1
jari untuk sistem start engine sistem ini di control menggunakan mikrokontroler
Atmega 328 sebagai driver untuk penggabung beberapa modul sehingga bekerja
terintregasi menghasilkan sebuah sistem yang bisa di kendalikan dari jarak jauh
menggunakan modul GSM(Global System for Mobile) sistem ini lebih
mengedepankan sistem keamanan sepeda motor dari kasus pencurian.[4]
Penelitian terdahulu telah sangat baik merancang sistem starting mesin, namun
pada kenyataanya khususnya penggunaan fingerprint mempunyai kekurangan
diantaranya, membutuhkan perawatan yang rutin, sering terjadi kesalahan pada
saat proses identifikasi karena tangan ataupun bagian scanner yang kotor terdapat
banyak bekas sidik jari sebelumnya. Dari kekurangan tersebut peniliti akan
merancang sistem face detection menggunakan metode fisherface, penerapan
metode fisherface di rasa lebih baik karena selain bisa menyimpan beberapa orang
sekaligus yang bisa di akses dalam data base, metode fisherface lebih fleksibel
dalam proses identifikasi wajah yang ekpresif.
2
1.4. Batasan Masalah
Adapun Batasan masalah yang dibahas dalam tugas akhir ini adalah :
1) Proses starting masih menggunakan kunci starter manual.
2) Proses identifikasi wajah menggunakan metode Fisherface.
3) Menggunakan Raspberry pi 3 sebagai pusat kendali.
4) Menggunakan bahasa pemograman Phyton
5) Proses pengenalan wajah akan dideteksi apabila wajah tidak memakai penutup
apapun.
6) Posisi wajah tidak diluar jangkauan kamera..
3
BAB II TEORI PENUNJANG
4
Sekring berfungsi untuk untuk memutus aliran listrik apabila terjadi arus yang
berlebih dan mecegah terjadinta konsleting
Relay starter berfungsi untuk mengalirkan arus listrik yang besar, dari baterai
ke starter motor.
Saklar starter berfungsi untuk menghubungkan arus baterai ke relay starter
Mdan motor starter berfungsi untuk mengubah energy listrik menjadi energy
mekanik
2. Kick Starter
Kick starter bekerja menggunakan tenaga manusia, mesin akan mulai bekerja
karena adanya tenaga manusia sebagai penggerak awal.[5]
2.2.2. Fisherface
Fisherface salah satu metode yang telah diuji oleh banyak peneliti dan
menghasilkan akurasi yang sangat tinggi, metode ini menjelaskan tentang
pengenalan wajah (face regognition) unuk mengidentifikasi seseorang. Prinsifp
dasar algoritma fisherface adalah dimensi menggunakan skema linier, metode
memiliki keunggulan dalam mengenali wajah yang memiliki perbedaan ekpresi
wajah dan factor dari pencahayaan. Metode Fisherface merupakan turunan dari
Fisher’s Linear Discriminate (FLD) yang di gabungkan dengan Principal
Component Analysis (PCA). Untuk mempercepat proses FLD, PCA bertugas
untuk memproduksi data masukan. Yang pada akhirnya proyeksi PCA dan
Proyeksi FLD digabung untuk menghasilkan proyeksi data ke ruang Fisher yang
di namankan Fisherface. FLD bertugas untuk menghasilkan matriks sebaran
untuk memudahkan klasifikasi dan pengenalan Distance Classifier yang umum di
gunakan yaitu Euclidian Disatance. Dimana proses klasifikasi di lakukan setelah
pengambilan fitur dari citra, selanjutnya di cari jarak terdekat dengan fitur yang
ada di dalam database. Kemudian di peroleh hasil klasifikasi citra yang di uji. [6]
5
2.2.3. Raspberry Pi 3
Raspberry pi merupakan sebuah mini komputer single board yang di kembangkat
oleh Raspberry pi Foundation, Inggris. Pada dasarnya raspberry pi di peruntukan
untuk siswa sekolah sebagai pembelajaa mengenai dasar ilmu computer.[7]
Raspberry pi 3 Model ini yang terbaik saat ini Raspberry Pi telah dilengkapi
dengan semua fungsi sebuah komputer lengkap, menggunakan SoC (System-on-a-
chip) ARM yang dikemas dan diintegrasikan diatas PCB. Perangkat ini
menggunakan kartu microSD untuk booting dan penyimpanan jangka panjang.
Berikut merupakan spesifikasi dari raspberry pi 3.
6
Camera interface (CSI)
Display interface (DSI)
Slot kartu Micro SD
7
Gambar 2.3 GPIO 40 Pin Block Pinout
8
2.2.6. Pengolahan Citra
Citra merupakan informasi yang secara umum tersimpan dalam bentuk pemetaan
bit-bit, atau lebih dikenal sebagai bitmap. Setiap bit dari citra membentuk satu
titik informasi yang dikenal sebagai piksel. Satuan dari piksel biasanya dinyatakan
dengan posisi x, posisi y, dan nilai dari piksel tersebut (warna atau gray).
Untuk mempermudah pengolahan suatu citra proses yang paling umum digunakan
adalah scaling, scanning, dan cropping. Pemilihan faktor penskalaan yang sesuai
akan mempercepat operasi kerja tanpa mengurangi kinerja sistem,
Dengan memperkecil ukuran citra asli akan dapat mempercepat proses
perhitungan secara keseluruhan. Namun cara ini juga dapat menurunkan kinerja
dari sistem, dimana suatu citra yang semula memiliki jumlah pixel yang besar
akan memiliki bentuk yang detil, dengan dilakukan penskalaan akan didapatkan
bentuk gambar yang kurang detil. [10]
2.2.7. Open CV
OpenCV (Open Source Computer Vision Library) adalah sebuah computer vision
open source dan pustaka untuk machine learning yang dikembangkan oleh Intel
dan sekarang didukung oleh Willow Garage dan Itseez. OpenCV dirilis dengan
lisensi bawahan BSD dan oleh karenanya gratis untuk penggunaan akademis dan
komersial. OpenCV memiliki antarmuka dengan bahasa pemrograman C, C++,
Java, dan Python dan mendukung Windows, Linux, Mac OS, iOS, dan Android.
OpenCv dirancang untuk efisiensi komputasi dan dengan focus yang kuat pada
aplikasi real time. Ditulis dalam bahasa pemrograman C/C++ yang dioptimalkan,
perpustakaan bisa memanfaatkan pengolahan pada multi-core.
OpenCV yang dibangun pada modul yang kinerja tinggi dan serbaguna untuk
memecahkan sebagian besar masalah computer vision. OpenCV memberikan
seperangkat modul yang dapat menjalankan fungsi yang tercantum pada tabel 2.1
[11].
9
2.2.8. Python
Python adalah bahasa pemrograman interpretatif multiguna dan bahasa
pemrograman dinamis yang mendukung permograman berbasis objek. Tidak
seperti bahasa lain yang susah untuk dibaca dan dipahami, python lebih
menekankan pada keterbacaan kode agar lebih mudah untuk memahami sintaks.
Hal ini membuat Python sangat mudah dipelajari baik untuk pemula maupun
untuk yang sudah menguasai bahasa pemrograman lain. . Namun pada prinsipnya
Python dapat diperoleh dan dipergunakan secara bebas, bahkan untuk kepentingan
komersial Bahasa ini muncul pertama kali pada tahun 1991, dirancang oleh
seorang bernama Guido van Rossum. Sampai saat ini Python masih
dikembangkan oleh Python Software Foundation. Bahasa Python mendukung
hampir semua sistem operasi, bahkan untuk sistem operasi Linux, hampir semua
distronya sudah menyertakan Python di dalamnya. Dengan kode yang simpel dan
mudah diimplementasikan, seorang programmer dapat lebih mengutamakan
pengembangan aplikasi yang dibuat, bukan malah sibuk mencari syntax error.
print("Python sangat simpel") Hanya dengan menuliskan kode print seperti yang
diatas, anda sudah bisa mencetak apapun yang anda inginkan di dalam tanda
kurung (). Dibagian akhir kode pun, anda tidak harus mengakhirnya dengan tanda
semicolon. [12]
2.2.9. Webcam
Webcame atau kamera web ini ialah sebutan untuk kamera yang di hubungkan
pada computer agar kita bisa di lihat melalui aplikasi pemanggil video atau
mengambil citra/gambar secara real time mikropon (optional) sebagai pengambil
suara/audio yang dikendalikan oleh sebuah komputer atau oleh jaringan komputer.
Gambar yang diambil oleh WebCam ditampilkan ke layar monitor, karena
dikendalikan oleh komputer maka ada interface atau port yang digunakan untuk
menghubungkan WebCam dengan komputer atau jaringan. Ada beberapa orang
mengartikan 12 WebCam sebagai Web pages + Camera, karena dengan
menggunakan WebCam untuk mengambil gambar video secara aktual bisa
langsung di upload bila komputer yang mengendalikan terkoneksi internet. [13]
10
Gambar 2.6 Webcam
2.2.10. Mikro SD
Mikro SD merupakan media penyimpanan yang di pakai untuk menyimpan data
berupa gambar, music, file, dan lain-lain yang sangat di perlukan dalam
penggunaan komputer. Ada beberapa jenis mikro Sd yaitu : memori stick,
multimedia card (MMC), secure digital card (SD card), compact flash card, smart
media card. Keluarga mikro SD lainnya dibagi menjadi SDSC dengan kapasitas
maksimum resminya sekitar 2GB, meskipun ada juga yang mencapai 4GB. SDSC
(Kapasitas Tinggi) memiliki kapasitas dari 4GB hingga 32GB. Dan SDXC
(Extended Capacity) memiliki kapasitas di atas 32GB hingga maksimum 2TB.
[14]
11
2.2.11. Relay
Relay adalah Saklar (switch) yang dioperasikan secara listrik dan merupakan
komponen elektromekanikal yang terdiri dari 2 bagian utama yakni elektromagnet
(coil) dan mekanikal (seperangkat kontak saklar atau switch). Ada dua jenis relay
yaitu normally close (NC) dan normally open (No. )Relay menggunakan prinsip
elektromagnetik untuk menggerakkan kontak saklar sehingga dengan arus listrik
yang kecil (low power) dapat menghantarkan listrik yang bertegangan lebih
tinggi. Sebagai contoh, dengan relay yang menggunakan elektromagnet 5V dan
50 mA mampu menggerakan Armature Relay (yang berfungsi sebagai saklarnya)
untuk menghantarkan listrik 220V 2A. [15]
12
BAB III METODE PENELITIAN
3.1. Pendahuluan
Pada tahap ini dilakukan pembelajaran teori-teori yang berkaitan dengan Face
Detection menggunakan metode Fisherface dan pemanfaatan raspberry pi sebagai
processor pada pendeteksian dan pengenalan pola wajah.
13
Penjelasan dari masing-masing diagram blok diatas adalah
1. Webcam akan menidentifikasi orang dengan cara mencari wajah dari orang
tersebut yang akan di tandai dengan sebuah kotak.
2. Setelah wajah teridentifikasi maka Raspberry pi 3 akan membuat webcam
untuk mengambil pola wajah tersebut.
3. Setelah selesai mengambil pola wajah tersebut langsung di proses untuk
mencari key poin atau titik penting untuk kemudian di cocokan dengan data
base.
4. Apabila pola wajah cocok maka Raspberry pi 3 akan membuat relay dalam
keadaan close/tertutup bersamaan dengan kondisi LED high atau menyala.
5. Setelah relay dalam kondisi close/tertutup maka sepeda motor bisa starter
dengan menekan saklar starter secara manual.
6. Apabila pola wajah tidak cocok maka relay akan tetap dalam kondisi
open/terbuka sehingga sepeda motor tidak bisa di starter.
14
Gambar 0.2 Diagram Alir Sistem
Penjelasan diagram alir sistem di atas:
1. Ketika kontak saklar sepeda motor ON maka akan melakukan pencarian ciri
kusus pola wajah pada data base disini ciri yang di ambil menggukan key
point.
2. Data key point akan di simpan pada library phyton.
3. Sistem akan terus berada pada keadaan mendeteksi sebuah wajah, apabila
sistem mendeteksi adanya wajah manusia maka webcam akan mengambil pola
15
hanya pada bagian wajah, pola wajah yang sudah di dapatkan kemudian akan
di lakukan proses pencarian key point setelah itu pola wajah yang di dapat
akan di lakukan proses pencocokan ciri dengan data key point data base yang
tersimpan sebelumnya.
4. Apabila pola wajah telah terverifikasi lampu hijau akan menyala berbarengan
dengan kondisi relay dalam keadaan close/tertutup.
5. Sepeda motor bisa di starter dengan menekan tombol starter secara manual.
16
Gambar 3.4 Arsitektur umum
3. Plug in card reader yang sudah terpasang mikro SD dan buka Windows
eksplorer untuk mengetahui label drive.
4. Untuk memastikan SD card benar-benar kosong, format Sd card
menggunakan aplikasi SDformatter
17
5. Buka aplikasi Win32Diskimager, browse file image yang sudah di
download sebelumnya.dan pastikan device yang di pilih sesuai dengan SD
card yang di pakai.
18
Gambar 3.6 Tampilan mode setup pada raspberry
3.5.2.Install XRDP
XRDP merupakan aplikasi open source yang berguna untuk meremote dekstop
server agar memudahkan ketika mengakses raspberry.
Berikut merupakan langkah-langkah dalam menginstall XRDP:
1. Buka Command prompt
2. Tuliskan perintah SSH pi “IP Raspberry” lalu ketik password.
3. Ketik perintsh “sudo apt-get install XRDP”
19
3.5.3. Remote Dekstop Rasbian
Remote desktop berguna untuk berkomunikasi antara raspberry pi dan
perangkat lain dari jarak jauh melalui SSH (Secure Shell). SSH menyediakan
saluran aman dalam arsitektur klien-server untuk mengirim informasi apapun,
menyajikan data dan proses penting lainnya.
3.5.4 Putty
Putty adalah sebuah aplikasi open source untuk melakukan protocol SSH
Telnet, dan Rlogin. Protocol ini dapat di gunakan untuk menjalankan sesi
remote pada sebuah computer melalui sebuah jaringan, baik itu LAN maupun
internet.
Aplikasi putty bisa di download di https://chisrk.greenend.org dan bisa
langsung di install seperti aplikasi biasa. Cara login menggunakan :
1) Hubunngkan raspberry pi ke laptop menggunakan Ethernet.
2) Pada laptop buka menu Network and Sharing Center buka properties
Ethernet dan klik properties of IPv4 dan ganti IP menjadi
192.168.137.1 dan subnet 255.255.255.1
3) Buka aplikasi putty.
20
4) Buka aplikasi putty
5) Masukan ip raspberry, dan pilih SSH
6) Klik menu “Window” dan pilih” Translation” dan pilih UTF-8
7) Klik open
8) Klik “pi” pada user dan untuk password ketik “raspberry”
21
e. Untuk mengetahui apakah jaringan sudah terhubung atau tidak dan
melihat ip addresnya, ketik perintah
ifconfig wlan0
3) Ethernet Raspberry
a. cari ip address ethernet
b. kemudian buka putty dan masukkan ip address dan mode ssh
c. kemudian cari “default ip gateway” dengan memberi perintah
route -ne
d. lalu cari static domain name server dan menampilkan DNS ketikan
perintah
cat /etc/resolv.conf
e. Untuk mengatur static ip berikan perintah
sudo nano /etc/dhcpcd.conf
f. masukkan perintah dengan format sebagai berikut
interface eth0
static ip_address="ip address baru"
static routers="default gateway"
static domain_name_servers="static dns"
sudo raspi-configgh
22
Gambar 3.10 Tampilan Jendela Software Configuration Tool
3.5.8 Numpy
Fungsi numpy ialah untuk operasi vector dan matriks. Numpy merupakan
salah satu library yang di gunakan oleh library lain seperti scikit-learn untuk
keperluan analis data. Untuk install numpy pada pyton ialah dengan cara
membuka terminal dan ketik perintah:
pip3 install numpy
23
BAB IV HASIL PENGUJIAN DAN ANALISIS
24
Gambar 4.2 Folder Foto Pada Database
1 Zenzen
2 Andi
3 Caca
25
Dari pengujian ini di lakukan pengambilan data dari foto yang berdasarkan
ekpresi wajah yang berbeda-beda, pemabilan data dengan menguji program
berddasarkan jarak dan factor cahaya. Penguji melakukan percobaan pada jarak
30cm dan 50m, dan factor cahaya pada kondisi terang dan kondisi redup.
Wajah terdeteksi
2 Budi Dan sesuai
database
Wajah terdeteksi
3 Caca Dan sesuai
database
Wajah terdeteksi
4 Erik Dan sesuai
database
Wajah terdeteksi
5 Rian Dan sesuai
database
Wajah terdeteksi
6 Rizki Dan sesuai
database
26
Wajah terdeteksi
7 Teguh Dan sesuai
database
Wajah terdeteksi
8 Zenzen Dan sesuai
database
Dari hasil pengujian pada tabel 4.1 di atas, dapat diketahui bahwa keakuratan
sistem untuk citra wajah yang sesuai dengan database berdasarkan jarak 30cm
dapat di uraikan sebagai berikut.
Jadi persentase pada percobaan pengenalan wajah pada jarak 30cm dengan
kondisi cahaya terang ialah 100%
Wajah terdeteksi
2 Budi Dan sesuai
database
Wajah terdeteksi
3 Caca Dan sesuai
database
27
Wajah terdeteksi
4 Erik Dan sesuai
database
Wajah terdeteksi
5 Rian Dan tidak sesuai
database
Wajah terdeteksi
6 Rizki Dan sesuai
database
Wajah terdeteksi
7 Teguh Dan sesuai
database
Wajah terdeteksi
8 Zenzen Dan sesuai
database
Dari hasil pengujian pada tabel 4.1 di atas, dapat diketahui bahwa keakuratan
sistem untuk citra wajah yang sesuai dengan database berdasarkan jarak 30cm
dapat di uraikan sebagai berikut:
jumlah yang terdeteksi
Presentase akurasi = X 100 %
jumlah sampel
7
= 8 X 100 %=87.5 %
28
No Nama Model Citra Image Keterangan
Dari hasil pengujian pada tabel 4.4 di atas, dapat diketahui bahwa keakuratan
sistem untuk citra wajah yang sesuai dengan database berdasarkan kondisi cahaya
redup dapat di uraikan sebagai berikut:
jumlah yang terdeteksi
Presentase akurasi = X 100 %
jumlah sampel
2
= 4 X 100 %=50 %
29
cahaya terang dan jarak pengambilan gambar sejauh 30cm, pengujian di
lakukan dengan menggunakn webcam yang di ambil secara real time dari
delapan orang yang berbeda dengan ekpresi wajah yang ekpresif. Untuk
menghitung waktu pencocokan wajah menggunakan stopwatch dengan
dimulai dari awal program sampai terkendalinya relay. Berikut adalah data uji
yang di ambil secara kesseluruhan.
Tabel 4.5 Hasil Analisa Waktu Respon
Berubah
1 Andi Ya 1.50
Ya Berubah
2 Budi 1.60
Ya Berubah
3 Caca 1.80
Ya Berubah
4 Erik 1.70
Ya Berubah
5 Rian 1.77
Ya Berubah
6 Rizki 1.75
Ya Berubah
7 Teguh 1.58
Ya Berubah
8 Zenzen 1.30
Dari sampel data di atas kita bisa menghitung rata-rata waktu respon
yang di peroleh sebagai berikut :
Waktu respon
Rata-rata waktu respon = X 100 %
jumlah sampel
1.50+1.60+1.80+1.70+1.77+1.75+1.58+ 1.30
= X 100 %
8
¿ 1.62 Detik
30
Jadi hasil respon waktu rata-rata yang di peroleh pada saat penegenalan wajah
ialah 1.62 per detik.
5.1 Kesimpulan
1. Aplikasi pengenalan wajah ini dapat mengenali wajah sehingga
dapat mengendalikan relay untuk starting sepeda motor
2. Dengan di buatnya prototipe pengenenalan wajah menggunakan
metode fisherface yang berbasis raspberry pi, di harapkan di
harapkan dapat menggantikan proses starting sepeda motor.
3. Akurasi ketepatan pengenalan wajah menggunakan metode
fisherface bisa mencapai 100% pada jarak 30cm dan 50 cm pada
kondisi cahaya terang.
31
5.2 Saran
Dari perancangan ini masih ada kekurangan yang harus di perbaiki dan
memungkinkan untuk di lakukan pengembangan lebih lanjut
1. Penelitian selanjutkan di harapkan bisa di terapkan langsung ke
sepeda motor.
2. Penelitian selanjutnya di harapkan bisa menjadi solusi untuk
meningkatkan sistem keamanan sepeda motor khususnya kasus
pencurian sepeda motor
3. Penelitian selanjutnya di harapkan bisa mengatasi kekurangan
proses pengenalan wajah pada kondisi gelap/redup.
DAFTAR PUSTAKA
32
[7] R. F. Giant, Darjat, and Sudjadi, “Perancangan Aplikasi Pemantau dan
Pengendali Piranti Elektronik pada Ruangan Berbasis Web,” TRANSMISI,
vol. 17, 2015.
[8] Fadel Muhammad, “Sistem Keamanan Akses Pintu Masuk Menggunakan
Face Recognition Berbasis Raspberry Pi 3” 2018
[9] Rasyid Sindu Prihantono, Ary Mahzaruddin Shidiqqi., S.Kom.,
M.Comp.SC., Hudan Studiawan, S.Kom.,M.KOm., “Rancang Bangun
Sistem Keamanan dan Pengenalan Objek Dalam Ruang Sebagai Penganti
CCTV dengan Menggunakan Raspberry Pi”, JURNAL TEKNIK
POMITS, Vol. 2, pp. 2301-9271, 2013.
[10] Nuryuliani, Missa Lamsani. “Rancang Bangun Pengendalian Pintu
Automatis Berdasarkan Ciri Wajah Menggunakan Metode Euclidean
Distance Dan Fuzzy C-Mean”. Depok: Repository Gunadarma. 2012.
[11] Budiharto, Widodo. Modern Robotics with OpenCV. 2014.
[12] Akbar Nur Syahrudin dan Tedi Kurniawan. 2018. Input dan Output
Pada Bahasa Pemograman Python. STMIK Sumedang.
[13] Rico Santoso, dkk, ”rancang bangun machine vision untuk sistem
pencahayaan mikropresisi menggunakan metode fuzzy pada tanaman
sslada”,JKPTB, vol.3, no 1, 2015
[14] Fadhli Zhilal. 2014. Media Penyimpanan Sd Card.
[15] Angger Dimas Bayu Sadewo, dkk, “perancangan pengendalian rumah
menggunakan smarphone android dengankonektifitas bluetoooh
”,Universitas Brawijaya, vol.1, no.5, 5, 2017
33
34