Sistem Pengenalan Wajah Tampak Samping dengan
Metode Harris Corner dan Backpropagation
OLEH :
INRO BERNAMANUEL SIMBOLON
09111001035
JURUSAN SISTEM KOMPUTER
FAKULTAS ILMU KOMPUTER
UNIVERSITAS SRIWIJAYA
2018
i
Sistem Pengenalan Wajah Tampak Samping dengan
Metode Harris Corner dan Backpropagation
TUGAS AKHIR
Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
OLEH :
INRO BERNAMANUEL SIMBOLON 09111001035
JURUSAN SISTEM KOMPUTER
FAKULTAS ILMU KOMPUTER
UNIVERSITAS SRIWIJAYA
2018
ii
LEMBAR PENGESAHAN
Sistem Pengenalan Wajah Tampak Samping dengan
Metode Harris Corner dan Backpropagation
TUGAS AKHIR
Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
OLEH :
INRO BERNAMANUEL SIMBOLON 09111001035
Inderalaya, September 2018
Pembimbing I Pembimbing II
Sutarno, M.T Sri Desy Siswanti, M.T
NIP. 197811012010121003 NIP. 197412072011082201
NIP. 197811012010121003
Mengetahui,
Ketua Jurusan Sistem Komputer
Rossi Passarella, M.Eng. NIP. 197806112010121004
iii
HALAMAN PERSETUJUAN
Telah diuji dan lulus pada:
Hari : Sabtu
Tanggal : 28 Juli 2018
Tim Penguji :
1. Ketua : Firdaus, M.Kom.
2. Penguji I : Erwin, M.Si.
3. Penguji II : Muhammad Ali Buchari, M.T.
4. Pembimbing I : Sutarno, M.T.
5. Pembimbing II : Sri Desy Siswanti, M.T.
Mengetahui,
Ketua Jurusan Sistem Komputer
Rossi Passarella, M.Eng. NIP. 197806112010121004
iv
LEMBAR PERNYATAAN
Yang bertandatangan dibawah ini :
Nama : Inro Bernamanuel Simbolon
NIM : 09111001035
Program Studi : Sistem Komputer
Judul : Sistem Pengenalan Wajah Tampak Samping dengan Metode Harris Corner dan Backpropagation
Hasil pengecekan software ithenticate/turnitin : 9%
Menyatakan bahwa laporan tugas akhir saya merupakan hasil karya sendiri dan bukan hasil penjiplakan / plagiat. Apabila ditemukan unsur penjiplakan / plagiat dalam laporan tugas akhir ini, maka saya bersedia menerima sanksi akademik dari Universitas Sriwijaya.
Demikian, pernyataan ini saya buat dalam keadaan sadar dan tidak dipaksakan
Inderalaya, September 2018 Yang menyatakan,
Inro Bernamanuel Simbolon NIM 09111001035
v
HALAMAN PERSEMBAHAN
(Yeremia 29:11)
Skripsi ini kupersembahkan kepada : 1. Bapak dan ibu yang tersayang
2. Adik-adikku yang tersayang serta keluarga besar 3. Sahabat-sahabat terbaik
4. Keluarga Besar Himpunan Mahasiswa Sistem Komputer 5. Teman-teman seperjuangan di Sistem Komputer 2011
6. Saudara-saudariku satu perhimpunan di PMKRI Cabang Palembang 7. Almamater Universitas Sriwijaya
vi
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Kuasa yang telah memberikan berkat, rahmat, hidayah serta kuasa-Nya sehingga penulis dapat menyelesaikan penulisan tugas akhir ini. Tugas akhir dengan judul “Sistem Pengenalan Wajah Tampak Samping dengan Metode Harris Corner dan
Backpropagation”, dib\uat dalam rangka memenuhi persyaratan untuk menyelesaikan pendidikan di Jurusan Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya.
Dalam penulisan Tugas Akhir ini penulis menyadari bahwa penulis banyak sekali mendapat dukungan dari berbagai pihak. Oleh karena itu dalam kesempatan ini penulis ingin mengucapkan terima kasih kepada :
1. Bapak Jaidan Jauhari, M.T. selaku Dekan Fakultas Ilmu Komputer
2. Bapak Rossi Pasarella, M.Eng. selaku Ketua Jurusan Sistem Komputer dan Pembimbing Akademik
3. Bapak Sutarno, M.T. selaku Seketaris Jurusan Sistem Komputer dan Pembimbing I Tugas Akhir
4. Bapak Erwin, M.Si. selaku Penguji I pada Ujian Tugas Akhir
5. Bapak Muhammad Ali Buchari, M.T. selaku Penguji II pada Ujian Tugas Akhir
6. Ibu Sri Desy Siswanti, M,T. sebagai Pembimbing II tugas akhir
7. Mbak Iis Oktaria, Kak Ahmad Reza dan seluruh staff Fakultas Ilmu Komputer.
8. Kedua orang tua saya Bapak Japirman Simbolon dan Ibu Kanin Belani yang telah memberikan seluruh pikiran, hati, tenaga, materi, serta doa dalam mendukung kemajuan saya dengan ketulusan hati.
9. Adik-adikku yang telah memberikan dukungan moral dan doa untuk menyelesaikan tugas akhir ini
vii
10. Keluarga besar Op. Mangihot Simbolon dan Keluarga besar Mbah Kong Wakimin yang banyak memberikan dukungan, nasehat serta doa bagi penulis demi dapat menyelesaikan tugas akhir ini.
11. Sahabat-Sahabatku yang selalu mendukung perjuanganku (Bernand, Andre, Yogy, Deaz, Fandy, Manggala, Eric, Poltak)
12. Saudara saudariku seperhimpunan di PMKRI Cabang Palembang yang telah memberikan banyak pengalaman berharga dalam benang merah fraternitas, kristianitas, dan intelektualitas.
13. Seluruh sahabat Sistem Komputer Angkatan 2011 yang terbaik. 14. Keluarga Besar Himasisko yang luar biasa.
15. Seluruh pihak yang telah ikut serta membantu penulis dalam menyelesaikan tugas akhir ini.
Dalam penulisan laporan ini penulis juga sangat menyadari bahwa masih banyak terdapat kekurangan dan ketidaksempurnaan, oleh karena itu penulis mohon saran dan kritik yang membangun untuk perbaikan Laporan Tugas Akhir ini agar menjadi lebih baik di masa yang akan datang.
Inderalaya, September 2018
viii
Side View Face Recognition System Using Harris Corner and
Backpropagation Methods
Inro Bernamanuel Simbolon
Abstract
Face recognition systems generally use front view face objects . In this research, the side view face was used as the main object in the side-view facial recognition system. This system was developed by using two methods, the detection system with Harris corner and classification for side view face recognition using backpropagation. Harris corner will show the corner of the side structure of the side view, this corner is then used as feature extraction. To get the vertex, it is necessary to pay attention to the parameters k, sigma, and threshold. After that the point that has been obtained is calculated Euclidean distance between the corners to be used as an input vector in the next method, namely backpropagation. The number of input vectors is the most number of corner obtained from all side-looking facial images. The introduction is done by using backpropagation by comparing the output value of the training data that has been obtained in the training process compared to the image value tested. In this study testing of data that has been trained and data that have not been trained, the data that has been tested for testing 100 image samples with 20 target names results in an introduction with a percentage of sensitivity of 72.25%, specificity of 98.72, and accuracy of 97, 5%. While testing for data that has not been trained as much as 40 test data samples with 20 target names get a percentage of sensitivity 61.17%, specificity 98.18%, and accuracy of 95.38%
ix
Sistem Pengenalan Wajah Tampak Samping dengan Metode
Harris Corner dan Backpropagation
Inro Bernamanuel Simbolon
Abstrak
Sistem pengenalan wajah pada umumnya menggunakan objek wajah secara penuh tampak depan dalam aplikasinya. Pada penelitian ini, wajah tampak samping digunakan sebagai objek utama dalam sistem pengenalan wajah tampak samping. Sistem ini dikembangkan dengan menggunakan dua metode, system deteksi dengan Harris corner dan klasifikasi untuk pengenalan wajah tampak samping menggunakan backpropagasi. Harris corner akan menunjukkan titik sudut struktur wajah tampak samping , sudut ini kemudian digunakan sebagai ekstraksi fitur. Untuk mendapatkan titik sudut tersebut perlu memperhatikan parameter-parameter k, sigma , dan threshold. Setelah itu titik yang sudah didapat dihitung jarak Euclidean antar sudutnya untk dijadikan vector input pada metode selanjutnya yaitu backpropagasi. Jumlah vector input adalah jumlah sudut terbanyak yang didapat dari semua citra wajah tampak samping. Pengenalan dilakukan dengan menggunakan backpropagasi dengan membandingkan nilai output data latih yang sudah didapat pada proses training dibandingkan dengan nilai citra yang diuji. Pada penelitian ini dilakukan pengujian terhadap data yang sudah dilatih dan data yang belum dilatih, pada data yang sudah dilatih pengujian terhadap 100 sampel citra dengan 20 nama target menghasilkan pengenalan dengan tingkat persentasi sensitivitas 72,25%, spesifisitas 98,72, dan akurasi 97,5%. Sedangkan pengujian untuk data yang belum dilatih sebanyak 40 sampel data uji dengan 20 nama target mendapatkan persentasi sensitivitas 61,17%, spesifisitas 98,18%, dan akurasi 95,38%
x DAFTAR ISI
Halaman
Halaman Judul i
Lembar Pengesahan ii
Halaman Persetujuan iii
Lembar Pernyataan iv
Halaman Persembahan v
Kata Pengantar vi
Abstrak viii
Daftar Isi x
Daftar Gambar xiii
Daftar Tabel xv BAB I. PENDAHULUAN 1.1. Latar Belakang 1 1.2. Tujuan 2 1.3. Manfaat 3 1.4. Rumusan Masalah 3 1.5. Batasan Masalah 3 1.6. Metodologi Penelitian 4
BAB II. TINJAUAN PUSTAKA
2.1. Wajah 7
2.1.1. Frontal Face 7
2.1.2. Side View Face (Wajah Tampak Samping) 8
2.2. Citra Digital 9 2.2.1. Citra Biner 9 2.2.2 Citra Grayscale 10 2.2.3 Citra Warna 10 2.3 Konvolusi 11 2.4 Gaussian Filter 12
xi
2.5 Deteksi Sudut 12
2.6 Harris Corner 14
2.6.1 Local Structure Matrix 16
2.6.2 Corner Response Function 17
2.6.3 Corner Points 18
2.7 Euclidean Distance 18
2.8 Normalisasi 19
2.9 Jaringan Syaraf Tiruam 19
2.9.1 Konsep Dasar Jaringan Syaraf Tiruan 19
2.9.2 Propagasi Balik (Backpropagation) 21
2.9.3 Arsitektur Propagasi Balik 22
BAB III. METODOLOGI PENELITIAN
3.1 Pendahuluan 25
3.2 Perancangan Hardware 25
3.3 Perancangan Lingkungan (Environment) 25
3.4 Perancangan Sistem 26
3.4.1 Pengambilan Citra 26
3.4.2 Pre Processing (Pra Pengolahan) 26
3.4.2.1 Cropping 26
3.4.2.2 Grayscale 27
3.4.3 Deteksi Sudut Harris 28
3.4.4 Euclidean Distance 30
3.4.5 Norrmalisasi 30
3.4.6 Backpropagation 30
3.4.6.1 Pelatihan Backpropagation 31
3.4.7 Proses Recognition(Pengenalan) 32
3.4.8 Perancangan Perangkat Lunak 33
3.4.8.1 Dataset 34
3.4.8.2 Pembelajaran 35
3.4.8.3 Recognition/pengenalan 36
BAB IV. HASIL DAN ANALISIS
xii
4.2 Pengujian Perangkat Lunak 37
4.2.1 Pengambilan Data 37
4.2.2 Penyimpanan Data Latih 37
4.3 Pengujian Grayscale 38
4.4 Pengujian Harris Corner 39
4.4.1 Perhitungan Gradient Citra A, B, C 39
4.4.2 Output Gaussian Blur 43
4.4.3 Harris Corner Response 44
4.5 Hasil Sudut Terdeteksi 45
4.6 Input untuk Proses Pengenalan 46
4.7 Pengujian Sistem Pelatihan Backpropagasi 47
4.8 Pengujian Pengenalan Wajah Tampak Samping 47
4.8.1 Pengujian terhadap Data yang Pernah Dilatih 48
4.8.2 Pengujian terhadap Data yang Belum DIlatih 53
BAB V. KESIMPULAN
5.1 Kesimpulan 57
5.2 Saran 57
DAFTAR PUSTAKA
xiii
DAFTAR GAMBAR
Halaman
Gambar 1.1 Skema metodologi penelitian 4
Gambar 2.1 Titik Wajah pada Area Frontal 7
Gambar 2.2 Wajah Tampak Samping 8
Gambar 2.3 Citra biner 9
Gambar 2.4 Citra Grayscale 10
Gambar 2.5 Citra RGB 11
Gambar 2.6 Teknik Konvolusi 12
Gambar 2.7 Deteksi Sudut 13
Gambar 2.8 Ide Dasar Deteksi Sudut 14
Gambar 2.9 Struktur JST 20
Gambar 2.10 Struktur JST 21
Gambar 2.11 Arsitektur Backpropagation 22
Gambar 3.1 Bagan Umum Sistem 26
Gambar 3.2 (a) Citra wajah asli 27
(b) Citra wajah Crop 27
Gambar 3.3 Flowchart grayscale 28
Gambar 3.4 Flowchart Harris Corner 29
Gambar 3.5 Arsitektur backpropagation pada sistem 31 Gambar 3.6 Flowchart Proses Jaringan Syaraf Tiruan 32 Gambar 3.7 Flowchart pengujian backpropagation 33
Gambar 3.8 Menu utama 34
Gambar 3.9 Sub menu data set 34
Gambar 3.10 Sub menu pembelajaran 35
Gambar 3.11 Sub menu pendeteksian 36
Gambar 4.1 Proses Data Latih 38
xiv
Gambar 4.3 Output Gaussian blur A(A’) 43
Gambar 4.4 Matriks 10x10 Output Blur B (B’) 43
Gambar 4.5 Matriks 10x10 Output Blur C (C’) 44
Gambar 4.6 Proses Pelatihan(training) Backpropagation 47
xv
DAFTAR TABEL
Halaman
Tabel 4.1 Nilai Citra RGB 10x10 pixel 39
Tabel 4.2 Nilai grayscale sampel 10x10 pixel 40
Tabel 4.3 Nilai Harris Corner pada sudut terdeteksi 45 Tabel 4.4 Tabel Nilai Length dan Vektor Input pada Koordinat Sudut 46 Tabel 4.5 Hasil Pengujian terhadap Data yang Sudah Dilatih 48 Tabel 4.6 Data hasil sensitvitas, spesifisitas, dan akurasi pada data
latih wajah tampak samping 52
Tabel 4.7 Hasil Pengujian terhadap Data yang Tidak Dilatih 53 Tabel 4.8 Data hasil sensitivitas, spesifisitas, dan akurasi pada 55
1 BAB I PENDAHULUAN
1.1 Latar Belakang
Face recognition atau pengenalan wajah sampai saat ini merupakan
bidang pengolahan citra yang masih banyak diminati untuk perkembangan penelitian. Beberapa aplikasi yang digunakan dengan menerapkan face
recognition diantaranya untuk tujuan keamanan (CCTV, ATM machines, dan
otentikasi email) dan verifikasi identitas (passports, registrasi elektornik, dll)[1]. Dalam bidang ilmu pengolahan citra, Face recognition sendiri memiliki banyak hal yang dapat dijadikan objek penelitian, diantaranya adalah pose wajah, ekspresi wajah, orientasi citra, kondisi citra, dan komponen struktural wajah tertentu[2].
Pada penelitian ini aplikasi face recognition yang diterapkan untuk mengidentifikasi wajah adalah pose wajah tampak samping. Pengenalan wajah terhadap pose wajah tampak samping dapat digunakan pada sistem identifikasi wajah pada saat kondisi seseorang sedang akan melewati gerbang atau portal.
Berdasarkan sistem kerja visual manusia dengan melihat wajah seseorang dari samping, manusia dapat mengenali seseorang dengan mudah. Hal ini disebabkan karena bentuk wajah seseorang dari samping memiliki ciri pola yang khas yang membedakan setiap orang.
Beberapa penelitian pada kasus pengenalan wajah tampak samping sudah pernah dilakukan, diantaranya adalah pengenalan wajah tampak samping dengan menggunakan metode discrete wavelet transform dan neural network dengan tingkat akurasi tertinggi mencapai 96%[3], selanjutnya penelitian dengan menggunakan automatic landmark mencapai keberhasilan 77 %[4], dan penelitian dengan judul “Face Profile Recognition and Identification” mencapai keberhasilan 96% dengan metode berbasis curvature [5].
Berdasarkan isu yang membahas tentang pengenalan wajah tampak samping, Rohan K.Naik menyarankan sistem pengenalan wajah tampak samping dengan metode harris corner [6]. Harris corner merupakan metode untuk mendeteksi sudut pada suatu citra. Metode harris corner mampu untuk
2
mendeteksi sudut citra dengan mengikuti bentuk objek yang dideteksi(adaptive). Berbagai penelitian sudah menggunakan metode ini untuk mendeteksi sudut, contohnya untuk mendeteksi bentuk bidang 2 dimensi [7], deteksi kepala pada anak-anak [8], dan untuk mendeteksi tanda ciri wajah(facial landmarks)[9]. Dengan kemampuan metode harris corner untuk mendeteksi pola citra berdasarkan deteksi sudut maka penulis menggunakan metode harris corner sebagai ekstraksi ciri wajah tampak samping.
Metode harris corner mampu untuk mendeteksi pola citra namun belum cukup jika digunakan untuk mengenali (recognizing) suatu citra. Oleh sebab itu dibutuhkan metode klasifikasi ekstraksi ciri dari citra wajah yaitu metode
backpropagation. Backpropagation dapat mengenali pola dari citra wajah yang
didapat dengan mempelajari hasil ekstraksi fitur sudut yang diperoleh dari beberapa data citra wajah tampak samping yang digunakan sebagai pelatihan lalu untuk pengenalannya citra wajah tampak samping yang diuji akan dideteksi terlebih dahulu ekstraksi cirinya setelah ciri didapat selanjutnya akan dicocokan dengan hasil dari data latih . Seperti pada penelitian sebelumnya wajah tampak samping dapat dikenali dari kurva tepi wajah yang didapat[3], pengenalan wajah dengan pendekatan eigenface didukung backpropagation menghasilkan tingkat keberhasilan klasifikasi sebesar 84% [10], backpropagation digunakan dalam proses training dan testing terhadap ekstraksi fitur berbasis PCA untuk mengenali wajah[11].
Dengan menggunakan metode harris corner sebagai ekstraksi ciri dan backpropagation sebagai klasifikasi, diharapkan pada penelitian ini sistem pengenalan wajah tampak samping yang dibuat dapat berfungsi dengan baik dan dapat mencapai hingga 80 % kebenaran hasil untuk pengenalan citra wajah tampak samping.
1.2. Tujuan
Tujuan yang hendak dicapai melalui penelitian ini adalah :
1. Mengimplementasikan metode Harris corner dan Backpropagation untuk mengenali wajah dalam pose tampak samping (side view face)
3
2. Menghitung tingkat sistem pengenalan wajah tampak samping dengan metode Harris corner dan Backpropagation dalam mengenali wajah tampak samping.
3. Membuat sistem yang bisa mengenali identitas wajah tampak samping
1.3. Manfaat
Manfaat yang dapat diperoleh dari penelitian ini adalah :
1. Terciptanya sistem yang dapat mengenali wajah tampak samping dengan menerapkan metode Harris corner dan Backpropagation 2. Mengetahui akurasi sistem pengenalan wajah tampak samping dengan
metode Harris corner dan Backpropagation
3. Sebagai referensi untuk penelitian lain yang membahas sistem pengenalan wajah tampak samping
1.4. Rumusan Masalah
1. Bagaimana metode deteksi Harris corner dan Backpropagation dapat mengenali wajah tampak samping ?
2. Bagaimana sistem pengenalan wajah tampak samping dengan metode
Harris corner dan Backpropagation dibentuk?
3. Bagaimana tingkat akurasi yang didapat melalui metode ini?
1.5. Batasan Masalah
Batasan masalah dalam tugas akhir ini yaitu sebagai berikut :
1. Input data objek berupa foto wajah tampak samping kiri dan kanan dari 10 orang.
2. Foto wajah tampak samping diambil dengan webcam resolusi 640x480 pixel dan di crop pada bagian wajah tampak samping saja dengan resolusi 100x200 pixel
3. Menggunakan dataset foto wajah yang dibuat oleh penulis sendiri. 4. Data latih berjumlah 100 buah terdiri dari 50 data latih wajah kana dan
50 datalatih wajah kiri dengan pembagian 5 data latih untuk setiap orang.
4
5. Data uji menggunakan 40 data uji dengan pembagian 2 data uji untuk setiap orang dan setiap sisi kanan dan kiri
6. Sistem menggunakan metode harris corner dan Backpropagation 7. Menggunakan visual studio 2015 dan pemrgoraman c#
1.6. Metodologi Penelitian
Metodologi yang akan digunakan melewati 8 tahapan, jika digambarkan dalam bentuk diagram maka dapat dianalogikan seperti pada gambar 1.1
Gambar 1.1 Skema Metodologi Penelitian
1. Tahap Pertama (Identifikasi masalah)
Penelitian yang dibuat oleh penulis adalah sistem pengenalan wajah tampak samping dengan metode Harris corner dan
Backpropagation. Sistem ini merupakan bagain dari pengenalan
Identifikasi masalah Studi Pustaka Perumusan Masalah Rancangan penelitian Pengumpulan data Pengolahan data Kesimpulan Pengujian
5
wajah dimana sistem bekerja untuk mengenali wajah orang dari pose foto wajah tampak samping baik kanan maupun kiri. Metode yang digunakan adalah Harris corner sebagai ekstraksi fitur dan klasifikasi untuk pengenalan menggunakan Backpropagation 2. Tahap Kedua (Studi pustaka)
Tahap ini dilakukan dengan cara memperoleh sumber informasi berdasarkan literatur dan referensi yang terkait terhadap penelitian ini
3. Tahap Ketiga (Perumusan masalah)
Berdasarkan tahap pertama penulis merumuskan masalah yang wajib diselesaikan sehingga tujuan dari penelitian ini akan tercapai. Masalah – masalah tersebut yaitu :
Memilih 10 foto orang yang berbeda sebagai objek uji coba sistem sebagai data uji yang terdiri dari pose wajah tampak kanan dan pose wajah tampak kiri untuk setiap orang.
Menentukan foto wajah tampak samping untuk data latih sebanyak 50 buah untuk setiap wajah kiri dan kanan . Setiap foto orangnya terdiri dari 5 data latih wajah kanan dan 5 data latih wajah kiri.
Menginput foto wajah tampak samping ke dalam sistem
Mengkonversi fitur warna RGB foto ke fitur warna
grayscale
Mengolah objek foto wajah tampak samping tersebut kedalam sistem dengan menggunakan metode Harris
corner untuk mendapatkan ekstraksi ciri.
Melakukan klasifikasi objek foto wajah tampak samping dengan metode Backpropagation.
4. Tahap Keempat (Rancangan penelitian)
Tahap ini merupakan ide perancangan sistem secara umum. Sistem yang dibangun bekerja dengan input foto wajah tampak samping yang kemudian diekstraksi fiturnya dengan Harris corner. Dan menggunakan Backpropagation sebagai penentu pengenalan.
6
5. Tahap kelima (Pengumpulan data)
Tahap ini adalah mengumpulkan sumber-sumber data berupa foto wajah tampak samping yang akan digunakan untuk pengolahan data. 10 foto orang yang berbeda akan dikumpulkan untuk dijadikan data latih dan data uji. Sebagai data latih dikumpulkan dari 10 foto wajah orang yang berbeda. Data latih untuk setiap orang terdiri dari pose wajah kanan dan kiri. Data latih yang digunakan sebanyak 5 foto untuk setiap pose dan untuk setiap orangnya.
6. Tahap Keenam (Pengujian)
Sistem dari rancangan penelitian diuji kecakapannya dengan menggunakan tolak ukur pengujian supaya mencapai hasil optimal. Dengan menggunakan data foto yang sudah dikumpulkan pengujian dilakukan terhadap metode harris corner dan backporpagation. Dari pengujian akan didapatkan hasil deteksi terhadap foto wajah tampak samping dengan metode harris corner dan didapat hasil pengenalan wajah tampak samping dengan
backpropagation.
7. Tahap ketujuh (Pengolahan data)
Pengolahan data diambil dari hasil pengujian terhadap metode
harris corner dan backpropagation. Hasil dari pengolahan data ini
kemudian akan digunakan untuk keperluan analisa terhadap pengujian sistem pengenalan wajha tampak samping.
8. Tahap kedelapan (Kesimpulan)
Penyimpulan hasil dari pengolahan dan analisis data dari pengujian, pengumpulan, pengolahan dan analisis data serta pencapaian yang didapat dari penelitian ini.
DAFTAR PUSTAKA
[1] V. Malik, “A Comprehensive Study of Face Detection and Recognition,”
Int. J. Latest Trends Eng. Technol., vol. 6, no. 3, pp. 41–47, 2016.
[2] Vandana S.Bhat and D. Pujari, “Techniques for Face Detection & Recognition System-a Comprehensive Review,” IOSR J. Comput. Eng., vol. 15, no. 5, pp. 01–12, 2013.
[3] A. Tiwari, “Side View Face Authentication using DWT and Neural Network,” vol. 4, no. 10, 2016.
[4] H. Khan and M. Khiyal, “Side-View Face Detection using Automatic Landmarks,” J. Multidiciplinary Eng. Sci. Stud., vol. 3, no. 5, pp. 1729– 1736, 2017.
[5] S. M. Hani, H. Keshk, T. E.- Tobely, and M. El-adawy, “Face profile recognition and identification,” J. Eng. Sci., vol. 39, no. 5, pp. 1043–1054, 2011.
[6] R. K. Naik and K. B. Lad, “A Review on Side-View Face Recognition Methods,” Int. J. Innov. Res. Comput. Commun. Eng., vol. 4, no. 3, pp. 2984–2991, 2016.
[7] H. Yang, Y. Ma, H. Yang, and M. Li, “Parts Shape Recognition Based on Improved Harris Corner Detection Algorithm,” J. Comput., vol. 9, no. 10, pp. 2371–2378, 2014.
[8] M. Sangi, B. Thompson, E. Vaghefi, and J. Turuwhenua, “A Head Tracking Method for Improved Eye Movement Detection in Children,”
Internatonal Fed. Med. Biol. Eng., vol. 43, no. January, pp. 508–511, 2014.
[9] A. Majda, “Comparative Study of Harris and Active Contour using Viola-Jones Algorithm for Facial Landmarks Detection,” Trans. Mach. Learn.
Artif. Intell., vol. 5, no. August, p. 4, 2017.
[10] T. Mulyono, K. Adi, and R. Gernowo, “Sistem Pengenalan Wajah dengan Metode Eigenface dan Jaringan Syaraf Tiruan ( JST ),” Berk. Fis., vol. 15, no. 1, pp. 15–20, 2012.
[11] P. Dhoke and M. P. Parsai, “A MATLAB based Face Recognition using PCA with Back Propagation Neural network,” Int. J. Innov. Res. Comput.
Commun. Eng., vol. 2, no. 8, pp. 5291–5297, 2014.
[12] Erwin and M. Fachrurrozi, Pemrosesan Citra Berwarna & Aplikasi dengan
Java, February. 2017.
[13] W. Burger and M. J. Burge, Digital Image Processing an Algorithmic
Introduction Using Java, Second Edi., vol. 24, no. 11. 2016.
[14] W. Peng, X. Hongling, L. Wenlin, S. Wenlong, and N. Forestry, “Harris Scale Invariant Corner Detection Algorithm Based on the,” Int. J. Signal
Process. Image Process. Pattern Recognit., vol. 9, no. 3, pp. 413–420,