APLIKASI PENDETEKSI WAJAH MANUSIA UNTUK MENGHITUNG JUMLAH MANUSIA MENGGUNAKAN METODE VIOLA-JONES

(1)

SKRIPSI

MUHAMMAD SANTANA

091402097

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(2)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

Sarjana Teknologi Informasi

MUHAMMAD SANTANA

091402097

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

(3)

PERSETUJUAN

Judul : APLIKASI PENDETEKSI WAJAH MANUSIA

UNTUK MENHITUNG JUMLAH MANUSIA

MENGGUNAKAN METODE VIOLA-JONES

Kategori : SKRIPSI

Nama : MUHAMMAD SANTANA

Nomor Induk Mahasiswa : 091402097

Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI

Departemen : TEKNOLOGI INFORMASI

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI (FASILKOM-TI) UNIVERSITAS

NIP 1986030321010121004 NIP 198302262010122003

Diketahui/Disetujui oleh

Program Studi S1 Teknologi Informasi

Ketua,

Muhammad Anggia Muchtar, S.T., M.M.I.T.

(4)

PERNYATAAN

APLIKASI PENDETEKSI WAJAH MANUSIA UNTUK MENHITUNG JUMLAH

MANUSIA MENGGUNAKAN METODE VIOLA-JONES

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan

dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, 21 Agustus 2015

Muhammad Santana

(5)

UCAPAN TERIMA KASIH

Alhamdulillah segala puji dan syukur saya sampaikan kehadirat Allah SWT beserta Nabi Besar Muhammad SAW yang telah memberikan rahmat, hidayah-Nya sehingga saya dapat menyelesaikan skripsi ini untuk memperoleh gelar Sarjana Program Studi S-1 Teknologi Informasi Universitas Sumatera Utara.

Dengan segala kerendahan hati penulis ucapkan terima kasih kepada:

1. Ayah penulis, Sartuno. SH., ibu penulis, Nelly Trisna., kakak penulis Neno Viantisca SH dan Neno Tamara Viransiska SE., adik penulis Neno Ramadhianita yang telah memberikan doa dan dukungan moral kepada penulis untuk menyelesaikan skripsi ini beserta keluarga besar yang telah turut mendoakan penulis.

2. Ibu Sarah Purnamawati,ST.,M.Sc dan Bapak Romi Fadillah Rahmat B.Comp. Sc.M.Sc selaku dosen pembimbing penulis yang telah meluangkan waktu, pikiran, saran, dan kritiknya untuk penulis dalam menyelesaikan skripsi ini. 3. Bapak DR. Sawaluddin M.IT dan Bapak Dedy Arisandi, ST.,M.Kom yang

telah bersedia menjadi dosen penguji dan memberikan saran dan kritik yang membangun dalam penyelesaian skripsi ini.

4. Ketua dan Sekretaris Program Studi S1 Teknologi Informasi, Bapak Muhammad Anggia Muchtar, S.T., MM.IT. dan Bapak Mohammad Fadly Syahputra, B.Sc., M.Sc.IT.

5. Seluruh dosen yang mengajar serta Ibu Mega, Kak Umi dan Bang Manaf, sebagai staff Tata Usaha Program Studi Teknologi Informasi Universitas Sumatera Utara.

6. Pacar yang selalu mendukung dan memberi semangat kepada penulis, Millana Lubis.

7. Teman-teman yang selalu mendukung dan memberi semangat kepada penulis, Tri Setiawan, Dhimas Eko Prasetyo, Akhmad Sofyan Dalimunthe, Adnan Buyung Nasution, Nuryuliana, Fadli Rizki, Raisha Ariani Sirait dan semua teman angkatan 2009.

8. Sahabat penulis, Raja Usty Siregar, Indah Kemala Sari, Mutia. Serta teman-teman bermain PointBlank Clan Pahlawan_IND Bang Khank, Anam, Benny, Andri yang selalu mendukung dan memberi semangat kepada penulis.

(6)

ABSTRAK

Pemantauan keramaian di tempat-tempat umum diperlukan untuk pengawasan,

monitoring maupun untuk keperluan survey kepadatan manusia. Untuk keperluan

survey kepadatan data hasil pemantauan dibutuhkan guna perbaikan tataruang maupun

pengembangan infra struktur pada tempat umum tersebut. Menghitung jumlah

manusia pada tempat keramaian umum dapat menggunakan tenaga manusia (manual).

Tetapi menggunakan cara manual rentan terhadap kesalahan. Maka pada penelitian ini

dilakukan perhitungan jumlah manusia dengan cara mendeteksi manusia dari citra

input berdasarkan deteksi bagian dari tubuh manusia yaitu wajah. Dalam penelitian ini

digunakan Viola Jones untuk mendeteksi wajah manusia dalam citra digital dan

capture melalui webcam. Citra diinput mengalami proses resize kemudian diubah

menjadi citra abu-abu dengan proses Grayscaling dilanjutkan pembaca fitur haar yang

di ambil dari library OpenCV, perhitungan fitur dengan citra integral, dan

pendeteksian objek dengan cascade of classifier. Dari hasil percobaan menggunakan

Load File diperoleh: akurasi sebesar 84.8 %, error 14.5 % dan koreksi visual 7.3 %.

Dan dari hasil percobaan menggunakan Capture Webcam diperoleh: akurasi sebesar

82.9%, error 16.5% dan koreksi visual 1.3%.

Kata kunci: Deteksi Wajah, Menghitung Manusia, Viola-Jones, Citra, OpenCV,

(7)

HUMAN FACE DETECTION APPLICATION FOR CALCULATING THE

NUMBER OF PEOPLE USING VIOLA-JONES

ABSTRACT

Monitoring crowds in public places is necessary for supervision, monitoring for

survey purposes of human density. For the purposes of the survey data density of

monitoring results needed to repair the spatial and infrastructure development in

public places. Calculating people in public places can generally use human labor

(manual). But using the manual method is prone to errors. So In this research,

calculation of the number of people by means of detecting human from the input

image based on the detection part of the human body, specifically face human. In this

research Viola Jones used to detect human object in a digital image and capture via

webcam. inputted image experience resize process then converted into a gray image

with Grayscaling process followed reader haar feature taken in OpenCV library, the

calculation of the integral features of the image, and object detection with a cascade of

classifier. From the experimental results obtained using the Load File: an accuracy of

84.8%, 14.5% error and visual correction of 7.3%. And the results of experiments

using Webcam Capture obtained: an accuracy of 82.9%, 16.5% error and visual

correction of 1.3%.

(8)

DAFTAR ISI

Hal.

PERSETUJUAN i

PERNYATAAN ii

UCAPAN TERIMA KASIH iii

ABSTRAK iv

1.4. Tujuan Penelitian 3

1.5. Manfaat Penelitian 3

1.6. Metodologi Penelitian 3

1.7. Sistematika Penulisan 4

BAB 2 LANDASAN TEORI 5

2.1. Sistem Biometrika 5

2.1.1 Pengertian Sistem Biometrika 5

2.2. Metode Viola-Jones 7

2.3. OpenCV (Intel® Open Source Computer Vision Library) 11

2.3.1. Teknik Background Subtraction dan Frame Differencing 13

2.3.2. Fitur OpenCV 14

2.4.Pengolahan Citra 14

2.4.1. Defenisi Pengolahan Citra 14

(9)

2.4.3. Elemen-Elemen Citra Digital 17

2.4.4. Langkah-Langkah Pengolahan Citra Digital 18

2.4.5. Sistem Pencitraan 20

2.5. Pra-Pemrosesan (Pre-Processing) 21

2.5.1. Konversi Citra RGB menjadi Citra Grayscale 21

2.5.2. Segmentasi 22

2.5.2.1. Thresholding (Pengambangan) 23

2.5.2.2. Normalisasi 24

2.6. Ekstraksi Fitur 25

2.6.1. Ciri Berdasarkan Blok 25

2.7. Konsep Pengenalan Wajah 26

2.7.1. Konsep Umum Pengenalan Wajah 28

2.8. Penelitian Terdahulu 29

BAB 3 ANALISIS DAN PERANCANGAN SISTEM 31

3.1. Arsitektur Umum 31

3.1.1. Resize Citra 32

3.1.2. Membaca Nilai Piksel Citra 32

3.1.3. Menghitung Nilai Grayscale Citra 34

3.1.4. Fitur Haar 35

3.1.5. Citra Integral 36

3.1.6. Cascade of Clasifier 37

3.2. Data 38

3.3. Perancangan Sistem 38

3.3.1. Flowchart 38

3.3.2. Pemrosesan Awal 40

3.4. Rancangan Antarmuka 41

3.4.1. Rancangan Menu Utama 41

3.4.2. Rancangan Pengenalan dengan Load File 42

3.4.3. Rancangan Pengenalan dengan Capture Webcam 43

3.4.4. Rancangan Help 45

3.4.5. Rancangan About 45

(10)

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM 48

4.1. Implementasi Sistem 48

4.1.1. Spesifikasi Perangkat Keras dan Lunak 48

4.1.2. Tampilan Menu Utama 48

4.1.3. Tampilan Pengenalan Load File 49

4.1.4. Tampilan Pengenalan Capture Webcam 50

4.1.5. Tampilan Help 50

4.1.6. Tampilan About 50

4.2. Pengujian Sistem 50

4.2.1. Tampilan Hasil Pengujian Load File 50

4.2.2. Tampilan Hasil Pengujian Capture Webcam 58

BAB 5 KESIMPULAN DAN SARAN 64

5.1. Kesimpulan 64

5.2. Saran 64

(11)

DAFTAR TABEL

Hal.

Tabel 2.1. Penelitian Terdahulu 29

Tabel 2.2. Penelitian Terdahulu (Lanjutan) 30

Tabel 3.1. Matriks Nilai RGB Citra Warna 34

Tabel 3.2. Nilai Grayscale Citra Masukan 36

Tabel 3.3. Perhitungan Citra Integral 36

Tabel 3.4. Hasil Citra Integral 36

Tabel 3.5. Rancangan Hasil Pengujian Deteksi Manusia dengan Load File 46

Tabel 3.6. Rancangan Hasil Pengujian Deteksi Manusia dengan Capture Webcam 47

Tabel 4.1. Hasil Pengujian Deteksi Manusia Load File 57

Tabel 4.2. Hasil Pengujian Deteksi Manusia Load File (Lanjutan) 58

(12)

DAFTAR GAMBAR

Hal.

Gambar 2.1. Contoh Haar Like Feature 7

Gambar 2.2. Variasi Fitur pada Haar 8

Gambar 2.3. Integral Image 8

Gambar 2.4. Perhitungan Nilai Fitur 9

Gambar 2.5. Cascade Clasifier 11

Gambar 2.6. Klasifikasi Haar digunakandalam OpenCV 12

Gambar 2.7. Nilai Piksel dari Citra Objek Manusia 15

Gambar 2.8. Citra Biner 16

Gambar 2.9. Citra Keabuan 16

Gambar 2.10. Citra Warna 17

Gambar 2.11. Langkah-Langkah Pengolahan Citra Digital 18

Gambar 2.12. Proses Pencitraan Citra Analog menjadi Citra Digital 20

Gambar 2.13. Proses Konversi Citra RGB menjadi Citra Grayscale 22

Gambar 2.14. Proses Pemisahan 23

Gambar 2.15. Contoh Pembagian Blok yang saling Tumpang Tindih 25

Gambar 2.16. Citra Wajah 27

Gambar 3.1. Arsitektur Umum Deteksi dan Menhitung Manusia 31

Gambar 3.2. Citra Wajah Manusia 32

Gambar 3.3. Contoh Nilai Piksel Citra Warna 33

Gambar 3.4. Matriks Nilai Grayscale 34

Gambar 3.5. Pencarian Fitur Haar 35

Gambar 3.6. Contoh Perhitungan Nilai Integral 36

Gambar 3.7. Hasil Deteksi Wajah 38

Gambar 3.8. Proses Pendeteksian citra Manusia 39

Gambar 3.9. Rancangan Menu Utama 42

Gambar 3.10. Rancangan Pengenalan dengan Load File 43

Gambar 3.11. Rancangan Pengenalan dengan Capture Webcam 44

Gambar 3.12. Rancangan Help 45

(13)

Gambar 4.1. Tampilan Menu Utama 49

Gambar 4.2. Tampilan Pengenalan Load File 49

Gambar 4.3. Tampilan Pengenalan Capture Webcam 50

Gambar 4.4. Tampilan Percobaan 1 51