TESIS
APLIKASI VERIFIKASI WAJAH UNTUK ABSENSI PADA
PLATFORM ANDROID DENGAN MENGGUNAKAN
ALGORITMA FISHERFACE
I PUTU PUTRAYANA WARDANA
PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA
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
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
PROGRAM STUDI TEKNIK ELEKTRO PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA DENPASAR
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.
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.
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,
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
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
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
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.
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.
DAFTAR PUSTAKA ... Error! Bookmark not defined.
LAMPIRAN ... Error! Bookmark not defined.
DAFTAR ISTILAH
1. Verifikasi : pencocokan kembali
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
DAFTAR TABEL
Tabel 2. 1. Penelitian Sebelumnya……...………..13
Tabel 2. 2. Metriks Kebaharuan……….14
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!
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
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
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,
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.
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
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
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
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
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
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
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
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
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
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),
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
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
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.
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,
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
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 :
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
(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.
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
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
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
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)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.
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)
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
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
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
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
