Oleh
Joy Theo F. S
Nim : 17416255201064
Pembimbing I, Pembimbing II
i
LEMBAR PENGESAHAAN
Proposal telah diujikan dalam Seminar Proposal Tugas Akhir untuk diajukan
sebagai usulan pembuatan tugas akhir pada Program Studi Teknik Informatika
Fakultas Teknik dan Ilmu Komputer Universitas Buana Perjuangan Karawang
Penguji
Mengetahui :
Koordinator Program Studi,
Saya Joy Theo F. S menyatakan dengan sesungguhnya bahwa Tugas Akhir yang
saya tulis dengan judul Alat “Identifikasi Penggunaan Masker Menggunakan
Algoritma Haar Cascade Classifier (HCC ) Berbasis Arduino” beserta dengan
seluruh isinya adalah merupakan hasil karya sendiri. Saya tidak melakukan
penjiplakan yang tidak sesuai dengan etika keilmuan yang berlaku dalam
masyarakat keilmuan.
Sesuai peraturan yang berlaku saya siap menanggung resiko/sanksi yang
diberikan jika di kemudian hari ditemukan pelanggaran terhadap etika keilmuan
dalam Tugas Akhir ini atau jika ada klaim dari pihak lain terhadap keaslian karya,
Puji syukur kehadirat Tuhan Yang Maha Esa , karena berkat rahmat dan karunia-
nya penulis dapat menyelesaikan proposal tugas akhir ini yang berjudul
“Identifikasi Penggunaan Masker Menggunakan Metode Haar Cascade Classifier
(HCC) Berbasis Arduino”. Penyusunan Proposal Tugas Akhir dapat terlaksana
dengan baik berkat dukungan dari berbagai pihak maka dari itu penulis
mengucapkan terima kasih kepada:
1. Dr. Dedi Mulyadi, SE., MM, Rektor Universitas Buana Perjuangan Karawang.
2. Dr.Ahmad Fauzi, M.Kom, Dekan Fakultas Teknik dan Ilmu Komputer
Universitas Buana Perjuangan Karawang.
3. Jamaludin Indra, M.Kom, Koordinator Program Studi Teknik Informatika
Universitas Buana Perjuangan Karawang, yang menerima penulis dengan baik
untuk berkonsultasi.
4. Deden Wahiddin, M.Kom, Pembimbing I yang telah memberikan Bimbingan
Pembuatan Tugas Akhir.
5. Euis Nurlaelasari, M.Kom, Pembimbing II yang telah memberikan bimbingan
buat tugas akhir.
6. Dwi Sulistya Kusumaningrum. S.Pd., M.Pd, Sebagai Koordinator Tugas Akhir
Program Studi Teknik Informatika Universitas Buana Perjuangan Karawang
7. Ronal dan Marnala sebagai orang tua saya yang selalu mendukung dan
mendoakan dalam menyelesaikan perkuliahan Ini.
8. Cynthia Agatha sebagai orang terkasih dan tersayang yang telah membantu
dalam penulisan.
Semoga Tugas Akhir Ini Dapat Bermanfaat, Baik Sebagai Sumber Informasi
Maupun Sumber Inspirasi Bagi Para Pembaca.
Karawang, 06 Januari 2022
Penulis,
1
2
penelitian Faisal, Kharisma & Agi Putra (2019) yang berjudul “Pengembangan
Sistem Aplikasi Kehadiran Kelas Menggunakan Wajah dengan algoritma haar
cascasade clafier ” mendapatkan hasil akurasi 99%, pengujian dilakukan dengan
menghadapkan wajah ke arah sistem absensi tersebut, sehinga wajah tersebut akan
terekam dan tersimpan. Sedangkan penelitian mengenai metode haarcascade
classifier dibahas juga dalam jurnal penelitian Heryana dkk (2020) yang berjudul
“Penerapan Haar Cascade Classification Model Untuk Deteksi Wajah, Hidung,
Mulut, dan Mata Menggunakan Algoritma Viola-Jones” dalam jurnal tersebut
menjelaskan bahwa metode haarcascade classifier mampu mengidentifikasi objek
objek pada wajah sehingga bisa menandai fitur mata yang ingin dideteksi.
Kekurangan pada penelitian terdahulu yaitu tidak adanya alat yang dapat
mendeteksi penggunaan masker secara realtime yang menggunakan arduino
sebagai mikrokontroler.
Algoritma Haar Cascade Classifier merupakan salah satu algoritma yang dapat
digunakan untuk mendeteksi berupa objek wajah dan objek lainya, yang memiliki
tingkat akurasi pada pencocokan gambar ke objek yang terekam secara realtime,
dan cara kerja algoritma ini menggunakan data berupa objek gambar maupun video
yang akan menjadi dataset dan kemudian di training oleh algoritma tersebut untuk
pengenalan sebagai pembacaan objek tertentu. Algoritma Haar Cascade Classifier
memiliki kelebihan yaitu perihal komputasi yang cepat karena tersebut bergantung
pada jumlah piksel dalam persegi dari sebuah image (Nadernejad E et el, 2008).
Berdasarkan referensi tersebut maka peneliti akan membuat suatu alat
Identifikasi pengguna masker menggunakan algoritma Haar Cascade Classifier
berbasis arduino dan dilengkapi dengan kamera webcam yang berfungsi merekam
objek wajah, serta menggunakan sensor buzzer yang dihubungkan pada arduino
untuk memberi notifikasi berupa audio kepada petugas bahwasanya adanya wajah
yang tidak tertutup oleh masker, dan fungsi dari alat ini akan mempermudah kinerja
petugas dalam pengawasan pengguna masker yang lebih efisien dan lebih akurat
pada identifikasi tersebut.
3
2.2 Masker
Masker adalah perlindungan pernafasan yang digunakan sebagai metode untuk
melindungi individu dari menghirup zat-zat bahaya atau kontaminan yang berada
di udara, perlindungan pernafasan atau masker tidak dimaksudkan untuk
menggantikan metode pilihan yang dapat menghilangkan penyakit, tetapi
digunakan untuk melindungi secara memadai pemakainya (Cohen & Birdner, 2012)
4
5
2.3. OpenCV
Di situs opencv.org, (2021) dijelaskan bahwa OpenCV (Open source
Computer Vision Library) adalah salah satu software Pustaka yang ditunjukan
untuk pengolahan citra dinamis secara real-time, yang dibuat oleh Intel dan
sekarang didukung oleh Willow Garage dan Itseez.
OpenCV memiliki lebih dari 2500 algoritma, yang mencakup algoritma computer
vision dan machine learning. Algoritma pada OpenCV dapat digunakan untuk
mendeteksi wajah terutama bagian mata, mengidentifikasi objek,
mengklasifikasikan tindakan manusia didalam sebuah video, melacak objek yang
bergerak dan lain – lain. Lebih dari 47 ribu pengguna dan 18 juta unduhan
OpenCV. Librarynya digunakan secara luas diperusahaan, badan pemerintahan
atau kelompok penelitian
yang membedakan daerah gelap dan terang. Nilai tersebut yang dijadikan dasar
image processing. (Maslikah dkk, 2020).
F(Haar) = ∑Fwhite - ∑Fblack
Dimana : F(Haar) = Nilai fitur total
∑Fwhite = Nilai fitur pada daerah terang
∑Fblack = Nilai fitur pada daerah terang
Pendekatan untuk mendeteksi objek dalam gambar menggabungkan empat
konsep utama:
1. Training Data
2. Fitur persegi empat sederhana yang disebut fitur haar
3. Integral image untuk pendeteksian fitur cepat.
4. Pengklasifikasian bertingkat (Cascade Classifier) untuk menghubungkan
banyak fitur secara efisien
Adapaun macam – macam variasi feature haar sebagai berikut :
2.4.1 Fitur haar-like
Fitur haar-like (haar-like feature) Algoritma ini diawali dari hasil
pengelompokan (training) banyak wajah dengan menggunakan metode haar-like
feature, wajah yang telah dikelompokkan diklasifikasikan dengan memakai suatu
pemisahan skala yang tetap, misalnya 25×25 pixel. Jika wajah pada image lebih
besar atau lebih kecil dari pixel tersebut, classifier akan terus menerus berjalan
beberapa kali, untuk mencari wajah pada gambar tersebut. Hasil deteksi haar-like
feature kurang akurat jika hanya memakai satu fungsi saja. Makin tinggi tingkatan
filter pendeteksian maka makin tepat pula suatu objek dideteksi akan tetapi akan
makin lama proses pendeteksiannya. Pemrosesan haar-like feature yang banyak
tersebut diatur dalam classifier cascade. Classifier memakai data yang disimpan
pada file xml untuk memutuskan bagaimana mengklasifikasi tiap lokasi gambar,
salah satunya bernama haarcascade_frontalface_default.xml. Secara umum,
haarlike feature dipakai dalam mendeteksi objek pada gambar digital. Nama haar
merujuk pada suatu fungsi matematika (haar wavelet) yang berbentuk kotak,
prinsipnya sama seperti pada fungsi fourier. Awalnya pengolahan gambar hanya
dengan melihat dari nilai rgb setiap pixel, namun metoda ini ternyata tidaklah
efektif. Viola dan jones lalu mengembangkannya sehingga terbentuk haar-like
7
1. 2.
A 1 b 2
C 3 d 4
(x, y)
2. Alat identifikasi mata kantuk Algoritma yang digunakan Haar Cascassade Clafier Algoritma ini sudah digunakan dalam mendeteksi mata kantuk
Pada penggemudi mobil (HCC) pada penggemudi mobil jumlah kedipan mata dengan hitungan
Dengan Algoritma Haar 80% sebagai akurasi baik
Cascasade Clafier (Heryana, 2020)
3. Deteksi kedipan mata Contour Algoritma yang digunakan Haar Cascassade Clafier Perancangan alat identifikasi waja ini sangat baik karena
Pasword Login Sistem Sudah banyak digunakan.
Menggunakan Haar Casacade
Clafier Berbasis A (Hana, 2020)
11
4. Alat absensi kehadiran kelas Algoritma Har Cascassade Clasifier Perhitungan dengan metode ini sangat akulturasi 90%
Menggunakan wajah karena sudah dirancang dengan tingkat akulturasi tinggi.
Dengan Algortima Haar
Caascasade Clafier
(Kurniawan, 2018)
5. Pengenalan matematika Algoritma yang digunakan Haar Cascade Classifier Hasil penelitian ini berhasil untuk mendeteksi simbol
Dengan algoritma HCC matematika dari input tulis tangan dan dilihat hasil (faisal et al.,2020
Haar Cascasade Clafier
BAB III
METODE PENELITIAN
12
13
2 Penggumpulan
data
3 Analisis Data
4 Perancagan
Perangkat keras
5 Implementas
6 Pengujian
menentukan hal-hal yang perlu dilakukan agar tidak terjadi duplikasi penelitian
atau karya di masa lalu yang sudah pernah dilakukan oleh peneliti sebelumnya.
3.4.2. Pengumpulan Data
Pengumpulan data ini dilakukan dengan menggumpulkan dua jenis gambar
foto yang menggunakan masker berjumlah 50 gambar dan 50 gambar yang tidak
menggunakan masker, gambar databas tersebut di ambil dari situs https://
www.kaggle.com yang telah menyediakan dataset tersebut.
3.4.3. Analisis Data
Analisis data ini di lakukan untuk memili atau memisakan data yang dapat
digunakan maupun tidak dapat digunakan untuk kebutuhan sistem yang akan di
buat.
3.4.5. Perancangan
Perancangan pada sub bab ini membahas mengenai perancangan arsitektur
perangkat keras, flowchart alur HCC dan flowchart sistem yang akan digunakan
sebagai alat identifikasi pengguna masker menggunakan algoritma har hascassade
clafier berbasis arduino sebagai berikut.
2. Penerapan Algoritma
Pada penerapan penelitian ini menggunakan algoritma Haar Cascassade
Clafier sebagai alur program yang telah di tentukan untuk mencapai keberhasilan
dari identifikasi pengguna masker, untuk alur algoritma ini dapat di perhatikan oleh
langkah - langkah gambar flowchart HCC di bawah ini.
Alhaqqi, R. M., Ramadijanti, N., & Setiwardhana. 2018. Finger Tracking Untuk
Interaksi Pada Virtual Keyboard. Naskah Publikasi. Politeknik Elektronika
Negeri Surabaya. 2018.
Amin, M.F. & Wahono, R.S. 2015. Penerapan Reduksi Region Palsu Berbasis
Mathematical Morphology pada Algoritma Adaboost Untuk Deteksi Plat
Nomor Kendaraan Indonesia. Journal of Intelligent Systems 1: 9-14. /13 25
November 2015.
Bisri, A. & Wahono, R.S. 2015.Penerapan Adaboost untuk Penyelesaian
Ketidakseimbangan Kelas pada Penentuan Kelulusan Mahasiswa dengan
Metode Decision Tree. Journal of Intelligent Systems 1(1): 27-32. 25
November 2015.
Charimmah, N., Lanovia, E., Usman, K., & Novamizanti, L. 2019. Deteksi Kantuk
Melalui Citra Wajah Menggunakan Metode Gray Level Co- occurrence
Matrix ( GLCM ) dan Klasifikasi Support Vector Machine ( SVM ). SENTER
(Seminar Nasional Teknik Elektro), November 2019, 174–185.
Efendi, Y., Putri, A. N., Rahmaddeni, & Imardi, S. 2020. PROTOTYPE ALARM
DETEKSI MATA KANTUK MENGGUNAKAN. Journal Of Information
System And Informatics Engineering,4(2),77–83. Ensemble Learning
Boosting, Ensemble Learning, Lpboost, Random Forest, Brownboost,
Adaboost Ensembles of Classifiers, Bootstrap Aggregating.2010. General
Books LLC Tennesw.
Gupta, V. & Sharma, D. 2014. A Study of Various Face Detection Methods.
International Journal of Advanced Research in Computer and
Communication Engineering 3(5): 6694-6697.
Harjoko, A. & Santoso, H. 2013. Haar Cascade Classifier dan Algoritma Adaboost
untuk deteksi banyak wajah dalam ruang kelas, Jurnal Teknologi, 2
Desember 2013: 108 115.
Kusumanto, R. D., Pambudi, W. S. & Tompunu. A, N. 2012. Aplikasi Sensor
Vision untuk Deteksi MultiFace dan Menghitung Jumlah Orang. ISBN 979 -
26 - 025 – 0 Seminar Nasional Teknologi Informasi & Komunikasi Terapan
2012 : 26 -23
Wahyudi, E., Wirawan. & Kusuma H. 2011. Teknik Pengenalan Wajah Berbasis
Fitur Local Binary Pattern (LBP). Institut Teknologi Sepuluh November:
2088-4796
Yogi, S.R. & Fitriani 2014. Deteksi Wajah Menggunakan Metode Viola Jones Pada
Graphics Processing Unit Face Detection Using Viola Jones Method On
Graphics Processing Unit. Universitas Telkom