5. nama user √
nama user pada
pada
tampilan.
tampilan.
Gerbang terbuka
Servo kembali ke
tidak ada user yang Gerbang
6. 00 dan gerbang x
melewati gerbang tidak tertutup
menutup.
selama 10 detik
Sensor
Sensor membaca membaca
7. perubahan jarak perubahan √
Gerbang terbuka yang signifikan jarak yang
dan ada user yang signifikan
melewati sensor
ultrasonic Servo kembali ke
Gerbang
8. 00 dan gerbang x
tidak tertutup
menutup.
30
mendeteksi apakah wajah tersebut terdapat pada sistem atau tidak, jika ada
sistem akan memerintahkan servo untuk membuka gerbang dan lampu indikator
hijau pada alat akan menyala, tetapi jika tidak maka sistem tidak akan membuka
gerbang dan lampu indikator warna merah akan menyala.
Kemudian, nomor 6 merupakan pengujian jika user sudah melakukan
verifikasi wajah, tetapi user tidak melewati gerbang selama lebih dari 10 detik.
Maka, secara otomatis gerbang akan langsung menutup sendiri dengan
sendirinya.
Terakhir, pengujian perangkat pada nomor 7 dan 8 merupakan pengujian
untuk penutupan gerbang secara otomatis jika, terdapat pengguna yang melewati
gerbang. Sistem dapat mengetahui ada atau tidaknya seseorang melewati
gerbang didapatkan dari penilaian sensor ultrasonik yang mendapati adanya
perubahan jarak secara tiba tiba yang signifikan.
31
DAFTAR PUSTAKA