SKRIPSI
MUHAMMAD SANTANA
091402097
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
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
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.
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
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.
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,
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%.
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
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
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
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
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
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
Gambar 4.10. Tampilan Percobaan 7 55
Gambar 4.11. Tampilan Percobaan 8 55
Gambar 4.12. Tampilan Percobaan 9 56
Gambar 4.13. Tampilan Percobaan 10 57
Gambar 4.14. Tampilan Percobaan 1 58
Gambar 4.15. Tampilan Percobaan 2 59
Gambar 4.16. Tampilan Percobaan 3 59
Gambar 4.17. Tampilan Percobaan 4 60
Gambar 4.18. Tampilan Percobaan 5 60
Gambar 4.19. Tampilan Percobaan 6 61
Gambar 4.20. Tampilan Percobaan 7 61
Gambar 4.21. Tampilan Percobaan 8 62
Gambar 4.22. Tampilan Percobaan 9 62