• Tidak ada hasil yang ditemukan

Aplikasi Absensi Berbasis Mobile Android Dengan Verifikasi Wajah Menggunakan Algoritma Fisherface.

N/A
N/A
Protected

Academic year: 2017

Membagikan "Aplikasi Absensi Berbasis Mobile Android Dengan Verifikasi Wajah Menggunakan Algoritma Fisherface."

Copied!
49
0
0

Teks penuh

(1)

TESIS

APLIKASI VERIFIKASI WAJAH UNTUK ABSENSI PADA

PLATFORM ANDROID DENGAN MENGGUNAKAN

ALGORITMA FISHERFACE

I PUTU PUTRAYANA WARDANA

PROGRAM PASCASARJANA

UNIVERSITAS UDAYANA

(2)

TESIS

APLIKASI VERIFIKASI WAJAH UNTUK ABSENSI PADA

PLATFORM ANDROID DENGAN MENGGUNAKAN

ALGORITMA FISHERFACE

I PUTU PUTRAYANA WARDANA NIM 1291761022

PROGRAM MAGISTER

PROGRAM STUDI TEKNIK ELEKTRO

PROGRAM PASCASARJANA

(3)

DENPASAR

2016

APLIKASI VERIFIKASI WAJAH UNTUK ABSENSI PADA PLATFORM ANDROID

DENGAN MENGGUNAKAN ALGORITMA FISHERFACE

Tesis untuk Memperoleh Gelar Magister

pada Program Magister, Program Studi Teknik Elektro,

Program Pascasarjana Universitas Udayana

I PUTU PUTRAYANA WARDANA NIM 1291761022

(4)

PROGRAM STUDI TEKNIK ELEKTRO PROGRAM PASCASARJANA

UNIVERSITAS UDAYANA DENPASAR

(5)

Lembar Pengesahan

TESIS INI TELAH DISETUJUI

PADA TANGGAL 08 JUNI 2016

Mengetahui

Pembimbing II,

Dr. Ir. Made Sudarma, M.A.Sc. NIP 196512311993031189 Pembimbing I,

Prof. Ir. Ida Ayu Dwi Giriantari, M.EngSc.,PhD.

NIP 196512131991032001

Direktur Program Pascasarjana

Universitas Udayana

Prof. Dr. dr. A.A Raka Sudewi, Sp.S(K) NIP. 195902151985102001 Ketua Program Magister

Program Studi Teknik Elektro Program Pascasarjana

Universitas Udayana

Prof. Ir. Ida Ayu Dwi Giriantari, M.EngSc.,PhD.

(6)

Tesis Ini Telah Diuji pada

Tanggal 8 Juni 2016

Panitia Penguji Tesis Berdasarkan SK Rektor Universitas Udayana,

No.: 2562/UN14.4/HK/2016, Tanggal 7 Juni 2016

Ketua : Prof. Ir. A. Dwi Giriantari, M.Eng,Sc.,PhD

Anggota :

1. Dr. Ir. Made Sudarma, M.A.Sc

2. Dr. I Made Oka Widyantara, ST.,MT.

3. Dr. Ir. Agus Dharma, MT.

(7)

SURAT PERNYATAAN BEBAS PLAGIAT

Saya yang bertanda tangan dibawah ini :

Nama : I Putu Putra Yana Wardana

NIM : 1291761022

Program Studi : Magister Teknik Elektro

Judul Tesis : Aplikasi Verifikasi Wajah Untuk Absensi Pada Platform

Android Dengan Menggunakan Algoritma Fisherface

Dengan ini menyatakan bahwa karya ilmiah Tesis ini bebas plagiat.

Apabila di kemudian hari terbukti plagiat dalam karya ilmiah ini, maka saya bersedia menerima

sanksi sesuai peraturan Mendiknas RI No. 17 tahun 2010 dan Peraturan Perundang-undangan

yang berlaku

Denpasar, 07 Juli 2016

Yang membuat pernyataan,

(8)

UCAPAN TERIMA KASIH

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas segala berkah, semangat, kekuatan, dan karunia yang telah diberikan-Nya, sehingga penulis dapat menyelesaikan penyusunan laporan tesis yang berjudul “Aplikasi Verifikasi Wajah Untuk Absensi Pada Platform Android Dengan Menggunakan Algoritma Fisherface”.

Dalam penyusunan laporan tesis ini penulis banyak sekali mendapatkan bantuan baik berupa pengetahuan maupun moril dari berbagai pihak, sehingga akhirnya penulis dapat menyelesaikan tesis ini. Mengingat hal tersebut, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada Rektor Universitas Udayana Prof. Dr. dr. Ketut Suastika Sp. PD-KEMD, atas kesempatan dan fasilitas yang diberikan kepada penulis untuk mengikuti dan menyelesaikan pendidikan Program Magister di Universitas Udayana dan tidak lupa ucapan terimakasih kepada Ibu Prof. Dr. dr. A.A Raka Sudewi, Sp.S (K), sebagai Direktur Program Pasca Sarjana Universitas Udayana yang telah memberi kesempatan untuk melanjutkan studi di Pasca Sarjana Universitas Udayana. Tidak lupa ucapan terimakasih kepada Ibu Prof. Ir. Ida Ayu Dwi Giriantari, M.Eng.Sc.,Ph.D, sebagai Ketua Program Magister Program Studi Teknik Elektro Program Pasca Sarjana Universitas Udayana dan sekaligus juga telah bersedia membimbing dan memotivasi dalam menyelesaikan tesis sebagai pembimbing I serta Bapak Dr. Ir. Made Sudarma, M.A.Sc, selaku pembimbing II yang telah memberikan bimbingan, saran dan motivasi dalam menyelesaikan tesis ini. Serta tidak lupa kepada Bapak dan Ibu dosen Program Studi Teknik Elektro Program Pasca Sarjana Universitas Udayana beserta staff dan karyawan yang banyak membantu

Ucapan terimakasih penulis sampaikan kepada kedua Orang tua, I Wayan Mudana dan Ni Luh Warini beserta Keluarga yang selalu memberikan doa, dukungan, materi dan motivasi sehingga penulis bisa menyelesaikan studi ini. Serta kepada Luh Pande Latria Devi dan ketiga anakku yang senantiasa memberikan perhatian, dukungan, dan motivasi untuk menyelesaikan studi ini. Seluruh pihak yang tidak dapat penulis sebutkan satu-persatu atas partisipasi dan kontribusinya terhadap penyusunan laporan tesis ini.

Akhirnya penulis mohon maaf atas segala keterbatasan yang ada dalam laporan tesis ini. Semoga tesis ini dapat memberikan kontribusi positif bagi semua pihak.

Denpasar, 08 Juni 2016

Penulis

(9)

Wajah merupakan salah satu bagian tubuh manusia yang sering digunakan dalam sistem

pengenalan biometrik karena tingkat perbedaan yang tinggi antara wajah yang satu dengan wajah

lainnya. Aplikasi mobile android dengan tambahan keamanan fitur pengenalan wajah akan menambah keamanan privasi seseorang penggunaan telpon pribadi/handphone khususnya yang

berbasis android. Ektraksi ciri merupakan salah satu tahapan yang dilalui dalam pengembangan

sistem pengenalan biometrik wajah pada aplikasi absensi face recognition. Tahap ini bertujuan untuk mengekstrak informasi dari citra wajah sehingga dapat digunakan sebagai ciri unik dari

wajah bersangkutan. Pada paper ini tahap ekstraksi ciriface recognition dilakukan dengan menggunakan algoritma Fisherface. Citra wajah melalui proses pelatihan dengan penyelarasan wajah dan ekstraksi fisherface yang kemudian dicocokan dengan membandingkan nilai

euclidiannya. Hasil uji coba pada penelitian ini menghasilkan algoritma fisherface tidak berpengaruh terhadap perubahan ekpresi wajah, jarak dan pencahayaan setelah dilakukan

pengujian sebanyak dua ratus tiga puluh database citra wajah tetap dapat mengenali wajah

seseorang

Kata Kunci : Absensi, face recognition, mobile, android, fisherface

Abstract

The face is one part of the human body which are often used in biometric recognition

system for high-level differences between the faces of the other faces. Android mobile

application with additional security face recognition feature will add to the security of personal

privacy of a person's use of telephone / mobile in particular that based on android. Extraction is

(10)

recognition systems on attendance face recognition applications. This stage aims to extract

information from the face image so that it can be used as the unique features of the face in

question. In this paper face recognition feature extraction phase is done by using algorithms

Fisherface. The image of the face through the training process to the alignment faces and

extraction fisherface which is then matched by comparing the value euclidiannya. The trial

results in this study resulted in fisherface algorithm does not affect the change in facial

expression, distance and lighting after testing two hundred thirty facial image database will still

be able to recognize a person's face.

Keywords : Attendance, face recognition, mobile, android, fisherface

DAFTAR ISI

SAMPUL LUAR………..…………...….I

SAMPUL DALAM……….II

LEMBAR PERSETUJUAN…..………III

LEMBAR PENGESAHAN………...IV

LEMBAR PANITIA PENGUJI ... V

(11)

UCAPAN TERIMAKASIH ... VII

BAB I PENDAHULUAN ... Error! Bookmark not defined.

1.1 Latar Belakang ... Error! Bookmark not defined.

1.2 Rumusan Masalah ... Error! Bookmark not defined.

1.3 Tujuan Penelitian... Error! Bookmark not defined.

1.4 Manfaat Penelitian... Error! Bookmark not defined.

1.5 Ruang Lingkup Penelitian ... Error! Bookmark not defined.

1.6 Keaslian Penelitian ... Error! Bookmark not defined.

1.7 Hipotesis ... Error! Bookmark not defined.

BAB II KAJIAN PUSTAKA ... Error! Bookmark not defined.

2.1 State Of Art Review ... Error! Bookmark not defined.

2.2 Konsep Pemrograman Berorientasi ObjekError! Bookmark not defined.

2.3 Perangkat Lunak ... Error! Bookmark not defined.

2.4 Perangkat Mobile... Error! Bookmark not defined.

2.5 Smartphone... Error! Bookmark not defined.

2.6 Sistem Operasi Android ... Error! Bookmark not defined.

2.7 Android SDK (Software Development Kit)Error! Bookmark not defined.

2.8 Eclipse ... Error! Bookmark not defined.

(12)

2.10 Face Recognition ... Error! Bookmark not defined.

2.10.1 Deteksi Wajah ... Error! Bookmark not defined.

2.11 Penyimpanan Fitur ... Error! Bookmark not defined.

2.11.1 Pencocokan ... Error! Bookmark not defined.

BAB III METODE PENELITIAN ... Error! Bookmark not defined.

3.1 Rancangan Penelitian ... Error! Bookmark not defined.

3.1.1 Gambaran Umum Sistem ... Error! Bookmark not defined.

3.1.2 Rancangan Database ... Error! Bookmark not defined.

3.2 Sumber Data ... Error! Bookmark not defined.

3.3 Tempat dan Waktu Penelitian ... Error! Bookmark not defined.

3.4 Instrumen Penelitian ... Error! Bookmark not defined.

3.5 Metode dan Teknik Analisis Data ... Error! Bookmark not defined.

3.6 Parameter Pengenalan Wajah ... Error! Bookmark not defined.

3.7 Rancangan Percobaan ... Error! Bookmark not defined.

3.8 Proses Pengenalan Wajah... Error! Bookmark not defined.

BAB IV HASIL DAN PEMBAHASAN ... Error! Bookmark not defined.

4.1. Antarmuka Sistem ... Error! Bookmark not defined.

4.1 Deteksi Wajah ... Error! Bookmark not defined.

4.2 Training Sistem ... Error! Bookmark not defined.

4.3 Absensi Wajah... Error! Bookmark not defined.

4.4 Algoritma fisherface dalam sistem ... Error! Bookmark not defined.

4.4.1 Unjuk kerja sistem dalam beberapa parameter pengujianError! Bookmark not defined.

BAB V KESIMPULAN DAN SARAN ... Error! Bookmark not defined.

5.1. Kesimpulan... Error! Bookmark not defined.

(13)

DAFTAR PUSTAKA ... Error! Bookmark not defined.

LAMPIRAN ... Error! Bookmark not defined.

DAFTAR ISTILAH

1. Verifikasi : pencocokan kembali

(14)

mengenali manusia berdasarkan satu atau lebih bagian tubuh manusia atau kelakuan dari

manusia itu sendiri yang memiliki keunikan.

3. DNA : sejenis asam nukleat yang tergolong biomolekul utama penyusun berat kering setiap organisme. Di dalam sel, DNA umumnya terletak di dalam inti sel.

4. Privasi : kerahasian

5. Akuisisi : masukan data direkam dan kemudian diproses computer 6. Referensi : sumber acuan

7. Smartphone : telepon genggam yang mempunyai kemampuan tingkat tinggi, kadang-kadang dengan fungsi yang menyerupai komputer

8. User friendly : bersahabat dengan pengguna,mudah digunakan

9. Open source : sistem pengembangan yang tidak dikoordinasi oleh suatu individu/lembaga pusat, tetapi oleh para pelaku yang bekerja sama dengan memanfaatkan kode

sumber (source-code) yang tersebar dan tersedia bebas (biasanya menggunakan fasilitas

komunikasi internet)

10.Database : kumpulan informasi yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh

informasi dari basis data tersebut

(15)

DAFTAR TABEL

Tabel 2. 1. Penelitian Sebelumnya……...………..13

Tabel 2. 2. Metriks Kebaharuan……….14

(16)

Tabel 3.2. Desain Tabel absen_out………....…40Tabel 3.3.

Desain Tabel data_peg………..41

Tabel 3.4. Susunan Rancangan percobaan…………..………..………….46

Tabel 4.1. Tabel Data Citra Latih (Traning Set)……….…………..……….57

Tabel 4.2. Tabel Data Citra Uji (Test Set)………...…59Tabel 4.3.

Tabel Konversi Citra...………..72

Tabel 4.4. Hasil Unjuk Kerja Sistem Jarak dan Sudut…………..……….80

Tabel 4.5. Hasil Unjuk Kerja Jarak dan Kacamata...………....……….84

Tabel 4.6. Hasil Unjuk Kerja Arah Cahaya dan Jilbab………..…....…87Tabel 4.7.

Hasil Unjuk Kerja Ekspresi dan Kacamata………...…..143

DAFTAR GAMBAR

Gambar 1.2. Diagram Fishbone………...………Error!

(17)

Gambar 2.1. Contoh Perangkat Mobile………..Error! Bookmark not defined.

Gambar 2.2. Contoh Perangkat Smartphone………...………...………21

Gambar 2.3. Diagram Blok Deteksi Wajah………..…….Error! Bookmark not defined. Gambar 3.1. Rancangan Umum Penelitian………..………..Error! Bookmark not defined. Gambar 3.2. Gambaran Umum Perangkat Lunak………..…….…...………Error! Bookmark not defined. Gambar 3.3. Detail Proses Deteksi Metode Fisherface………..Error! Bookmark not defined. Gambar 4.1. Tampilan Aplikasi Absensi Fisherface………...………..49

Gambar 4.2. Diagram Proses Deteksi Wajah……….…….…...………53

Gambar 4.3. Diagram Proses Training Sistem……….………..54

Gambar 4.4. Contoh Tampilan Citra Uji Pada Aplikasi…...……...………..55

Gambar 4.5. Diagram Proses Absensi Wajah…………..……..…….…...………61

Gambar 4.6. Tampilan Database Citra Dengan Karakteristik Berbeda……...…..62

Gambar 4.7. Tampilan Hasil Proses Absensi………...………..63

Gambar 4.8. Tampilan Hasil User Berhasil Absensi………….…….…...………64

Gambar 4.9. Tampilan Sistem Dapat Menangkap Citra Wajah 15 Derajat……...65

Gambar 4.10. Perkiraan Sudut,Batasan Maksimal Sistem………...………..65

Gambar 4.11. Tampilan Icon Face Recognition ………..…….…...…….…66

Gambar 4.12. Tampilan Aplikasi Berhasil Diload………....67

Gambar 4.13. Tampilan Fitur Icon Untuk Mengubah Kamera Belakang Depan..68

Gambar 4.14. Tampilan Proses Training Database Wajah………69

(18)

Gambar 4.16. Tampilan Data Rekaman Absensi…………..……...………..71

Gambar 4.17. Generalisasi Akurasi jarak dan Sudut Wajah………...…...………76

Gambar 4.18. Generalisasi Akurasi Jarak dan Kacamata……….……...…..81

Gambar 4.19. Generalisasi Akurasi Arah Cahaya dan Jilbab………..…..86

Gambar 4.20. Generalisasi Akurasi Ekspresi dan Kacamata………….…………92

(19)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Perkembangan IT di era globalisasi ini yang begitu pesat menjadi salah satu hal yang sangat berharga bagi perusahaan atau instansi. Pemanfaatan IT oleh instansi akan membantu

organisasi tersebut dalam menangani informasi dalam jumlah besar, bersaing dalam dunia global

dan akhirnya menjadi instansi yang sukses. Setiap instansi mempunyai struktur organisasi dan

kebijakan yang berbeda, sehingga sebuah teknologi informasi yang digunakan oleh instansi satu

tidak dapat digunakan oleh instansi yang lainnya. Hal ini memperkecil daya guna dari sebuah

teknologi informasi yang ada. Mengelola informasi dalam jumlah besar diperlukan sistem

informasi yang efektif oleh instansi. Salah satunya dalam mengelola informasi sumber daya

manusia yang ada di dalam instansi tersebut. Informasi mengenai sumber daya manusia

sangatlah dibutuhkan oleh instansi guna menunjang kinerja sumber daya manusia tersebut dan

juga menunjang kinerja instansi tersebut. Dibantu perkembangan perangkat mobile dan keinginan untuk mempermudah proses absensi untuk meningkatkan kinerja sumber daya

manusia dan menunjang kinerja instansi sehingga membutuhkan sistem aplikasi absensi yang

mempunyai mobilitas tinggi.

Perkembangan perangkat mobile yang pesat, salah satunya adalah smartphone.

Handphone yang sebelumnya sebagai alat komunikasi,saat ini sudah lebih dari fungsi dasarnya dan semakin canggih. Berbagai macam fitur disediakan seperti pengolahan gambar dan video,

(20)

dilepaskan dari peran sistem operasi pada handphone. Sama seperti pada komputer, handphone

pun dapat di instal aplikasi yang diinginkan.

Android adalah sistem operasi berbasis Linux yang dirancang untuk perangkat seluler

layar sentuh seperti telepon pintar dan komputer tablet. Android awalnya dikembangkan oleh Android, Inc., dengan dukungan finansial dari Google, yang kemudian membelinya pada tahun 2005. Sistem operasi ini dirilis secara resmi pada tahun 2007, bersamaan dengan didirikannya

Open Handset Alliance, konsorsium dari perusahaan-perusahaan perangkat keras, perangkat lunak, dan telekomunikasi yang bertujuan untuk memajukan standar terbuka perangkat seluler.

Ponsel Android pertama mulai dijual pada bulan Oktober 2008. Android bersifat open source

sehingga mudah kedepannya untuk mengembangkan tanpa perlu membayar licence(free). Keunggulan android juga tampilannya yg sangat user friendly / mudah digunakan dan beragam aplikasi dan fitur yang ditawarkan di google play,store yang menyediakan beragam kebutuhan aplikasi yang kita butuhkan baik itu yang berbayar maupun yang free.

Sebagai alat komunikasi yang sedang diminati masyarakat dunia, keamanan data yang

disimpan di dalam smartphone android seperti email, foto, dokumen sensitif dan lain-lain menjadi isu yang sangat penting. Isu ini menjadi semakin penting mengingat seringnya

smartphone digunakan oleh orang lain. Selain itu penggunaan sistem pembuka kunci dengan PIN

dan pattern yang membentuk sebuah garis pola juga masih memiliki kelemahan, contohnya pemilik smartphone lupa dengan angka kombinasi PIN atau garis pola yang digunakan untuk membuka kunci keamanan smartphone.

(21)

aplikasi yang inovatif tersebut beriringan dengan peningkatan fitur keamanan aplikasi di

handphone yang disediakan langsung oleh vendor mobile maupun fitur keamanan yang disediakan langsung oleh penyedia aplikasi inovatif contohnya seperti aplikasi mengunci

handphone yang disediakan semakin beragam ada yg dengan hanya mengetikkan password, ada yang melengkapinya dengan sidik jari dan lain lain. Salah satu fitur keamanan yang ada selain

password dan sidik jari adalah menggunakan verifikasi wajah di aplikasi mobile (handphone). Pada dasarnya setiap manusia memiliki sesuatu yang unik yang berbeda dengan manusia

lainnya. Inilah yang menimbulkan gagasan untuk menjadikan keunikan tersebut sebagai identitas

diri. Hal ini perlu didukung oleh teknologi yang secara otomatis bisa

mengidentifikasi/mengenali. Teknologi biometric adalah system yang menjembatani kebutuhan tersebut dengan menggunakan bagian tubuh manusia sebagai kepastian pengenalan. Bagian

tubuh manusia yang digunakan antara lain sidik jari, mata dan wajah seseorang. Keunggulan

biometric dari yang lain adalah (1) Sulit untuk dimanipulasi, (2) Memungkinkan untuk dilakukan audit trial terhadap setiap kejadian yang ada, dimana melalui biometric security dapat diketahui

siapa yang melakukan akses terhadap asset organisasi (who), dimana (where) dan kapan (when) individu tersebut melakukannya, (3) Mencegah individu yang tidak mempunyai otorisasi untuk melakukan akses terhadap asset organisasi. Kebocoran sangat mungkin terjadi, jika

menggunakan password dan kartu, dimana kartu yang dimiliki individu dapat dipinjamkan kepada individu yang lain atau hilang dan ditemukan oleh individu yang lain yang tidak

mempunyai otorisasi (4) Sebagai solusi untuk kelemahan konsep password yaitu adanya kemungkinan individu tidak dapat mengingat kembali password atau pin untuk melakukan akses

(22)

mengenali wajah orang yang dikenali sebelumnya walaupun ekspresi wajah orang berbeda beda

setiap bertemu serta dalam kondisi pencahayaan yang terang ataupun gelap. Namun tidak

demikian bagi sebuah mesin, komputer ataupun handphone yang belum dilengkapi sistem cerdas. Salah satu contoh sistem pengenalan pola adalah sistem pengenalan biometrika. Penggunaan teknologi pengenalan biometrika untuk mengenali seseorang pada dasarnya telah ada dan digunakan sejak ribuan tahun yang lalu. Wajah digunakan untuk pengenalan selain

suara, sidik jari maupun cara jalan. Bahkan kini perkembangannya telah sampai penggunaan

DNA, tanda tangan, telapak tangan, retina mata dll. Penggunaaan biometrika untuk sistem pengenalan punya banyak kelebihan dan keunggulan dibandingkan dengan sistem tradisional

seperti: penggunaan password, PIN, kartu dan kunci yang sudah diaplikasikan pada: akses pintu, presensi kehadiran, mesin ATM dll. Pengunaan password yang diketik (pin). Untuk sistem

mobile biometrika masih sedikit dan bisa diekplorasi lebih beragam dan mendalam untuk dibahas. Aplikasi dengan tambahan keamanan fitur pengenalan wajah akan menambah

keamanan privasi seseorang penggunaan telpon pribadi/handphone khususnya yang berbasis android. Fitur pengenalan wajah ini didukung dengan perkembangan handphone yang sudah memiliki kemampuan kamera yang mumpuni dimuka dan dibelakang handphone. Harganya pun sudah semakin murah dari tahun ke tahun jadi semua orang dapat memilikinya dengan mudah

seperti yang telah disampaikan diatas. Salah satu deteksi wajah yang penulis angkat adalah

fisherface.

Pada tahun 1997, Peter N. Belhumeur, Joao P. Hespanha dan David J. Kriegman

(23)

kelas terhadap jarak intra kelas dari vektor ciri. Semakin besar rasio, vektor ciri yang dihasilkan

semakin tidak sensitif terhadap perubahan ekspresi ataupun perubahan cahaya, sehingga dapat

menghasilkan klasifikasi yang lebih baik. Selain dapat menghasilkan tingkat klasifikasi yang lebih baik, algoritma fisherface ini juga performa dan waktu pemrosesan yang lebih cepat. Dengan kelebihannya, tentunya algoritma fisherface ini cocok untuk diimplementasikan pada sistem pengenalan wajah yang berbasis pada smartphone android. Pemaparan diatas saya berharap dengan menggunakan teknologi yang aman biometric khususnya deteksi wajah dan didukung kebebasan open source dari android maka saya berharap aplikasi absensi wajah dapat mengganti sistem yang sudah ada untuk meningkatkan keamanan seperti yang telah saya

paparkan diatas

Berdasarkan masalah tersebut diatas, penulis merancang sebuah perangkat lunak absensi

berbasis mobile android yang terintegrasi dengan mencocokkan wajah seseorang (verifikasi)

untuk fitur keamanan dari aplikasi berbasis android tersebut. Aplikasi absensi mobile berbasis

android dengan verifikasi wajah menggunakan algoritma fisherface diharapkan meningkatkan keamanan dan memudahkan kita untuk melakukan absensi.

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas maka dirumuskan permasalahan sebagai berikut :

1. Bagaimana rancangan sebuah perangkat aplikasi absensi berbasis android dengan

verifikasi wajah?

2. Bagaimana unjuk kerja sistem perangkat aplikasi absensi berbasis android dengan

(24)

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah :

1. Untuk mengetahui rancangan sebuah perangkat aplikasi absensi berbasis android

dengan verifikasi wajah.

2. Untuk mengetahui unjuk kerja sistem perangkat aplikasi absensi berbasis android

dengan verifikasi wajah?

1.4 Manfaat Penelitian

Hasil penelitian diharapkan mampu memberikan sumbangan dan dukungan terhadap

perkembangan dunia smartphone dan aplikasi keamanan mobile, mencoba mengaplikasikan mata kuliah citra digital yang didapat khususnya biometrika kususnya lagi verifikasi wajah dalam aplikasi mobile sehingga menambah keamanan dan privasi masyarakat dalam menggunakan aplikasi mobile yang mementingkan tingkat keamanan untuk menjaga privasi mereka dan memudahkan melakukan absensi dengan bantuan smartphone masing masing

1.5 Ruang Lingkup Penelitian

Kompleknya permasalahan yang terkait topik yang penulis angkat, maka penulis

berusaha membatasi permasalahan sebagai berikut :

1. Perangkat aplikasi berbasis android dengan verifikasi wajah hanya untuk perangkat

mobile yang berbasis android saja

2. Perangkat aplikasi berbasis android dengan verifikasi wajah hanya dapat memverifikasi wajah saja dan hanya yang tersimpan di database

3. Perangkat aplikasi berbasis android dengan verifikasi berasal dari sumber literature

(25)

1.6 Keaslian Penelitian

Penelitian tentang perangkat lunak berbasis android dengan verifikasi wajah telah banyak

dilakukan. Salah satunya adalah penelitian oleh Donovan Gentles dalam tesisnya yang berjudul

Aplication of Biometrics in Mobile Voting”. Tahun 2012, dalam penelitian tersebut

memfokuskan tentang penggunaan aplikasi biometric untuk mobile voting. Jurnal “Android

Based Mobile Application Development and its Security”, Tahun 2012 oleh Suhas Holla, dkk,

menuliskan hasil penelitian tentang keunggulan dan keamanan mobile application android based

. Dalam penelitian Sin Kwan Kang tahun 2012 yang berjudul “A Study on the Mobile Communication Network with Smart Phone for Building of Location Based Real Time Reservation System” telah secara khusus menggunakan mobile based untuk system reservasi

dengan menggabungkan augmented reality. Dalam penelitian tahun 2012 yang berjudul “Face

Analysis and Recognition in Mobile Device”oleh Mauricio Villegas Santamaria telah secara

khusus menggabungkan algoritma eigenfaces, algoritma fisherfaces dan algoritma local features

untuk dapat menangkap wajah dan mengenalinya secara spesifik jenis kelamin dan namanya di

perangkat mobile berbasis j2me khusus untuk seri N70. Artikel yang berjudul ”Face Recognition Application on Android” oleh Aditya Pabbaraju dan Srujankumar Puchakayala, menggabungkan

algoritma eigenfaces dan algoritma fisherfaces pada perangkat android mobile. Menghasilkan hasil kecepatan mendeteksi wajah 0,9 detik, preprocecingnya 0,03 detik, projecting dengan eigen vector space 0,4 detik, detecting the min 0,01 detik( variable), similar growth entire process 1,4 detik. Jurnal tahun terbit 2012 atas nama Jianfeng Ren etc yang berjudul “A Complete and Fully

(26)

Berdasarkan penjelasan di atas dapat dilihat bahwa penelitian terhadap perangkat lunak

berbasis android telah banyak dilakukan akan tetapi dari penelitian-penelitian tersebut, belum

ada yang secara khusus mengembangkan aplikasi absensi berbasis android dengan algoritma

fisherface untuk verifikasi wajah

Gambar 1.2. Diagram Fishbone

1.7 Hipotesis

Perangkat lunak berbasis android dengan verifikasi wajah dapat menambah aplikasi

berbasis android yang telah ada disamping memiliki kelebihan pada fitur verifikasi wajah yang

diimplementasikan langsung dalam mengamankan sebuah aplikasi mobile berbasis android,

mengetahui cara merancang sebuah perangkat aplikasi absensi berbasis android dengan

verifikasi wajah dan untuk mengetahui unjuk kerja sistem perangkat aplikasi absensi berbasis

android dengan verifikasi wajah sehingga pengguna yang menggunakan aplikasi berbasis

android merasakan lebih aman dalam menggunakan dan mengamankan privasinya pada saat

(27)
(28)

BAB II

KAJIAN PUSTAKA

2.1State Of Art Review

Penelitian tentang verifikasi wajah di mobile device telah banyak dan dengan beberapa

metode yang berbeda, berikut beberapa penelitian yang berkaitan:

Penelitian yang berjudul “Face Analysis and Recognition in Mobile Device” tahun 2008

oleh Mauricio Villegas Santamaria membandingkan beberapa metode verification wajah dari segi waktu dan ketepatannya serta membandingkan metode verification wajah di computer dan perangkat mobile berbasis j2me yaitu handphone seri n70.

Penelitian yang berjudul “Face Recognition in Mobile device” tahun 2010 oleh Mattias

Junered telah menerapkan gabungan algoritma PCA, LDA, SVM, ICA, metode matching graph

dan metode Neural Network.

Penelitianoleh Donovan Gentles dalam tesisnyayang berjudul “Aplication of Biometrics

in Mobile Voting”. Tahun 2012, dalam penelitian tersebut memfokuskan tentang penggunaan

aplikasi biometric untuk mobile voting.

Jurnal “Android Based Mobile Application Development and its Security”, Tahun 2012

oleh Suhas Holla, dkk, menuliskan hasil penelitian tentang keunggulan dan keamanan mobile

application android based .

Dalam penelitian Sin Kwan Kang tahun 2012 yang berjudul “A Study on the Mobile Communication Network with Smart Phone for Building of Location Based Real Time Reservation System” telah secara khusus menggunakan mobile based untuk system reservasi

(29)

Dalam artikel yang berjudul ”Face Recognition Application on Android” oleh Aditya

Pabbaraju dan Srujankumar Puchakayala, menggabungkan algoritma eigenfaces dan algoritma fisherfaces pada perangkat android mobile. Menghasilkan hasil kecepatan mendeteksi wajah 0,9 detik, preprocessing 0,03 detik, projecting dengan eigen vector space 0,4 detik, detecting the min

0,01 detik( variable), similar growth entire process 1,4 detik.

Jurnal tahun terbit 2012 atas nama Jianfeng Ren etc yang berjudul “A Complete and

Fully Automated Face Verification System On Mobile Devices”,pada artikel ini membahas

verifikasi wajah di mobile khususnya untuk PDA dengan 02FN database.

Tabel 2. 1. Penelitian Sebelumnya metode verification wajah di computer dan perangkat mobile berbasis j2me yaitu nokia seri n70

Keunggulan dan keamanan mobile application android based

(30)

Real Time Reservation

dan algoritma fisherfaces pada perangkat android mobile. Menghasilkan hasil kecepatan mendeteksi wajah 0,9 detik,

preprocecingnya 0,03 detik, projecting

dengan eigen vector space 0,4 detik,

detecting the min 0,01 detik( variable), similar growth entire process 1,4 detik

7. Jianfeng

(31)

Suhas Holla, dkk (2012)

Pemrograman berorientasi objek merupakan suatu konsep yang membagi program

menjadi objek - objek yang saling berinteraksi sama lain. Objek merupakan kesatuan entitas

yang memiliki sifat dan tingkah laku. Keuntungan OOP (Hermawan, 2004) antara lain, yaitu :

a. Alami (Natural),

b. dapat diandalkan (Reliable),

(32)

d. mudah untuk dimaintain (Maintainable),

e. dapat diperluas (Extendable),

f. efesiensi waktu,

Java merupakan salah satu bahasa pemrograman yang menggunakan konsep OOP. Java

adalah suatu teknologi di dunia software computer. Selain merupakan suatu bahasa pemrograman, Java juga merupakan suatu platform. Mulanya Java diciptakan dengan tujuan untuk menghasilkan bahasa komputer sederhana yang dapat dijalankan di peralatan sederhana

dengan tidak terikat pada arsitektur tertentu. Terakhir teknologi Java melahirkan J2ME (Java 2

Micro Edition) yang sudah diadopsi oleh Nokia, Siemens, Sony Ericsson, Motorola, Samsung

untuk menghasilkan aplikasi mobile baik games maupun software bisnis dan berbagai jenis

software lain yang dapat dijalankan di peralatan mobile seperti ponsel (Rickyanto, 2005).

2.3 Perangkat Lunak

Perancangan perangkat lunak adalah disiplin manajerial dan teknis yang berkaitan dengan

pembuatan dan pemeliharaan produk perangkat lunak secara sistematis, termasuk pengembangan

dan modifikasinya, yang dilakukan pada waktu yang tepat dan dengan mempertimbangkan faktor

biaya.

Software engineer bertugas melakukan analisa, rancangan, uji dan verifikasi, dokumentasi, pemeliharaan perangkat lunak, serta pengelolaan proyek. Software engineer harus mempunyai keterampilan dan pengalaman seorang programmer.

Programmer adalah individu yang bertugas dalam hal rincian implementasi, pengemasan, dan modifikasi algoritma serta struktur data, dituliskan dalam sebuah bahasa pemrograman

(33)

Dalam membuat sebuah perangkat lunak terdiri dari beberapa tahap / fase yang

menggambarkan sebuah kegiatan yang akan dilakukan sehingga memudahkan dalam

mendefinisikan, mengembangkan, menguji, mengantarkan, mengoperasikan, dan memelihara

produk perangkat lunak. Setiap fase membutuhkan informasi masukan, proses dan produk yang

terdefinisi dengan baik. Deretan fase tersebut adalah :

a. Analisa terdiri dari fase pertama yaitu perencanaan yang menghasilkan dua produk yaitu

Pendifinisian Sistem (System Definition) dan Perencanaan Proyek (Poject Plan) dan fase kedua yaitu penetapan persyaratan yang menghasilkan sebuah produk spesifikasi

kebutuhan perangkat lunak (Software Requirements Specifications).

b. Perancangan melakukan identifikasi terhadap komponen perangkat lunak (fungsi, arus

data, penyimpanan data), hubungan antar komponen, struktur perangkat lunak

(dekomposisi menjadi modul-modul dan antar muka Perangkat Lunak). Fase ini

menghasilkan arsitektur rinci, terutama dalam bentuk algoritma-algoritma.

c. Implementasi adalah terjemahan langsung arsitektur rinci ke dalam bahasa

pemrograman tertentu.

d. Pengujian terdiri dari fase pertama yaitu uji integrasi dengan melakukan pengujian

terhadap semua modul dan pengantarmukaan sehingga pada level sistem dapat

beroperasi dengan benar, dan fase kedua yaitu uji penerimaan dengan melakukan

berbagai pengujian, mengacu kepada berbagai persyaratan yang telah ditentukan.

e. Pemeliharaan terdiri dari fase peningkatan kemampuan, adaptasi terhadap lingkungan

(34)

2.4Perangkat Mobile

Perangkat mobile merupakan perangkat bergerak yang digunakan sebagai alat

komunikasi dan komputasi seperti PDA (Personal Digital Assistance), smartphone dan cell phone. Berbagai perangkat mobile ini dibedakan berdasarkan spesifikasi perangkat keras dan perangkat lunaknya seperti processor, ukuram memory, screen resolution, sistem operasi, web browser dan sebagainya. Berikut ini adalah berbagai contoh gambar perangkat mobile.

Gambar 1.1. Contoh Perangkat Mobile

Perangkat mobile memiliki banyak jenis dalam hal ukuran, desain dan layout, tetapi memiliki kesamaan karakteristik yang sangat berbeda dari sistem desktop.

a. Ukuran yang kecil

Perangkat mobile memiliki ukuran yang kecil. Konsumen menginginkan

perangkat yang terkecil untuk kenyamanan dan mobilitas mereka.

b. Memory yang terbatas

Perangkat mobile juga memiliki memory yang kecil, yaitu primary (ram) dan

secondary (disk). Pembatasan ini adalah salah satu factor yang mempengaruhi

penulisan program untuk berbagai jenis dari perangkat ini. Dengan pembatasan jumlah

memory, pertimbangan-pertimbangan khusus harus diambl untuk memelihara

pemakaian sumber daya.

(35)

Sistem mobile tidaklah setangguh desktop. Ukuran, teknologi dan biaya adalah

beberapa faktor yang mempengaruhi status dari sumber daya ini.

d. Mengkonsumsi daya yang rendah

Perangkat mobile menghabiskan sedikit daya dibandingkan dengan mesin

desktop. Perangkat ini harus menghemat daya karena mereka berjalan pada keadaan

diman daya yang disediakan dibatasi oleh baterai.

2.5 Smartphone

Smartphone adalah telepon genggam yang mempunyai kemempuan tingkat tinggi,

kadang-kadang dengan fungsi yang menyerupai komputer. Belum ada standar pabrik yang

menentukan arti telepon cerdas. Smartphone merupakan telepon yang bekerja menggunakan

seluruh perangkat lunak system operasi yang menyediakan hubungan standar dan mendasar bagi

pengembang aplikasi. Bagi yang lainnya, telepon cerdas hanyalah merupakan sebuah telepon

yang menyajikan fitur canggih seperti surel (surat elektronik), internet dan kemampuan membaca

buku elektronik (e-book) atau terdapat papan ketik (baik sebagaimana jadi maupun dihubung keluar) dan penyambung VGA. Dengan kata lain, telepon cerdas merupakan komputer kecil

yang mempunyai kemampuan sebuah telepon. Pertumbuhan permintaan akan alat canggih yang

mudah dibawa kemana-mana membuat kemajuan besar dalam pemrosesan, pengingatan, layar

dan sistem operasi yang di luar dari jalur telepon genggam sejak beberapa tahun ini.

Kebanyakan alat yang dikategorikan sebagai telepon pintar menggunakan sistem

operasi yang berbeda. Dalam hal fitur, kebanyakan telepon pintar mendukung sepenuhnya

fasilitas surel dengan fungsi pengatur personal yang lengkap. Fungsi lainnya dapat menyertakan

miniatur papan ketik QWERTY, layar sentuh atau D-pad, kamera, pengaturan daftar nama,

(36)

pemutar musik, penjelajah foto dan melihat klip video, penjelajah internet, atau hanya sekedar

akses aman untuk membuka surel perusahaan.

Gambar 2. 2. Contoh Perangkat Smartphone

2.6 Sistem Operasi Android

Android adalah sistem operasi berbasis Linux dirancang terutama untuk perangkat mobile

touchscreen seperti smartphone dan komputer tablet. Awalnya dikembangkan oleh Android, Inc,

yang didukung Google finansial dan kemudian dibeli pada tahun 2005, Android ini diresmikan

pada tahun 2007 bersama dengan pendiri Open Handset Alliance: konsorsium hardware,

software, dan telekomunikasi perusahaan yang ditujukan untuk memajukan terbuka standar

untuk perangkat mobile. Yang pertama ponsel Android terjual pada bulan Oktober 2008.

Android adalah open source dan Google merilis kode di bawah Lisensi Apache. Ini kode sumber

terbuka dan lisensi permisif memungkinkan perangkat lunak untuk secara bebas dimodifikasi

dan didistribusikan oleh produsen perangkat, operator nirkabel dan pengembang antusias. Selain

itu, Android memiliki komunitas besar pengembang menulis aplikasi yang memperluas

fungsionalitas dari perangkat, ditulis terutama dalam versi disesuaikan dari bahasa pemrograman

(37)

perkiraan jumlah aplikasi yang diunduh dari Google Play, toko aplikasi utama Android, adalah

25 miliar. Faktor-faktor ini telah memberikan kontribusi terhadap pembuatan Android platform

smartphone dunia yang paling banyak digunakan, menyalip Symbian pada kuartal keempat tahun

2010 dan software pilihan bagi perusahaan teknologi yang membutuhkan biaya rendah,

disesuaikan, sistem operasi ringan untuk perangkat teknologi tinggi tanpa mengembangkan satu

dari awal. Sebagai hasilnya, meskipun terutama dirancang untuk ponsel dan tablet, ia telah

melihat aplikasi tambahan di televisi, konsol game, kamera digital dan elektronik lainnya. Sifat

terbuka Android telah lebih jauh mendorong komunitas besar pengembang dan penggemar untuk

menggunakan kode sumber terbuka sebagai dasar untuk proyek-proyek berbasis komunitas, yang

menambahkan fitur baru untuk pengguna tingkat lanjut atau membawa Android ke perangkat

yang resmi dirilis menjalankan operasi lainnya sistem. Sebuah laporan pada Juli 2013

menyatakan bahwa pangsa Android di pasar smartphone global, yang dipimpin oleh produk

Samsung, adalah 64% pada bulan Maret 2013. Keberhasilan sistem operasi telah membuatnya

menjadi target litigasi paten sebagai bagian dari apa yang disebut "perang smartphone" antara

perusahaan teknologi Pada Mei 2013, total 900 juta perangkat Android telah diaktifkan dan 48

miliar aplikasi telah diinstal dari toko Google Play menurut sumber wikipedia.

2.7 Android SDK (Software Development Kit)

Android SDK adalah tools API (Aplication Programming Interface) yang diperlukan untuk mengembangkan aplikasi pada platform Android menggunakan bahasa pemrograman

Java. Sebagai platform aplikasi netral, Android memberi kesempatan bagi semua orang untuk

membuat aplikasi yang dibutuhkan, yang bukan merupakan aplikasi bawaan Handphone / Smartphone (Safaat H, 2011). Beberapa fitur-fitur Android yang paling penting adalah :

(38)

b. Integrated browser berdasarkan engine open source WebKit.

c. Grafis yang dioptimalkan dan didukung oleh libraries grafis 2D, grafis 3D

berdasarkan spesifikasi opengl ES 1.0 (Opsional akselerasi perangkat keras).

d. SQLite untuk penyimpanan data (database).

e. Media yang mendukung audio, video, dan gambar.

f. Bluetooth, EDGE, 3G dan WiFi, Kamera dan GPS

g. Lingkungan Development yang lengkap dan kaya termasuk perangkat emulator,

tools untuk debugging, profil dan kinerja memori, dan plugin untuk IDE Eclipse.

2.8 Eclipse

Dalam pemrograman komputer, Eclipse adalah multi-bahasa lingkungan pengembangan

Terpadu (IDE) yang terdiri dari ruang kerja dasar dan extensible sistem plug-in untuk mengubah

lingkungan. Hal ini ditulis sebagian besar di Java. Hal ini dapat digunakan untuk

mengembangkan aplikasi di Jawa dan, melalui berbagai plug-in, bahasa pemrograman lain

termasuk Ada, C, C + +, COBOL, Fortran, Haskell, JavaScript, Perl, PHP, Python, R, Ruby

(termasuk Ruby on Rails kerangka), Scala, Clojure, Groovy, Skema, dan Erlang. Hal ini juga

dapat digunakan untuk mengembangkan paket untuk software Mathematica. Pembangunan

lingkungan termasuk Eclipse Java Development Tools (JDT) untuk Jawa dan Scala, Eclipse CDT untuk C / C + + dan Eclipse PDT untuk PHP, antara lain. Basis kode awal berasal dari IBM

Visual Age The Eclipse Software Development Kit (SDK), yang meliputi alat pengembangan Java, dimaksudkan untuk pengembang Java.. Pengguna dapat memperpanjang kemampuannya

dengan menginstal plug-in ditulis untuk Platform Eclipse, seperti toolkit pengembangan untuk

bahasa pemrograman lain, dan dapat menulis dan berkontribusi sendiri plug-in modul. Dirilis di

(39)

(meskipun tidak sesuai dengan GNU General Public License . Itu salah satu IDE pertama yang berjalan di bawah GNU Classpath dan itu berjalan tanpa masalah di bawah IcedTea.

2.9 SQLite

SQLite merupakan sebuah sistem manajemen basisdata relasional yang bersifat ACID -compliant dan memiliki ukuran pustaka kode yang relatif kecil, ditulis dalam bahasa C. SQLite

merupakan proyek yang bersifat public domain yang dikerjakan oleh D. Richard Hipp

Tidak seperti pada paradigma client-server umumnya, Inti SQLite bukanlah sebuah

sistem yang mandiri yang berkomunikasi dengan sebuah program, melainkan sebagai bagian

integral dari sebuah program secara keseluruhan. Sehingga protokol komunikasi utama yang

digunakan adalah melalui pemanggilan API secara langsung melalui bahasa pemrograman.

Mekanisme seperti ini tentunya membawa keuntungan karena dapat mereduksi overhead, latency times, dan secara keseluruhan lebih sederhana. Seluruh elemen basisdata (definisi data, tabel, indeks, dan data) disimpan sebagai sebuah file. Kesederhanaan dari sisi disain tersebut bisa

diraih dengan cara mengunci keseluruhan file basis data pada saat sebuah transaksi dimulai

(Safaat N, 2005).

Terdapat beberapa alasan mengapa SQLite sangat cocok untuk pengembangan aplikasi

Android, yaitu :

a. Database dengan konfigurasi nol. Artinya tidak ada konfigurasi database untuk para

developer. Ini membuatnya relatif mudah digunakan.

b. Tidak memiliki server. Tidak ada proses database SQLite yang berjalan. Pada dasarnya satu set libraries menyediakan fungsionalitas database.

c. Single-file database. Ini membuat keamanan database secara langsung.

(40)

2.10 Face Recognition

Sistem pengenalan wajah/recognition wajah adalah aplikasi pengolahan citra yang dapat

mengidentifikasi atau memverifikasi seseorang melalui citra digital atau frame video. Saat ini

sistem pengenalan wajah telah menjadi salah satu aplikasi pengolahan citra yang cukup popular

terutama di dalam bidang keamanan seperti verifikasi kartu kredit dan identifikasi penjahat.

Sistem pengenalan citra wajah umumnya mencakup empat modul utama:

1. Deteksi wajah (face detection). 2. Penyelasaran wajah (Face Alignment) 3. Ekstraksi fitur fisherface (feature extraction) 4. Pencocokan (matching).

2.10.1 Deteksi Wajah

Proses deteksi wajah merupakan salah satu bagian terpenting dalam sistem pengenalan

wajah. Sistem harus mampu mendeteksi keberadaan wajah pada citra dengan berbagai variasi

pose, pencahayaan, ekspresi wajah dan atribut (kaca mata, kumis dan jenggot).

Gambar 2. 3. Diagram Blok Deteksi Wajah Metode Fisherface

(41)

Wajah digunakan untuk menunjukkan sikap seseorang terhadap ekspresi wajah, penampilan,

serta identitas dari seseorang. Tidak ada satu pun wajah yang sama atau serupa mutlak, bahkan

pada manusia kembar sekalipun. Wajah sebagai objek dua dimensi digambarkan dengan

berbagai macam illuminasi, pose dan ekspresi wajah untuk diidentifikasi berdasarkan citra dua

dimensi dari wajah tersebut. Melihat wajah, manusia dapat mengenali atau mengidentifikasi

seseorang dengan mudah (Zayuman, 2010)

Sistem pengenalan wajah seseorang tidak mengganggu kenyamanan seseorang saat akuisisi

citra. Pendekatan yang paling umum untuk pengenalan wajah didasarkan pada bentuk dan

penempatan atribut wajah seperti mata, alis mata, hidung, bibir dan dagu serta hubungan antara

atribut tersebut atau analisis wajah secara keseluruhan yang menghadirkan suatu wajah sebagai

suatu kombinasi dari sejumlah wajah kanonik. Suatu sistem pegenalan wajah pada prakteknya

agar dapat bekerja dengan baik maka sistem harus secara otomatis dapat mendeteksi kehadiran

wajah pada citra yang diperoleh, menempatkan posisi wajah dan mengenali wajah dari suatu

sudut pandang umum atau berbagai pose. Beberapa kesulitan dalam penggunaan biometrika

wajah, diantaranya: penyamaran, deteksi wajah ditengah keramaian orang, sudut pandang atau

pose

Pengenalan wajah (face recognition) merupakan salah satu teknologi biometrik yang sekarang telah diterapkan untuk banyak aplikasi dalam bidang keamanan, antara lain access security system, Authentification system, hingga sebagai alat bantu dalam pelacakan pelaku kriminal. Namun dalam perkembangannya masih terdapat beberapa permasalahan, selain

masalah komputasi dan kapasitas penyimpanan data, kondisi citra wajah yang menjadi masukan

(42)

mempengaruhi kondisi citra wajah manusia diantaranya adalah pencahayaan, ekspresi wajah dan

perubahan atribut seperti kumis, janggut dan kacamata.

Pada tahun 1997, Peter N. Belhumeur, Joao P. Hespanha dan David J. Kriegman

mengembangkan algoritma yang dinamakan Fisherface. Algortima ini merupakan gabungan dari metode Principal Component Analysis (PCA) dengan Fisher’s Linear Discriminant (FLD). Dasar dari algoritma ini adalah reduksi dimensi yang sekaligus memperbesar rasio jarak antar

kelas terhadap jarak intra kelas dari vektor ciri. Semakin besar rasio, vektor ciri yang dihasilkan

semakin tidak sensitif terhadap perubahan ekspresi ataupun perubahan cahaya, sehingga dapat

menghasilkan klasifikasi yang lebih baik. Selain dapat menghasilkan tingkat klasifikasi yang

lebih baik, algoritma Fisherface ini juga performa dan waktu pemrosesan yang lebih cepat. Dengan kelebihannya, tentunya algoritma Fisherface ini cocok untuk diimplementasikan pada sistem pengenalan wajah yang berbasis pada smartphone android

2.10.1.a. Metode Fisherface

Metode Fisherface dikembangkan oleh Peter N. Belhumeur, João P. Hespana dan David J. Kreigman pada tahun 1997 untuk mengatasi kelemahan metode Eigenface, khususnya untuk citra dalam variasi pencahayaan dan ekspresi wajah. Metode ini mentransformasikan vektor dari

ruang citra berdimensi-n ke ruang citra berdimensi-m dengan m < n 2.

Dasar dari metode Fisherface ini adalah Fisher's Linear Discriminant (FLD). FLD ditemukan oleh Robert Fisher pada tahun 1936 untuk klasifikasi taksonomi dan menjadi salah

(43)

membentuk jarak (scatter) antar kelas dan intra kelas sehingga dapat menghasilkan klasifikasi yang lebih baik.

Fisher's Linear Discriminant yang menjadi dasar dari algoritma Fisherface memilih matriks transformasi W yang dapat memaksimalkan rasio antara determinan between-class scatter (SB) dengan within-class scatter (SW) dari vektor-vektor ciri melalui fungsi :

Wopt = argmax ………. (1)

= 1

;

2

;

. ;

dimana [w1; w2; ....; wm] merupakan m buah vektor eigen (dalam bentuk vektor baris) dari rasio antara SB dengan SW, yang bersesuaian dengan m buah nilai eigen terbesar. Jika wi adalah vektor eigen dari rasio antara matriks SB dengan matriks SW dan di merupakan nilai eigen yang bersesuaian, maka :

1

=

1 ………..………... (2)

dimana i = 1...m dan d1 > d2 > ... > dm.

Jika xi, i = 1...N adalah vektor citra dimensi-n dan masing-masing vektor citra merupakan anggota salah satu dari C kelas citra wajah {X1, X2, ..., XC} dan vektor u adalah rata-rata vektor citra yang dapat diperoleh dari persamaan :

=

1 =1 ……….. (3)

maka matriks SB dan matrik SW dapat diperoleh melalui persamaan berikut :

=

=1

� − � � − �

………. (4)

(44)

dimana Ni adalah jumlah anggota kelas Xi dan μi adalah rata-rata citra anggota kelas Xi, i = 1...C.

Suatu citra wajah dengan lebar dan tinggi masing-masing l dan t piksel mempunyai jumlah piksel sebanyak lxt. Tiap-tiap piksel dikodekan dengan nilai 0-255 sesuai dengan nilai tingkat keabuannya. Maka dapat dibentuk citra wajah berdasarka nilai keabuan tersebut yaitu :

=

dimana i = 1...N (banyaknya citra wajah)

Setiap gi adalah anggota salah satu kelas wajah X. Jika terdapat C buah kelas wajah X maka terdapat Xj, dimana j = 1..C. Untuk setiap kelas wajah Xj terdapat Nj citra wajah, dimana j =

1..C dan N1 = N2 = Nj. Dengan demikian jumlah citra wajah adalah N1 + N2 + N3 + ... + Nc = N.

Dari vektor citra wajah di atas dapat dibentuk suatu vektor baris citra wajah yaitu : xi = [a11

a12 ... ag ] (1*N)

Dengan demikian vektor citra dikatakan berada dalam ruang citra dimensi-n, dimana i =

1...N. Selanjutnya adalah membentuk matriks input berdimensi N*n yang berisi kumpulan vektor

baris citra yang akan digunakan dalam pelatihan dan pengujian.

(45)

Konstruksi fisherface adalah pembuatan suatu set fisherface dari suatu set gambar training dengan menggunakan perhitungan Principal Component Analysis (PCA) dan Fisher’s Linear

Discriminant (FLD). Perhitungan PCA dilakukan dengan langkah-langkah sebagai berikut: 1. Mengambil satu set gambar training dan kemudian mentransformasikan setiap gambar

tersebut menjadi vektor kolom, sehingga akan didapat satu matriks yang tiap kolomnya

mewakili gambar yang berbeda, face space ( Γ )

2. Membentuk average face (Ψ), yaitu nilai rata-rata dari seluruh gambar wajah pada

training set, dan mengurangi seluruh gambar pada training set terhadap average face

untuk mencari deviasinya ȼ

ȼ= Γ-Ψ ……….. (8)

3. Menghitung matriks kovarian (A), yaitu dengan melakukan operasi perkalian transpose

dari training set yang telah dinormalisasikan.

………... (9)

4. Menghitung nilai eigen (λ) dan vektor eigen (ν) dari matriks kovarian. λ

5. Mengurutkan vektor eigen berdasarkan dengan besarnya nilai eigen masing-masing

vektor.

6. Menghitung matriks proyeksi PCA (Wpca) yaitu dengan mengalikan nilai deviasi dengan

vektor eigen dan menormalisasikan hasilnya. ′ = Ȼ ⋅ ……….. (10)

(46)

2.10.1.b. Eigenface

Pada dasarnya (Agustina, 2002), metode Eigenface bertujuan untuk mengekstrak ciri-ciri

suatu citra dengan teori Principal Component Analysis (PCA) atau transformasi Karhunen- Loeve, yaitu menyusun suatu citra baru yang mengandung hanya informasi informasi penting

dari citra yang lama. Metode ini bertujuan untuk memaksimalkan total-scatter atau jarak vector ciri (Roth, 2007). Jadi informasi cirri mengenai suatu citra akan disebarkan sehingga bercampur

dengan informasi ciri citra yang lain. Setiap citra dapat direpresentasikan sebagai vektor baris xi,

i = 1 … N, berdimensi n. Nilai n merupakan dimensi ruang citra, sehingga xi berada di dalam

ruang citra berdimensi n. Matriks kovarian STatau matriks total-scatter, didefinisikan sebagai:

= ∙ ……….…(11)

di mana A = [Φi], dimanaΦi adalah selisih vektor citra dengan rata-rata vector citra xi, i = 1 … N Transformasi Karhunen-Loeve atau PCA terhadap vektor citra akan menghasilkan

vektor-vektor ciri yang memiliki total-scatter: W ST WT

dengan W adalah matriks transformasi. Matriks transformasi W yang dipilih adalah matriks yang dapat dimaksimalkan determinan dari total-scatter vector vector ciri. Atau:

= arg max ……….(12)

= 1; 2 ;. ;

di mana wi, i = 1 … m, adalah kumpulan vektor eigen dari ST (dalam bentuk vector basis) yang bersesuaian dengan m nilai eigen terbesar. Vektor-vektor eigen ini, yang disebut principal components, memiliki dimensi yang sama dengan citra wajah, yaitu n, sehingga disebut sebagai

Eigenfaces atau Eigenpictures. Eigenfaces merupakan vector vektor basis dari ruang ciri dimensi-m. Transformasi citra dari ruang citra dimensi-n ke ruang ciri dimensi-m adalah

Yi =ɸi W T

(47)

Dengan demikian, dapat diperoleh vector ciri berdimensi m untuk masing-masing citra. Besarnya nilai m dapat ditentukan melalui persamaan berikut:

= �=1

=1

………...(14)

dimana θ adalah suatu nilai ambang atau threshold dan 0 < threshold ≤ 1.

2.10.2. Penyelarasan Wajah

Pada proses pendeteksian wajah, citra wajah yang didapatkan masih berupa perkiraan

kasar atau masih memiliki kualitas yang cukup buruk seperti ukuran yang berbeda dengan

ukuran normal, faktor pencahayaan yang kurang atau lebih, kejelasancitra yang buruk dan

sebagainya. Sehingga perlu dilakukan proses penyelarasan.Proses penyelarasan wajah

merupakan proses yang bertujuan untuk menormalisasi wajah dari citra wajah yang didapatkan

dari proses pendeteksian wajah. Proses ini terdiri dari tahapan-tahapan sebagai berikut:

1. Grayscaling (tahap konversi citra warna menjadi warna abu)

2. Pemotongan (tahap pemisahan citra wajah dengan latar belakangnya)

3. Resizing (tahap normalisasi dimensi citra)

4. Equalizing (tahap koreksi tingkat kecerahan citra)

2.10.3. Ekstraksi Fitur

Reduksi komponen atau fitur wajah dilakukan untuk mengurangi memori yang

dibutuhkan dan waktu komputasi. Ada dua cara yang digunakan yaitu pemilihan fitur (feature selection) dan ekstraksi fitur (feature extraction). Pemilihan fitur bertujuan untuk memilih sejumlah fitur yang banyak berpengaruh dari fitur yang ada. Sedangkan ekstraksi fitur di dapat

(48)

Fitur adalah segala jenis aspek pembeda, kwalitas atau karakteristik. Fitur bisa berupa

simbolik (misal warna) atau numerik (misal intensitas). Terdapat dua jenis karakteristik yang

disebut sebagai fitur dari sebuah citra:

A. Bagian global dari suatu citra.

B. Bagian khusus dari suatu citra.

Terkadang fitur dari suatu citra tidak berhubungan langsung dengan bagia-bagian yang

terdapat pada citra tersebut tetapi masih mencerminkan karakteristik tertentu dari citra. Fitur

wajah merupakan hasil suatu algoritma ekstraksi terhadap citra wajah. Ekstraksi fitur

dilaksanakan dengan alasan:

1. Mengurangi data masukan (sehingga mempercepat proses dan mengurangi kebutuhan

data).

2. Menyediakan sekumpulan fitur yang relevan untuk proses klasifikasi.

3. Mengurangi redudansi.

4. Menemukan variabel fitur yang menjelaskan data.

5. Menghasilakan representasi dalam dimensi yang lebih kecil dengan sedikit informasi

yang hilang

2.11 Penyimpanan Fitur

Proses penyimpanan fitur merupakan tahapan terakhir dari proses pelatihan citra wajah.

Proses ini berfungsi untuk menyimpan fitur hasil ekstraksi citra wajah yang ada di dalam

database ke dalam sebuah file berekstensi *.xml. File inilah yang nantinya akan digunakan untuk proses pencocokan antara citra wajah yang diuji dengan hasil ekstraksi fitur yang terdapat pada

(49)

2.11.1 Pencocokan

Pencocokan fitur adalah tahapan inti dari pada proses pengenalan citra wajah. Proses ini

merupakan proses pencocokan fitur dari citra uji dengan fitur citra wajah dari database, yang sebelumnya telah melalui proses pelatihan citra. Proses perbandingan ini dilakukan

Gambar

Gambar 1.2. Diagram Fishbone
Tabel 2. 1. Penelitian Sebelumnya
Tabel 2. 2. Metriks Kebaharuan
Gambar 1.1. Contoh Perangkat Mobile
+3

Referensi

Dokumen terkait

Alhamdulillahhirobbil’alamin selalu penulis panjatkan kehadirat Tuhan yang Maha Esa atas nikmat, berkah dan karunia-Nya, sehingga penulis dapat menyelesaikan skripsi

Puji syukur penulis panjatkan kehadirat Allah SWT Tuhan Yang Maha Esa atas segala limpahan erkah, rahmat dan karunia-Nya sehingga Tesis ini dapat diselesaikan melalui

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa karena atas berkat dan karunia-Nya, serta doa dari berbagai pihak sehingga penulis dapat

Segala Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan skripsi yang

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa karena atas berkat dan karunia-Nya, serta doa dari berbagai pihak sehingga penulis dapat menyelesaikan penulisan

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas berkah, rahmat, karunia, kesehatan, kekuatan, kemudahan, dan kelancaran dalam pelaksaan magang serta

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa karena atas berkat dan karunia-Nya, serta doa dari berbagai pihak sehingga penulis dapat menyelesaikan penulisan