BAB I PENDAHULUAN

1.1. Latar Belakang

Meningkatnya angka penjualan sepeda motor dari tahun ke tahun sangatlah
signifikan, di era sekarang ini sepeda motor tidak hanya sebagai moda transportasi
saja tetapi juga sudah menjadi gaya hidup seseorang, perkembangan teknologi
informasi dan gaya hidup sangat cepat berubah, dunia otomotif kususnya sepeda
motor ikut terkena imbasnya terbukti sekarang ini banyak sekali beragam merek
dan model dari sepeda motor. Data dari kementrian Perindustrian Republik
Indonesia Angka penjualan sepeda motor di Indonesia sangatlah tinggi mencapai
7 juta unit per tahunnya, meskipun demikian penjualan sepeda motor belum
mencapai titik jenuh.[1] banyak inovasi teknologi sepeda motor yang di ciptakan
produsen sepeda motor khusunya teknologi starting sepeda motor untuk
menunjang pengguna sepeda motor. sepert kunci keyless yang prinsip kerjanya
ialah dengan gelombang radio jarak jauh yang kemudian akan di tangkap
penerima yang mengerjakan seperti relay.

Dewasa ini teknologi menggunakan biometrik telah banyak sekali diaplikasikan,

teknologi biometrik diterapkan dengan menggunakan karakteristik pembeda.
Secara umum karakteristik pembeda itu sendiri dibedakan menjadi 2, yaitu
karakteristik fisiologis atau fisik, dan karakteristik perilaku, sihstem biometrik
merupakan teknologi pengenalan diri dengan mengidentifikasi sidik jari , tanda
tangan, DNA, telinga, wajah , gaya berjalan, geometri tangan, gaya penekanan
tombol, bau, telapak tangan, retina, suara,gigi,dan bibir. Dengan menggunakan
sistem pengenalan biometrik ini dapat meingkatkan keamanan sistem dan
mengenali target secara cepat dan tepat. [2] Analisis sistem teknologi biometrik
memungkinkan dapat mengenali seseorang.

Pada peneliti sebelumnya telah menerapkan teknik starting menggunakan aplikasi

android yang bisa melakukan starting sepeda motor menggunakkan Bluetooth,
penelitin lani juga.[3] peneliti lain juga menerapkan teknologi biometrika sidik

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.

1.2. Rumusan Masalah

 Berdasarkan latar belakang di atas, maka dapat di ketahui permasalahan
yang dapat di kaji lebih lanjut adalah bagai mana merancang sistem
starting sepeda motor berdasarkan pengenalan wajah yang menggunakan
metode fisherface berbasis raspberry pi 3 b+.

1.3. Tujuan Penelitian

Berdasarkan rumusan masalah yang diuraikan, maka tujuan dari penelitian ini
yaitu:
1) Merancang dan merealisasikan sistem starting sepeda motor.
2) Merancang dan menganalisis sistem pengenalan wajah.
3) Mengetahui seberapa akurat proses identifikasi wajah.

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

2.1. Tinjauan Pustaka

Terdapat proyek akhir, tugas akhir/skripsi, serta artikel jurnal yang berkenaan
dengan penelitian ini antara lain :
1. Nurani Fitriyah, Dr .Ir. Bambang HIdayat, Suci Aulia, ST,MT (2015), dalam
jurnal Fakultas Teknik Elektro, Telkom University “Analisis Sistem
Pengenalan Wajah Dengan Metoda Fisherface Berbasis Outdor Video”.
Metode Fisherface sangat efektif untuk sistem pengenalan wajah dikarenakan
gabungan 2 metode PCA dan FLD. Metode ini akan memperbesar jarak intra
kelas dari rasio vector ciri.
2. Fadli Sirait, Yoserizal (2016), dalam jurnal di Program Studi S1 Teknik
Elektro, Fakultas Teknik, Universitas Mercu Buana melakukan penelitian
“Pemanfaatan Raspberry Pi Sebagai Processor Pada Pendeteksian dan
Pengenalan Pola Wajah”. Raspberry Pi adalah sebuah komputer papan tunggal
(single-board computer) atau SBC berukuran kartu kredit. 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.

2.2. Dasar Teori

2.2.1. Dasar Sistem Starter Sepeda Motor
Starter adalah alat yang menggunakan tenaga luar untuk menghidupkan mesin.
Sistem starter merupakan penggerak awal supaya mesin dapat bekerja. Starter
terbagi menjadi dua, diantaranya:
1. Sistem starter elektrik.
Sistem starter ini di operasikan oleh tenaga listrik menggunakan baterai(accu).
Komponen starter elektrik.
 Baterai yangbberfunfsi sebagai energy listrik
 Kunci kontak berfungsi sebagi saklar pada rangkaian listrik

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]

Gambar 2.1 Tampilan Raspberry Pi 3 Model B+

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.

 A 1.2GHx 64-bit quad-core ARMv8 CPU

 802.11n Wireless LAN
 Bluetooth 4.1
 Bluetooth Low Energy (BLE)
 40 pin GPIO
 Full HDMI port
 Port Ethernet
 Combined 3.5mm audio jack and composite video
 4 USB port

6
  Camera interface (CSI)
 Display interface (DSI)
 Slot kartu Micro SD

Gambar 2.2 Arsitektur raspberry pi 3 b+

2.2.4. GPIO Raspberry Pi 3

GPIO (General purpose input/output) merupakan sederet pin yang terdiri dari 40
pin yang merupakan pin generic pada sirkuit terpadu (chip) yang dapat di program
oleh pengguna saat berjalan. [8]
Raspberry pi memiliki 40 pin, diantaranya:
 24x - GPIO pins
 1x - Serial UARTs (RPi3 only includes mini UART)
 2x - SPI bus
 1x - I2C bus
 2x - 5V power pins
 2x - 3.3V power pins
 8x - Ground pins

7
 Gambar 2.3 GPIO 40 Pin Block Pinout

2.2.5. Sistem Operasi Raspbian

Merupakan sebuah sistem operasi berbasis Linux distro Debian yang dapat
dioptimalkan untuk penggunaan komputer mini raspberry pi. Sistem operasi ini
memiliki beberapa program standard dan beberapa program pembantu untuk dapat
menjalankan perangkat keras dari komputer mini raspberry pi ini. Dalam sistem
operasi ini sudah lebih lengkap daripada sistem yang murni digunakan di
komputer pada umumnya karena memiliki lebih dari 350.00 paket dan library
precompiled yang tersaji dalam bentuk format yang mudah untuk diinstalisasi
pada raspberry pi. [9]

Gambar 2.4. Tampilan Layar Sistem Operasi Linux

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]

Gambar 2.7 Mikro SD Card

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]

Gambar 2.4 Modul Relay

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.

3.2. Blok Diagram Sistem

Pada tahap ini akan dilakukan perancangan secara sederhana blok diagram
Metode Face Detection secara berkesinambungan sebagai berikut :

Gambar 0.1 Blok Diagram Sistem

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.

3.3. Diagram Alir Sistem

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.

3.4. Perancangan Perangkat Keras

Pada penelitian tugas akhir ini penulis merancang keseluruhan rangkaian sistem
yang terdiri dari
1. Laptop Toshiba Satellite C840
a. Processor Intel®HD Graphics Core I3 2348M 2.3 GHz
b. Hardisk 500 Giga
c. RAM 2048MB
2. Modul Raspberry Pi B+
a. A 1.2GHx 64-bit quad-core ARMv8 CPU
b. 802.11n Wireless LAN
c. Bluetooth 4.1
d. Bluetooth Low Energy (BLE)
3. Kamera Logitech C170
a. Video Capture up to 1024 x768 pixels
b. Photos up to 5 megapixels
4. Adaptor Vizz 3 Ampere

16
 Gambar 3.4 Arsitektur umum

3.5. Penerapan Kebutuhan Perangkat Lunak

(Software)

Untuk merancang sistem face detection menggunakan raspberry pi dibutuhkan

sistem operasi rasbian berbasis yang berbasis linux, dan perangkat raspberry pi
dapat di akses di operasikan menggunakan laptop atau computer menggunakan
software remote desktop connection pada windows.

3.5.1. Install Sistem Operasi Rasbian

Rasbian adalah sistem operasi paling popular digunakan pada perangkat raspberry
pi. Sistem ini sangat di rekomendasikan melalui website resmi raspberry pi.
Berikut merupakan langkah-langkah dalam menginstall rasbian:
1. Plug in card reader yang sudah terpasang mikro SD dan buka Windows
eksplorer untuk mengetahui label drive.
2. Untuk memastikan SD card benar-benar kosong, format Sd card
menggunakan aplikasi SDformatter.

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.

Gambar 3.5 Tampilan Aplikasi Win32 Disk Imager

6. Klik tombol “write” dan proses penulisan rasbian akan berlangsung

beberapa menit
7. Plug in Sd card ke modul raspberry kemudian nyalakan dan setup
raspberry.

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”

Gambar 3.7 Tampilan instalasi 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.

Gambar 3.8 Tampilan Remote Dekstop Rasbian

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”

3.5.5 Setting IP Address LAN dan Wifi Raspberry Pi

1) Raspberry Pi WiFi Via GUI
a. Raspberry pi harus sudah terhubung dengan monitor, mouse dan
keyboard.
b. Pada Raspbian desktop cari menu Wifi config lalu buka.
c. Klik scan.
d. Window baru akan muncul dengan beberapa nama jaringan kemudian
pilih jaringan yang akan dihubungkan.
e. Pilih SSD jaringan dan masukkan password jika ada dan klik add.
f. Raspberry Pi sudah terhubung ke wifi dan detail keterangannya
terdapat pada wpa_gui.

2) Raspberry Pi WiFi Command Line

a. Pada terminal Raspberry pi masukkan perintah berikut.
sudo nano /etc/wpa_supplicant/wpa_supplicant.conf
b. kemudian dilanjutkan dengan perintah :
network={
ssid="oppo "
psk="Password Wifi" }
c. kemudian tekan ctrl+x untuk keluar dan ctrl+y untuk save.
d. Raspberry pi akan menerima perubahan wpa_suplicant dan akan
terkoneksi ke jaringan.untuk mengecek perubahannya ketik
sudo ifdown wlan0
kemudian ketik
then sudo ifup wlan0

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"

3.5.6 Install Opencv dan cv2

Agar bisa mengolah citra digital, pada terminal ketik perintah:
sudo apt-get install python3-opencv

3.5.7 Install Konfigurasi Kamera di Raspberry

1. Buka terminal rasbian dan ketik perintah :

sudo raspi-configgh

2. Setelah muncul jendela software configuration tool, lalu pilih interfacing

options

22
 Gambar 3.10 Tampilan Jendela Software Configuration Tool

3. Lalu aktifkan Koneksi kamera

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

4.1 Proses Pengambilan Data Untuk Database

Proses pengambilan data wajah merupakan tahap yang penting di lakukan ,
pengambilan foto wajah di lakukan secara real menggunakan aplikasi Pyqt5.
Di tahap ini di lakukan penambahan foto wajah dari beberapa orang untuk di
jadikan acuan pada proses pengenalan wajah,
Berikut ini tahapan-tahapan pembuatan dan penambahan foto yang di simpan
dan di gunakan untuk proses perivikasi wajah yg di lakukan secara realtime.
1. Pembuatan Model Untuk Database
 Klik Add label
 Ketik nama orang
 Klik take pictutre
 Train
2. Penambahan Foto Wajah di Database
 Klik add label
 Klik nama orang yang akan di tambah foto
 Take picture
 Train

Gambar 4.1 Tampilan Aplikasi Pyqt5 untuk Mengambil Gambar

24
 Gambar 4.2 Folder Foto Pada Database

4.2 Proses Image Test

Pada pengujian ini gambar di ambil menggunakan kamera, setelah itu
dilakukan proses deteksi wajah menggunakan metode fisherface dan di simpan
sebagai citra wajah, citra wajah RGB di rubah ukurannya kemudian di rubah
ke grayscale, setelah di dapat citra keabuan, citra di ubah ke citra hitam putih
dengan melakukan threshold agar kompleksitas citra lebuh sederhana. Pada
percobaan ini di ambil data test dari tiga orag yg berbeda.

Tabel 4.1 Contoh Hasil Citra Image

No Nama Model Input Citra Resizing Grayscale

1 Zenzen

2 Andi

3 Caca

4.3 Hasil Analisa Program Deteksi Wajah

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.

4.3.1 Hasil Percobaan Deteksi Wajah Pada Jarak 30 dan 50cm

Pada percobaan ini di lakukan dua kali untuk menganalisa akurasi pengenalan
wajah berdasarkan jarak 30cm dan jarak 50cm. penguji mengambil sampel foto
dari hasil grayscal
Tabel 4.2 Hasil Pengujian Jarak 30cm Pada Kondisi Cahaya Terang
No Nama Model Citra Image Keterangan
Wajah terdeteksi
1 Andi Dan sesuai
database

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.

jumlah yang terdeteksi

Presentase akurasi = X 100 %
jumlah sampel
8
= X 100 %=100 %
8

Jadi persentase pada percobaan pengenalan wajah pada jarak 30cm dengan
kondisi cahaya terang ialah 100%

Tabel 4.3 Hasil Pengujian jarak 50cm Pada Kondisi Terang

No Nama Model Citra Image Keterangan
Wajah terdeteksi
1 Andi Dan sesuai
database

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 %

4.3.2 Pengujian Program Pada Faktor Cahaya Redup

Pada percobaan ini di lakukan uji dari empat orang yang berbeda dengan dari
jarak 30cm dari kondisi cahaya redup.
Tabel 4.4 Hasil Analisa Cahaya Redup

28
 No Nama Model Citra Image Keterangan

1 Budi Tidak Dikensli

2 Rian Tidak Dikensli

3 Teguh Dikenali dan sesuai

database

4 Zenzen Dikenali dan sesuai

database

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 %

Jadi persentase keakuratan pengenalan wajah pada cahaya redup ialah

50%.

4.4 Analisis Waktu Delay Pengendalian Relay

Pengujian ini di lakukan untuk mengatahui seberapa cepat pencocokan
pengenalan wajah sampai akhirnya relay bekerja. Pengujian pada kondisi

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

No Nama Model Dikenali Kondisi Relay Waktu Respon

(Detik)

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.

BAB V KESIMPULAN DAN SARAN

Berdasarkan hasil perancangan sistem dan hasil pengujian serta analisis

yang telah di lakukan dari “starting sepeda motor menggunakan metode
fisherface” dapat di ambil beberapa kesimpulan dan saran untuk
memperbaiki kekurangan dan pengembangan dari sistem.

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

[1] Kementrian Perindustrian RI,”Penualan Motor Belum Mencapai Titik

Jenuh”http://www.kemenperin.go.id/artikel/ 8960/ Penualan-Motor-
Belum-Mencapai-Titik-Jenuh.
[2] Putra ,”konsep dasar teknik analisis citra tahapan membangun aplikasi
sistem biometrika”, Vol. 23, pp. 978-979-29-0637-0
[3] Sumardi, “perancangan sistem starter sepeda motor menggunakan aplikasi
android brbasis arduino uno”, vol. 1 no 1 2017
[4] Halawa dan Sahat Martua, “Perancangan start engine menggunakan finjer
print dan keamanan sepeda motor berbasis At mega melalui SMS”,
UNSU, 2018
[5] Jalius Jama, dkk, “Teknik Sepeda Motor” Departemen Pendidikan
Nasional, 2008
[6] C. G. N. Wikrama, T. A. B. Wirayuda, and T. Brotoharsono, “ANALISA
PENERAPAN METODE FISHERFACE UNTUK PENGENALAN
WAJAH,” Univ. Telkom, 2010.

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