TUGAS PROJECT

PENERAPAN FACE RECOGNITION DALAM

PENENTUAN USIA DENGAN METODE VIOLA
JONES
KELOMPOK 10

Anggota Kelompok : Lusiano

Rikho Antika
Hendrawan
Irwan Tandiono
Axl Bernov
Dosen Pengampu : Sunarsan Sihotang, S.Kom., M.TI

Program Studi : Teknik Informatika

Fakultas Teknik Dan Komputer

Prodi Teknik Informatika

Universitas Putera Batam

2023
 DAFTAR ISI
BAB I.........................................................................................................................................3
PENDAHULUAN......................................................................................................................3
1. LATAR BELAKANG...................................................................................................3
2. IDENTIFIKASI MASALAH.......................................................................................4
3. BATASAN MASALAH.................................................................................................4
4. TUJUAN PROJECT.....................................................................................................5
5. MANFAAT PROJECT.................................................................................................5
BAB II.......................................................................................................................................7
DASAR TEORI DAN TINJAUAN PUSTAKA.....................................................................7
2.1 Face Recognition...........................................................................................................7
2.2 Penentuan Usia..............................................................................................................8
2.3 Metode Penggunaan......................................................................................................9
2.4 Software Pendukung.....................................................................................................9
2.5 Projek Terdahulu.........................................................................................................10
2.6 Kerangka Pemikiran...................................................................................................11
BAB III....................................................................................................................................12
3.1 Teknik Pengumpulan Data.........................................................................................12
 BAB I
PENDAHULUAN
1. LATAR BELAKANG
Face recognition adalah sebuah metode atau cara yang diterapkan pada teknologi yang
ada, seperti telepon pintar, komputer, kamera, dan lain sebagainya sehingga teknologi
tersebut dapat mengenali wajah. Sebelum suatu sistem dapat melakukan pengenalan
wajah, maka sistem tersebut harus terlebih dahulu melakukan pendeteksian wajah
untuk menemukan gambar wajah pada gambar yang diambil oleh kamera. Hal ini
dikarenakan terkadang gambar wajah seseorang yang terambil di kamera tercampur
oleh latar ataupun objek lain yang tidak ingin dideteksi.

Media sosial seperti Facebook merupakan salah satu media aplikasi yang telah
menerapkan pendektesian wajah manusia. Dimana sebuah foto yang di-upload maka
secara otomatis akan mendeteksi wajah manusia tersebut.

banyak penelitian tentang pendeteksian wajah berkembang dengan sangat cepat.

Aplikasi komersial tentang pendeteksian wajah telah banyak diimplementasikan tetapi
teknologi ini pada dasarnya masih belum sempurna. Berbagai riset terus
dikembangkan untuk mencapai hasil yang diharapkan. Banyak metode telah
diaplikasikan pada pendeteksian target wajah, salah satunya yaitu dengan memakai
algoritma Viola-Jones. Metode Viola-Jones mempunyai tingkat keakuratan yang
cukup tinggi. Hal ini karena dalam metode ini beberapa konsep digabungkan menjadi
sebuah metode untuk mendeteksi objek (wajah).

Metode ini menggabungkan konsep fitur Haar, Integral Image, dan AdaBoost yang
kemudian diproses ke dalam bentuk Cascade Classifier. Bagian utama dari algoritma
Viola Jones adalah komputasi dan seleksi fitur. Penggunaan Integral Image untuk
mengekstrak fitur Haar telah mempercepat waktu komputasi dibandingkan dengan
perhitungan per piksel. Keunggulan utama algoritma Viola Jones adalah sifatnya yang
robust, yaitu mempunyai tingkat deteksi tinggi untuk pelacakan wajah dalam gambar
dengan tingkat kesalahan yang rendah
2. IDENTIFIKASI MASALAH
Berdasarkan latar belakang di atas, identifikasi masalah dapat dituliskan sebagai
berikut.
 Keterbatasan kualitas gambar terhadap deteksi muka
 Kesalahan dalam pendeteksian muka terhadap usia masih terjadi.
 Penutup (seperti masker dan kacamata gelap) dalam pendeteksian muka sulit
dideteksi.
 Keterbatasan ekspresi muka terhadap pendeteksian.
 Keterbatasan dalam jumlah data pendeteksian muka yang tepat.

3. BATASAN MASALAH
Batasan masalah dari pengaruh kualitas gambar terhadap deteksi muka, kesalahan
yang masih terjadi pada penerapan deteksi muka untuk menentukan usia, dan deteksi
wajah saat menggunakan penutup wajah dapat dijelaskan sebagai berikut:

 Jenis Gambar: Studi ini hanya akan fokus pada gambar 2D dan tidak akan
mempertimbangkan gambar 3D.
 Kualitas Gambar: Studi ini akan mempertimbangkan kualitas gambar yang
berbeda, seperti resolusi, kecerahan, kontras, dan noise
 Teknik Deteksi Muka: Studi ini akan mempertimbangkan teknik deteksi muka
yang berbeda seperti Haar Cascade, Local Binary Pattern (LBP), dan Deep
Learning.
 Data Set: Studi ini akan mempertimbangkan dataset yang berbeda dan akan
memastikan bahwa dataset yang digunakan memungkinkan evaluasi yang
konsisten dan akurat
 Keterbatasan Algoritma: Studi ini akan mempertimbangkan keterbatasan teknik
deteksi muka dan akan memastikan bahwa hasil evaluasi yang diperoleh tidak
melebihi batasannya
 Penentuan Usia: Studi ini hanya akan mempertimbangkan deteksi usia dari
gambar wajah dan tidak akan mempertimbangkan faktor-faktor lain seperti postur
tubuh dan karakteristik suara
 Tingkat Kesalahan: Studi ini akan mempertimbangkan tingkat kesalahan dari
teknik deteksi usia dan teknik deteksi wajah saat menggunakan penutup wajah,
dan akan memastikan bahwa evaluasi yang dilakukan akurat.
  Jenis Penutup Wajah: Studi ini akan mempertimbangkan jenis penutup wajah
yang berbeda seperti masker kain, masker bedah, dan masker N95.
 Kualitas Penutup Wajah: Studi ini akan mempertimbangkan kualitas penutup
wajah yang berbeda, seperti warna, kecerahan, pola, dan transparansi.
 Tipe dan Tingkat Penutupan Wajah: Studi ini akan mempertimbangkan tipe dan
tingkat penutupan wajah, seperti sejauh mana penutup wajah menutupi wajah dan
apakah penutup wajah digunakan dengan benar.

Dalam penelitian ini, batasan masalah akan difokuskan pada pengaruh jenis, kualitas
gambar, jenis dan kualitas penutup wajah, teknik deteksi wajah dan kesalahan yang
mungkin terjadi pada teknik deteksi wajah dan deteksi usia tertentu ketika penutup
wajah digunakan. Penelitian juga akan mempertimbangkan tingkat dan tipe penutupan
wajah dan bagaimana hal ini mempengaruhi keakuratan teknik deteksi wajah dan
teknik deteksi usia.

4. TUJUAN PROJECT
Tujuan yang ingin dicapai pada proyek terhadap permasalahan yang dibahas dalam
laporan ini adalah untuk merancang dan membangun sebuah aplikasi multi-face
detector menggunakan metode Viola Jones pada face recognition berdasarkan metode
eigenface berbasis PCA (Principal component Alalysis), serta menunjukkan seberapa
akuratkah implementasi dari metode tersebut untuk menagkap serta mengenali citra
wajah manusia.

5. MANFAAT PROJECT
Metode Viola-Jones adalah salah satu teknik untuk melakukan face recognition atau
pengenalan wajah secara otomatis. Beberapa manfaat dari penggunaan metode ini
antara lain:
 Deteksi Wajah yang Akurat: Metode Viola-Jones dapat mengenali wajah dengan
tingkat akurasi yang cukup tinggi bahkan pada kondisi pencahayaan yang rendah
atau wajah yang tidak jelas.
 Kecepatan Proses: Metode Viola-Jones dapat memproses pengenalan wajah
dengan cepat karena menggunakan algoritma yang efisien.
 Menghemat Biaya dan Waktu: Metode Viola-Jones dapat membantu menghemat
biaya dan waktu dalam pengenalan wajah karena tidak memerlukan banyak
sumber daya.
 Penggunaan yang Luas: Metode Viola-Jones dapat digunakan dalam berbagai
aplikasi, seperti deteksi wajah di kamera keamanan, sistem pengenalan wajah
pada telepon seluler, dan sistem pengenalan wajah pada aplikasi pengolahan foto.
 Meskipun demikian, metode Viola-Jones juga memiliki kelemahan seperti sensitif
terhadap posisi kepala dan ekspresi wajah yang berbeda. Namun, teknologi ini
terus dikembangkan untuk meningkatkan kinerja dan akurasi dalam pengenalan
wajah.
 BAB II
DASAR TEORI DAN TINJAUAN PUSTAKA
2.1 Face Recognition
Face Recognition adalah sistem identifikasi dan autentikasi seseorang dengan
menggunakan fitur wajah yang dimiliki. Sistem face recognition bisa mengenali wajah
baik pada foto, video, maupun secara real time. Face recognition memiliki tingkat
keakuratan yang cukup tinggi. Walaupun tidak setinggi autentikasi iris atau retina.
Secara umum, face recognition berfungsi untuk memverifikasi identitas seseorang
apakah cocok dengan database yang dimiliki. Jika seandainya ditemukan kecocokan
maka identitas tersebut bisa mengakses layanan atau aplikasi
Face recognition dianggap sebagai sistem identifikasi keamanan yang paling natural
karena yang pertama kali dilihat dari seseorang adalah wajahnya, wajah adalah apa yang
membedakan seseorang dengan orang lainnya.
Secara lebih rinci Berikut cara kerja dari face recognition :
 Face Detection
Kamera akan mendeteksi dan menangkap apakah pada sebuah gambar, video,
atau kejadian real-time terdapat wajah. Sistem kemudian akan mengkonfirmasi
apakah gambar yang tertangkap tersebut adalah sebuah wajah atau tidak.

 Face Analysis
Gambar yang sebelumnya sudah ditangkap kemudian akan dianalisa oleh sistem.
Sistem analisisnya pada umumnya akan menggunakan pendekatan 2D
karena database yang menggunakan gambar 2D jauh lebih nyaman dan
gampang dicocokan. Berbeda dengan analisa 3D yang membutuhkan cetak
wajah secara keseluruhan.

 Face Verification
Wajah yang telah ditangkap oleh kamera dan dianalisis oleh sistem kemudian
akan dikonversi menjadi data agar pencocokan dapat dengan lebih mudah
dilakukan oleh sistem. Fitur-fitur wajah yang sudah dianalisa diubah menjadi
data-data berbasis matematika yang nantinya akan diterjemahkan oleh database.
  Face Identification
Pada tahapan ini data wajah akan diidentifikasi menggunakan analisa dan
verifikasi wajah yang telah ditentukan sebelumnya. Scanning dilakukan pada
wajah secara menyeluruh mulai dari kontur wajah, geometris wajah, hingga
tekstur wajah.

Pengaplikasian Face Recognition sudah banyak digunakan untuk berbagai Tujuan.

Berikut beberapa diantaranya

 Absensi Kantor
 Verifikasi Pelanggan
 Buka Rekening Bank
 Akses Ke Sebuah Ruangan

2.2 Penentuan Usia

Salah satu informasi yang terkandung pada wajah adalah usia. Usia manusia sebagai sifat
pribadi yang dapat disimpulkan oleh indra penglihatan manusia dengan melihat pola
yang berbeda dari wajah. Seiring bertambahnya usia, wajah manusia mengalami
perubahan mendasar seperti semakin banyak kerutan-kerutan, perubahan tulang pipi dan
jarak antar ciri utama wajah seperti mata, hidung dan mulut.
Usia manusia dapat dibagi menjadi beberapa rentang atau kelompok seperti tabel 1
dimana masing-masing kelompok menggambarkan tahap pertumbuhan manusia tersebut.
Salah satu pembagian kelompok umur atau kategori umur dikeluarkan oleh Departemen
Kesehatan RI (2009) dalam situs resminya yaitu depkes.go.id sebagaimana pada tabel

No Kategori Usia Usia

1 Masa Balita 0 – 5 Tahun
2 Masa Kanak-Kanak 5 – 11 Tahun
3 Masa Remaja Awal 12 – 16 Tahun
4 Masa Remaja Akhir 17 – 25 Tahun
5 Masa Dewasa Awal 26 – 35 Tahun
6 Masa Dewasa Akhir 36 – 45 Tahun
7 Masa Lansia Awal 46 – 55 Tahun
8 Masa Lansia Akhir 56 – 65 Tahun
9 Masa Manula 65 – Sampai
Keatas
2.3 Metode Penggunaan
Metode Viola-Jones adalah sebuah teknik yang digunakan dalam pengolahan citra dan
pengenalan wajah. Teknik ini pertama kali diperkenalkan pada tahun 2001 oleh Paul
Viola dan Michael Jones. Metode ini berdasarkan pada klasifikasi wajah dengan
menggunakan algoritma Boosted Cascade Classifier.
Proses pengenalan wajah dengan metode Viola-Jones melibatkan beberapa tahap yaitu:
 Deteksi Fitur
Citra wajah dipecah menjadi beberapa bagian kecil dan kemudian dilakukan
deteksi fitur dengan menggunakan algoritma Haar-like features. Fitur ini
mencakup perbedaan intensitas di area tertentu pada citra, seperti garis dan tepi.
 Klasifikasi
Setelah fitur-fitur wajah dideteksi, mereka diklasifikasikan sebagai bagian dari
wajah atau bukan. Klasifikasi dilakukan dengan menggunakan algoritma Boosted
Cascade Classifier, yang menggabungkan beberapa klasifikasi berbeda untuk
memperoleh akurasi yang lebih baik.
 Verifikasi
Setelah wajah berhasil dideteksi, proses verifikasi dilakukan untuk memastikan
bahwa wajah yang dikenali memang benar-benar merupakan wajah yang ingin
dikenali
Metode Viola-Jones memiliki kelebihan dalam mengenali wajah dengan kecepatan yang
tinggi dan akurasi yang baik. Oleh karena itu, teknik ini banyak digunakan dalam
aplikasi pengenalan wajah, seperti keamanan pintu masuk, deteksi kejahatan, dan
pengenalan wajah pada kamera CCTV.

2.4 Software Pendukung

 OpenCv
OpenCV adalah sebuah library pemrosesan citra yang populer yang mendukung
teknik Viola-Jones dalam deteksi wajah. Library ini menyediakan implementasi
algoritma klasifikasi wajah secara terbuka dan gratis.
 Python
Python adalah bahasa pemrograman yang populer untuk pemrosesan citra dan
pengenalan wajah. Ada beberapa library Python seperti OpenCV, DLib, dan Face
Recognition yang dapat digunakan untuk mengimplementasikan teknik Viola-
Jones dalam pengenalan wajah.
Dalam penggunaan teknik Viola-Jones untuk pengenalan wajah, aplikasi pendukung
seperti di atas dapat memudahkan proses pengembangan aplikasi yang lebih canggih dan
dapat diandalkan.
 2.5 Projek Terdahulu
No Judul
1 Klasifikasi usia berdasarkan
citra wajah menggunakan
algoritma artificial neural
network dan gabor filter
Tujuan Penelitian Perbedaan
Mengklasifikasikan usia - Gabor filter pada klasifikasi usia disarankan
menggunakan algoritma tidak menggunakan terlalu banyak ciri, karena
artificial neural network akan mempengaruhi hasil klasifikasi;
dan gabor filter - Pengolahan citra digital
- Pengenalan Pola
- Hasil pengujian filter gabor sudah cukup baik.
- Hasil pengujian citra wajah menggunakan
algoritma artificial neural network sudah
mampu mengklasfikasikan usia berdasarkan
citra wajah.

2 Klasifikasi Kelompok Usia Mengimplementasikan - Citra wajah dapat digunakan dengan metode
Melalui Citra Wajah metode Local Binary Local Binary Pattern (LBP) dan Gray Level
Berbasis Image Texture Pattern (LBP) dan Gray Co-occurence Matrix (GLCM), serta
Analysis pada Sistem Level Co-occurence ditambahkan dengan Artificial Neural Network
Automatic Video Filtering Matrix (GLCM) sebagai (ANN) sebagai fitur klarifikasi kelompok usia
tekstur analisis dalam tertentu.
mendeskripsikan fitur - Dengan tingkat akurasi yang baik, penggunaan
wajah sebagai proses kedua metode tersebut dapat digunakan
klarifikasi kelompok usia sebagai rujukan dalam pengembangan sistem
tertentu automatic video filtering untuk mencegah
penayangan konten pornografi dan kekerasan
lainnya berdasarkan kelompok usia tertentu.
3 Analisa Rentang Usia Menerapkan dan - Perancangan sistem analisis rentang usia dapat
Menggunakan Metode mengimplementasikan dilakukan dengan metode Eigenface dan
Eigenface Dan Klarifikasi metode Eigenface untuk Hidden Markov Model (HMM) dalam
Hidden Markov Models mengambil fitur utama pengolahan citra wajah.
(HMM) Berdasarkan Citra dan fitur khusus untuk - Pengolahan citra wajah dapat dilakukan
Wajah membandingkan ciri dengan hasil tingkat akurasi yang berbeda-beda
wajah satu dengan ciri karena hasil tersebut bisa dipengaruhi oleh
wajah lainnya dan pengaruh noise dan filter yang digunakan pada
Hidden Markov Model projek tersebut.
digunakan sebagai
pendeteksian rentang usia
dari citra wajah tersebut
 2.6 Kerangka Pemikiran
Berdasarkan kajian teori di atas, maka projek ini akan membahas mengenai penerapan
face recognition dalam penentuan usia dengan metode Viola Jones. Variabel yang
digunakan dalam projek ini adalah deteksi wajah (Face Recognition) , metode Viola
Jones, dan penentuan usia. Penelitian ini digunakan untuk meneliti pengaruh terhadap
masing-masing variabel dalam projek tersebut.
 Pengaruh deteksi wajah terhadap metode Viola Jones
Deteksi Wajah Viola-Jones adalah suatu prosedur deteksi yang
mengklasifikasikan gambar berdasarkan pada nilai fitur sederhana. Untuk
menggunakan fitur daripada piksel secara langsung, fitur ini dapat digunakan
untuk mengkodekan pengetahuan domain ad-hoc yang sulit dalam pembelajaran
terhadap data latih yang terbatas jumlahnya. Sistem fitur berbasis operasi jauh ini
juga lebih cepat daripada sistem berbasis pixel. Metode Viola-Jones yang
digunakan dalam deteksi wajah ini
merupakan suatu metode pendeteksian yang memiliki tingkat akurasi yang tinggi
yaitu sekitar 93,7 % dengan kecepatan 15 kali lebih cepat daripada detektor
Rowley Baluja-Kanade dan kurang lebih 600 kali lebih cepat daripada detektor
Schneiderman-Kanade.
 Pengaruh metode Viola Jones terhadap penentuan usia
Selain terhadap deteksi muka, Metode Viola Jones bisa dilakukan terhadap
penentuan usia. Identifikasi usia wajah yang dilakukan dengan metode Viola
Jones dapat diperoleh dari perhitungan jarak antara kedua titik sisi wajah (lebar
wajah) pembagian lebar wajah dan antara titik pusat mata tersebut. Metode Viola
Jones dapat mengambil komponen wajah seperti mata, hidung, dan mulut. Usia
yang digunakan dengan metode ekstrasi tersebut dapat disimpulkan oleh indra
penglihatan manusia dengan melihat pola yang berbeda dari wajah. Seiring
bertambahnya usia, wajah manusia akan mengalami perubahan mendasar seperti
semakin banyak kerutan-kerutan, perubahan tulang pipi dan jarak antar ciri utama
wajah seperti mata, hidung dan mulut.

Deteksi Muka (Face

Recognition)
Metode Viola Jones

Penentuan Usia
 PENGUMPULAN
DATASET
BAB III
3.1 Teknik Pengumpulan Data

PRA Pengumpulan Data

PENGOLAHAN
Data penelitian ini adalah citra wajah yang dikumpulkan
menggunakan teknik obervasi.

Pra Pengolahan
Sebelum data diolah, terlebih dahulu dilakukan proses segmentasi hal
ini dilakukan untuk memisahkan antara objek yang dikehendaki dan
objek yang tidak dikehendaki
 Ekstraksi Ciri
Ekstraksi ciri berfungsi sebagai pendeteksi ciri dari suatu citra. Ciri
yang dapat digunakan untuk membedakan citra satu dengan citra
lainnya, di antaranya adalah ciri bentuk, ciri ukuran, dan ciri warna.
Masing-masing citra diekstrak cirinya. berdasarkan parameter-
parameter tertentu dan dikelompokkan pada kelas tertentu. Nilai dari
parameter- parameter tersebut kemudian dijadikan sebagai data
masukan dalam proses identifikasi/klasifikasi.

EKSTRAKSI
CIRI

OPENCV DAN
PHYTON

HASIL
 OpenCv
OpenCV adalah sebuah library pemrosesan citra yang populer yang
mendukung teknik Viola-Jones dalam deteksi wajah. Library ini
menyediakan implementasi algoritma klasifikasi wajah secara terbuka dan
gratis.
Python
Python adalah bahasa pemrograman yang populer untuk pemrosesan citra
dan pengenalan wajah. Ada beberapa library Python seperti OpenCV, DLib,
danHasil
Face Recognition yang dapat digunakan untuk mengimplementasikan
teknik
HasilViola-Jones
klasifikasidalam pengenalan
merupakan wajah.
hasil output pada data testing yang
didapatkan dari proses klasifikasi yang dilakukan oleh algoritma OpenCv
dan Phyton berdasarkan model yang diperoleh dari hasil training.

Evaluasi
Evaluasi bertujuan untuk mengetahui kinerja dari metode tekstur analisis yang
digunakan. Proses evaluasi dilakukan pada seluruh data testing kemudian target output
yang dihasilkan akan dipetakan ke dalam Confusion Matrix untuk dihitung nilai
akurasinya.

EVALUASI