Journal Reading

Klasifikasi Pola Sidik Bibir Untuk Menentukan Jenis Kelamin Manusia Dengan Metode
Gray Level Co-Occurrence Matrix Dan Support Vector Machine
 
Eka Novita Shandra1, Budi Darma Setiawan2, Yuita Arum Sari3
Pembimbing :

dr. Hery Wijatmoko, SpF. DFM

Disusun Oleh :
Regsy setria Putra Sipayung 18174031
Diyan Kartika ayu 18174094
Rindayu Julianti Nurman 18174050
 PENDAHULUAN

01 Manusia memiliki ciri-ciri yang unik yang melekat pada setiap bagian
tubuhnya yang dapat membedakan satu individu dengan individu lain.

Terdapat satu bagian tubuh yang dapat membedakan individu satu

02 dengan yang lain, bagian tubuh itu adalah bibir.

03 Bibir memiliki guratan garis yang menyebar di seluruh permukaannya.

04
Studi yang mempelajari tentang metode identifikasi berdasarkan sidik
bibir disebut cheiloscopy (Randhawa, Narang, & Arora, 2011).
 PENDAHULUAN

Untuk kasus forensik, sidik bibir dapat digunakan untuk memecahkan kasus
05 pembunuhan, pemerkosaan ataupun pencurian

Pada kasus yang non-forensik, sidik bibir dapat digunakan untuk

06 mengidentifikasi jenis kelamin, usia, dan juga ras (Septadina, 2015).

Dari website Data Informasi Bencana Indonesia (DIBI), pada 10 tahun terakhir
07 Indonesia mengalami bencana diantaranya ada yang meninggal dan hilang.

Pemeriksaan forensik dengan DNA tidaklah cukup untuk membantu

08 penanganan secara medis pada korban jiwa bencana.
 PENDAHULUAN

Identifikasi perlu dikembangkan,sidik bibir bisa dikembangkan pada proses forensik karena sidik
bibir memiliki pola yang unik dan bersifat ndividual setiap orangnya.
09

Beberapa penelitian melaporkan bahwa sidik bibir bersifat permanen dan tidak berubah selama
hidup seseorang (Septadina, 2015).
10

GLCM (Gray Level Co-Occurrence Matrix) merupakan salah satu metode yang digunakan untuk
mendapatakan nilai ciri-ciri tekstur pada citra yang dihitung nilai probabilitas hubungan
ketetanggaan antara dua piksel pada jarak dan arah tertentu
11

Pada penelitian ini metode GLCM dan SVM menjadikan alasan utama Penulis dalam membuat
suatu sistem yang dapat berguna dan membantu penentuan jenis kelamin individu menggunakan
sidik bibir dengan memanfaatkan citra digital dalam mengidentifikasi jenis kelamin manusia.
12
LANDASAN KEPUSTAKAAN
 1. Sidik Bibir
klasifikasi sidik bibir oleh Suzuki dan Tsuchihashi (1970) yang membagi pola sidik bibir menjadi enam,
yaitu :
Tipe I Tipe I’ Tipe II
Tampak alur Mirip dengan tipe I Menunjukkan alur
vertikal pada namun alur tidak yang bercabang
seluruh bagian pada seluruh bagian seperti huruf Y
bibir, vertikal parsial
bibir.

Tipe III Tipe IV

Terlihat pola alur Terlihat pola alur

yang interseksi yang retikuler

Tipe V Merupakan pola-pola alur yang lainnya

Penelitian yang dilakukan oleh Vahanwala Parekh disarankan agar pola sidik bibir diklasifikasikan
berdasarkan jenis kelamin dengan ketentuan pada Tabel 1.
 2. Gray Level Co-Occurance Matrix (GLCM)
GLCM merupakan salah satu metode dalam ekstrasksi fitur. GLCM didapatkan dari perhitungan tekstur dengan dua orde. Orde pertama
berasal dari hasil perhitugan statistik berdasarkan nilai piksel citra asli dan tidak memperhatikan piksel ketetanggaan, sedangan pada orde
kedua adalah hasil perhitungan dari pasangan dua piksel citra asli (Kadir & Susanto, 2012).

05 Langkah-langkah metode GLCM adalah :

Rumus min-max normalization pada Persamaan 1 :
04
03 Normalisasi matriks untuk mengubahnya ke bentuk
probabilitas.

02 Membuat matriks simetris dengan menjumlahkan matriks

kookurensi dengan matriks transposenya.
01 Menentukan hubungan spasial antara piksel referensi dengan piksel
tetangga, berapa nilai sudut 𝜃 dan jarak d. Kemudian menghitung jumlah
kookurensi dan mengisikannya pada area kerja matriks.

Membuat area kerja matriks yang digunakan untuk memasukkan hubungan spasial dari
nilai piksel citra.
Normalisasi, yaitu proses mengubah rentang nilai intensitas pixel. Dengan rumus min-max
normalization pada Persamaan 1.
 Selanjutnya menghitung nilai tekstur dengan persamaan Haralick (1973) yang
didefenisikan sebagai berikut:

01 02
Momen Angular Kedua (Angular Second Moment) atau Kontras (Contrast)
Energy. Rumus ASM dapat dilihat pada Persamaan 2. Untuk menghitung kontras dapat dilakukan dengan Persamaan 3.
 Selanjutnya menghitung nilai tekstur dengan persamaan Haralick (1973) yang
didefenisi-kan sebagai berikut:

03 04
Korelasi (Correlation) Momen Selisih Terbalik (Inverse Difference). Rumus IDM dapat
Untuk menghitung korelasi dapat dilakukan dengan Persamaan 4. dilihat pada Persamaan 5.
 3. Support Vector Machine (SVM)
Langkah-langkah dalam melakukan sequential training akan ditunjukkan pada persamaan sebagai berikut (Vijayakumar S, 1999).

Melakukan inisialisasi terhadap 𝛼𝑖= 0 dan parameter lainnya, Melakukan iterasi untuk setiap iterasi yang telah di inisialisasi di awal, lalu
01 seperti nilai λ , γ , 𝐶 dan iterasi maksimal Keterangan: 03 menghitung nilai 𝐸𝑖 menggunakan Persamaan 7 sebagai berikut.

Menghitung nilai 𝛿𝛼𝑖 yang dihitung menggunakan Persamaan 8 sebagai

04 berikut.

Menghitung matriks Hessian menggunakan

02 Persamaan 6 sebagai berikut.

Memperbarui nilai 𝛼𝑖 yang dihitung menggunakan Persamaan 9 sebagai

05 berikut.
𝛼𝑖 = 𝛼𝑖 + 𝛿𝛼𝑖 (9)

Keterangan:
𝛼𝑖 = alfa ke-i
𝛿𝛼𝑖= delta alfa ke-i
PENGUMPULAN DATA

(a)
Pengumpulan data dilakukan dengan mengambil
langsung beberapa foto bibir dari mahasiswa dan
Bibir
mahasiswi Fakultas Ilmu Komputer, Universitas Pria
Brawijaya.

Lokasi pengambilan data bertempat di ruang kelas

dan diluar kelas Fakultas Ilmu Komputer,
Universitas Brawijaya. Perangkat yang digunakan
dalam pengumpulan data citra bibir yaitu kamera
dari Iphone 5s dengan spesifikasi kamera 8MP (b)
(belakang), Dual LED, F/2.2. Format yang Bibir
digunakan pada citra bibir yaitu Joint Photographic
Group (.jpg). Jarak pengambilan foto kurang lebih Wanita
20cm dari objek. Jumlah citra bibir yang diambil
sebanyak 60, untuk citra bibir pria diambil
sebanyak 30 dan wanita sebanyak 30.
 PERANCANGAN ALGORITME
1. Perancangan Proses Algoritme GLCM

melakukan perhitungan fitur tekstur GLCM

dengan citra yang telah dilakukan
preprocessing

melakukan preprocessing, yaitu

dengan mengubah citra bibir
03 Setelah mendapatkan nilai piksel
dari citra yang sudah diubah menjadi greyscale,
dari RGB menjadi greyscale
02 04 melakukan normalisasi terhadap nilai matrix
pixel citra greyscale

memasukan data berupa

citra bibir 01 05 Setelah itu menghitung matriks awal yaitu
hubungan spasial nilai matrixcitra grayscale
dengan sudut 0⁰, 45⁰, 90⁰, 135⁰ dan
jarak =1
 06
Setelah itu melakukan penjumlahan antara matriks awal dengan transposnya
untuk mendapatkan hasil matriks co-occurrence yang simetris

07
Hasil matriks simetris kemudian dinormalisasi dengan membagi tiap-tiap nilai pada
matriks dengan total keseluruhan nilai pada matriks

08
Dari hasil matriks yang telah dinormalisasi, dilakukan perhitungan ekstraksi fitur
sebanyak 4 fitur yaitu ASM, Contrast, Correlation, dan IDM
2. Perancangan Proses Algoritme Support Vector Machine

Berdasarkan gambar 4, alur dari metode SVM yang dimulai

Mengambil masukan data fitur yaitu berupa nilai fitur GLCM
01

Lalu melakukan perhitungan kernel SVM. Kernel yang

digunakan adalah Kernel Polinomial pada Persamaan 10. 02

Langkah berikutnya melakukan perhitungan data latih SVM

dengan menggunakan metode sequential training SVM pada 03
Persamaan 6, Persamaan 7, Persamaan 8 dan Persamaan 9.

Lalu melakukan perhitungan data uji menggunakan testing

SVM dan pada tahap terakhir yaitu berupa hasil klasifikasi dari 04
proses perhitungan yang sudah dilakukan.
 PENGUJIAN DAN ANALISIS
Pengujian dan analisis yang dilakukan pada sistem yaitu :

01 Pengujian
Parameter 𝛌 (Lambda)
Bertujuan untuk mengetahui pada nilai lambda berapa yang memberikan nilai
akurasi terbaik untuk sistem

02 Pengujian Bertujuan untuk mengetahui pada nilai gamma berapa yang memberikan nilai
Parameter Gamma akurasi terbaik untuk sistem

Pengujian

03 Parameter
Complexity (C)
Bertujuan untuk mengetahui pada nilai C berapa yang memberikan nilai akurasi
terbaik untuk sistem

Pengujian
04
Bertujuan untuk mengetahui pada nilai iterasi maksimal berapa yang memberikan
Parameter Iterasi nilai akurasi terbaik untuk sistem
Maksima

05
Pengujian Nilai Bertujuan untuk mengetahui pada nilai jarak berapa yang memberikan nilai
Jarak (d) akurasi terbaik untuk sistem.
1. Pengujian Parameter 𝛌 (Lambda)

PowerPoint
Presentation
2. Pengujian Parameter Gamma
3. Pengujian Parameter Complexity (C)
4. Pengujian Parameter Iterasi Maksimal
5. Pengujian Nilai Jarak (d)
Berikut merupakan hasil percobaan pengujian klasifikasi jenis kelamin berdasarkan sidik bibir
dengan skenario nilai parameter =0.5, 𝛾=0.01, 𝐶=1, dan itermax = 100 dan jarak =1.
Berikut merupakan hasil klasifikasi kelas tipe sidik bibir
dengan skenario nilai parameter 𝜆=0.5, 𝛾=0.01, 𝐶=1,
dan itermax = 100 dan jarak = 1
KESIMPULAN 60% 40%
 Permasalahan klasifikasi jenis kelamin dengan metode gray level co-occurance matrix dan

01 support vector machine, sistem masih kurang dapat memberikan hasil klasifikasi sesuai
dengan kelasnya

Nilai rata-rata akurasi hanya mampu mencapai nilai 51,4% dengan skenario
02 pengujian yaitu rasio data 80% data training : 20% data testing, menggunakan kernel
polynomial dan nilai parameter yaitu 𝜆=0.5, 𝛾=0.01, 𝐶=1, itermax = 100 dan jarak=1

Pengaruh variasi nilai parameter lambda, gamma, C, iterasi maksimal dan d pada pengujian
memberikan hasil yaitu hampir semua nilai akurasi data nilainya tidak optimal 03

Akurasi yang rendah tersebut disebabkan karena nilai tekstur pada beberapa dataset
yang kelasnya berbeda memiliki kemiripan dan perbedaan pola pada setiap kelas
tidak signifikan
04
 Walaupum rata-rata akurasi yang didapatkan masih rendah, sistem sudah dapat dengan benar mengklasifikasikan
05 beberapa tipe bibir

Untuk penelitian lebih lanjut agar dapat meningkatkan hasil yang diperoleh sistem, dengan melakukan
perbaikan sepertimenambahkan beberapa tahapan pre-processing agar membuat kualitas citra menjadi
06 lebih baik untuk dapat memisahkan dengan benar kelaskelas yang termasuk didalamnya dan juga
dapat mencoba menggunakan metode ekstraksi fitur ainnya

05 04

Untuk kasus multi-class pada SVM dapat mencoba menggunakan strategi One Against One
07 ataupun strategi yang lainnya
THANK YOU
☺