IDENTIFIKASI WAJAH SESEORANG
BERDASARKAN CITRA BIBIR
MENGGUNAKAN METODE EIGEN FUZZY SET
Disusun oleh :
Moriska Beslar
0422101
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl.Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia,
Email : moriskabeslar@gmail.com
ABSTRAK
Pada Tugas Akhir ini, telah dirancang identifikasi seseorang berdasarkan citra bibir menggunakan metode eigen fuzzy set yang diimplementasikan menggunakan Matlab 7.11. Untuk mengukur nilai kemiripan antara dua buah citra dalam proses identifikasi digunakan perhitungan jarak euclidean antara kedua citra tersebut. Semakin kecil jarak euclidean antara kedua buah citra bibir, semakin tinggi nilai kemiripan antara kedua citra bibir tersebut.
Hasil pengujian dengan total 315 citra uji, terhadap 7 responden dengan masing-masing 9 citra uji (untuk 3 jarak pengujian) dan 7 citra referensi (untuk 5 kali percobaan), rata-rata tingkat keberhasilan yang dicapai adalah 93,02 %
HUMAN FACE IDENTIFICATION BASED ON LIPS IMAGE USING EIGEN FUZZY SET METHOD
Composed by :
Moriska Beslar
0422101
Electrical Engineering, Maranatha Christian University Jl.Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia,
Email : moriskabeslar_xyz@yahoo.com
ABSTRACT
In this final project to design identification of human lips image using eigen
fuzzy set method as a algorithm for digital image classification, and implemented
using Matlab 7.11. To measuring similarity between two images of lips for
identification process by calculating the euclidean distance between the images. The
smallest euclidean distance between two images of the lips, that is the highest value
of similarity between the lips images.
The result of the experiment from 315 total of testing image, 7 respondent, 9
testing image for each responden (in 3 different testing range) and 7 reference image
(for 5 experiment), obtain total success rate 93,02% .
DAFTAR ISI
LEMBAR PENGESAHAN
PERNYATAAN ORISINALITAS LAPORAN PENELITIAN
PERNYATAAN PUBLIKASI LAPORAN TUGAS AKHIR
KATA PENGANTAR
ABSTRAK ... i
ABSTRACT ... ii
DAFTAR ISI ... iii
DAFTAR TABEL... vi
DAFTAR GAMBAR ... vii
1. BAB I PENDAHULUAN ... 1
1.1. Latar Belakang Masalah ... 1
1.2. Identifikasi Masalah ... 2
1.3. Rumusan Masalah ... 2
1.4. Tujuan Tugas Akhir ... 2
1.5. Batasan Masalah ... 3
1.6. Sistematika Penulisan ... 3
2. BAB II LandasanTeori... 5
2.1. Dasar Pengolahan Citra Digital ... 5
2.1.1 Persepsi Visual ... 5
2.1.2 Elemen-elemen Dasar Citra Digital ... 6
2.1.3 Model Citra Digital... 8
2.1.4 Konsep Warna Citra Digital ... 10
2.1.5 Ruang Warna RGB (Red, Green, Blue – RGB) ... 13
2.1.6 Konversi Warna RGB ke YCbCr ... 15
2.1.7 Image Adjustment ... 15
2.1.8 Resize ... 16
2.2. Eigen Fuzzy Set ... 16
2.2.2 Sejarah Logika Fuzzy ... 17
2.2.3 Pengertian Logika Fuzzy ... 17
2.2.4 Dasar Logika Fuzzy ... 17
2.2.5 Operasi Himpunan Fuzzy ... 21
2.3. Fuzzy C-Mean (FCM) ... 22
2.4. Ekstraksi Ciri ... 25
2.5. Matlab ... 26
2.5.1 Pengolahan Citra Digital Menggunakan Matlab ... 27
2.5.2 Graphic User Interface (GUI) ... 28
2.5.3 M-File Editor ... 28
2.5.4 Fungsi-fungsi Matlab Yang Digunakan ... 29
3. BAB III Perancangan dan Realisasi ... 31
3.1. Perancangan Sistem ... 31
3.2. Pre-Processing ... 33
3.2.1 Konversi Warna RGB ke Cr ... 33
3.2.2 Image Adjustment ... 34
3.2.3 Resize ... 34
3.3 Ekstraksi Ciri ... 34
3.4 Metode Klasifikasi ... 35
3.5 Metode Identifikasi ... 36
3.6 Perancangan GUI Identifikasi Cirta Bibir ... 37
4. BAB IV Data Pengamatan dan Analisis Data ... 39
4.1. Data Pengamatan ... 39
4.1.1 Center ... 40
4.1.2 Jarak Euclidean ... 41
4.2. Pengujian Data ... 43
4.2.1. Faktor Kegagalan Pada Hasil Identifikasi ... 47
4.2.2. Pengujian Model FRR dan FAR ... 51
4.3. Analisis Data ... 52
5. BAB V KESIMPULAN DAN SARAN ... 56
5.2. Saran ... 56
DAFTAR TABEL
7. Tabel 2.1 Sistem Koordinat Warna ... 12
8. Tabel 3.1 Perancangan GUI Identifikasi Citra Bibir ... 37
9. Tabel 4.1 Nilai Center Hasil Identifikasi Citra uji ‘07-IMG-24.JPG’ ... 40
10.Tabel 4.2 Jarak Euclidean Hasil Identifikasi Citra uji ‘07-IMG-24.JPG’ ... 42
11.Tabel 4.3 Hasil Identifikasi Percobaan 2 Pada Jarak 50 cm ... 43
12.Tabel 4.4 Jarak Euclidean Hasil Identifikasi Percobaan 2 Pada Jarak 50 cm.... 46
13.Tabel 4.5 Nilai Center Hasil Identifikasi Citra Uji ’03-IMG-22.JPG’ ... 48
14.Tabel 4.6 Jarak Euclidean Hasil Identifikasi Citra Uji ’03-IMG-22’ ... 48
15.Tabel 4.7 Pengujian Data Model FAR ... 51
16.Tabel 4.8 Data Yang Digunakan Pada Hasil Percobaan di Tabel 4.9 ... 46
17.Tabel 4.9 Hasil Percobaan... 46 18.
19.
DAFTAR GAMBAR
21.Gambar 2.1 Spektrum Cahaya Gelombang Elektromagnetik ... 6
22.Gambar 2.2 Citra Digital ... 8
23.Gambar 2.3 Komponen Pembentukan Citra ... 9
24.Gambar 2.4 Representasi Warna Pada Color Space ... 11
25.Gambar 2.5 Representasi Intensitas Warna RGB file Bitmap ... 14
26.Gambar 2.6 Kombinasi Warna RGB (a) Ruang Warna RGB (b) Ruang Warna YCbCr ... 14
27.Gambar 2.7 Fungsi Keanggotaan Segitiga ... 18
28.Gambar 2.8 Fungsi Keanggotaan Trapesium ... 19
29.Gambar 2.9 Fungsi Keanggotaan Gaussian ... 19
30.Gambar 2.10 Fungsi Keanggotaan Sigmod ... 20
31.Gambar 2.11 Fungsi Keanggotaan Bell... 20
32.Gambar 2.12 Window Matlab... 26
33.Gambar 2.13 Window M-File ... 29
34.Gambar 3.1 Blok Perancangan Sistem ... 31
35.Gambar 3.2 Diagram Alir Lips Identification ... 32
36.Gambar 3.3 Transformasi Citra Cr dengan Image Adjustment (a)Sebelum Transformasi (b) Sesudah Transformasi ... 34
37.Gambar 3.4 Perancangan GUI Identifikasi Citra Bibir ... 37
38.Gambar 4.1 Tampilan Hasil Identifikasi Citra Bibir Pada GUI ... 39
39.Gambar 4.2 Grafika Data Pengamatan Jarak Euclidean Antara Citra Uji dan Citra Referensi ... 41
40.Gambar 4.3 Tampilan Kegagalan Identifikasi Citra Bibir Pada GUI ... 47
41.Gambar 4.4 Grafika Data Pengamatan Jarak Euclidean Antara Citra Uji dan Citra Referensi ... 49
43.Gambar 4.6 Grafik Eigen Value Citra Referensi Responden ke-3 ... 50 44.Gambar 4.5 Grafik Eigen Value Citra Referensi Responden ke-6 ... 51 45.
46.
LAMPIRAN A
List Program M-file Pengujian dari GUI Matlab
function varargout = GUIKU_FIX(varargin)
%GUIKU_FIX M-file for GUIKU_FIX.fig
% GUIKU_FIX, by itself, creates a new GUIKU_FIX or raises the
% GUIKU_FIX('Property','Value',...) creates a new GUIKU_FIX using the
% given property value pairs. Unrecognized properties are passed via
% varargin to GUIKU_FIX_OpeningFcn. This calling syntax produces a
% warning when there is an existing singleton*. %
% GUIKU_FIX('CALLBACK') and GUIKU_FIX('CALLBACK',hObject,...) call the
% local function named CALLBACK in GUIKU_FIX.M with the given input
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help GUIKU_FIX
% Last Modified by GUIDE v2.5 14-Dec-2012 23:53:10
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1; if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1}); end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else
gui_mainfcn(gui_State, varargin{:}); end
% --- Executes just before GUIKU_FIX is made visible.
function GUIKU_FIX_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn. % hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA) % varargin unrecognized PropertyName/PropertyValue pairs from the
% command line (see VARARGIN)
% Choose default command line output for GUIKU_FIX
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% Create background axes and move them to the background
hback = axes('units','normalized','position',[0 0 1 1]);
uistack(hback,'bottom');
% Load background image and display it
[back map]=imread('GUI.jpg');
image(back)
colormap(map)
% Turn the handlevisibility off so that we don’t inadvertently plot into
% the axes again. Also, make the axes invisible
set(hback,'handlevisibility','off','visible','off')
% UIWAIT makes GUIKU_FIX wait for user response (see UIRESUME) % uiwait(handles.figure1);
% --- Outputs from this function are returned to the command line.
function varargout = GUIKU_FIX_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes on button press in pushbutton3.
function pushbutton3_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
close(gcbf) GUIKU2
% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
im=get(handles.edit1,'String') im=imread(im)
a = rgb2ycbcr(im);
Cr=a(:,:,3);%Mengambil matriks penyusun citra Cr %Menemukan Komponen Cr
Cr=im2double(Cr) Cr= imadjust(Cr);
Cr=imresize(Cr,[50 125])
%Menampilkan hasil pre-processing pada objek gambar3
axes(handles.gambar3) imshow(Cr);
%eigen value citra uji
du=@(block_struct) eig(block_struct.data); cu=blockproc(Cr,[5 5],du);
fu=@(block_struct) block_struct.data(1:1); Iu=blockproc(cu,[5 1],fu);
%Menyimpan data eugen value citra uji
save -ascii mydatauji.dat Iu
I8=load('mydatauji.dat')
%Mengakses data eigen value database
fid=fopen('eigenvalue2.dat','r'); I=load('eigenvalue2.dat')
data = [I1(:) I2(:) I3(:) I4(:) I5(:) I6(:) I7(:) I8(:)];
% klasifikasi Fuzzy C-means dengan 6 class
[center,U,obj_fcn] = fcm(data,6);
% Mencari pixel pada setiap class
maxU = max(U)
index1 = find(U(1,:) == maxU); index2 = find(U(2,:) == maxU); index3 = find(U(3,:) == maxU); index4 = find(U(4,:) == maxU); index5 = find(U(5,:) == maxU); index6 = find(U(6,:) == maxU);
% Menentukan class
save -ascii centeruji.dat center
save mycenter2.mat center
x=load('centeruji.dat')
%Jarak euclidean antara citra uji dan citra latih pada database
d(7)=sqrt(e7t*e7);
%Menampilkan jarak euclidean pada GUI
set(handles.edit3,'String', d(1)); set(handles.edit4,'String', d(2)); set(handles.edit5,'String', d(3)); set(handles.edit6,'String', d(4)); set(handles.edit7,'String', d(5)); set(handles.edit8,'String', d(6)); set(handles.edit9,'String', d(7));
%Memilih jarak euclidean yang terkecil
disp=1
%Hasil Identifikasi menunjukkan data orang ke-I
disp=disp;
disp=num2str(disp)
%Menampilkan hasil identifikasi pada GUI
file=strcat('0',num2str(disp),'-IMG-01.JPG') set(handles.edit2,'String', file);
%Menampilkan variabel dengan jarak euclidean terkecil hasil dari identifikasi
file2=strcat('d(',num2str(disp),')') set(handles.edit10,'String', file2) axes(handles.gambar2)
%disp=imread(file);
imshow(file)
face3=strcat('disp2-0',num2str(disp),'-IMG-01.JPG') axes(handles.gambar5)
imshow(face3)
% --- Executes on button press in pushbutton4.
function pushbutton4_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton4 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
delete(Handles.figure1)
function edit1_Callback(hObject, eventdata, handles)
% hObject handle to edit1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double
% --- Executes during object creation, after setting all properties.
function edit1_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white'); end
% --- Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
[filee, pathh]=uigetfile('*.JPG') if ~isequal(filee, 0)
handles.data1=imread(fullfile(pathh, filee)); guidata(hObject, handles);
handles.current_data1=handles.data1;
axes(handles.gambar1); imshow(handles.current_data1);
else
return end
set(handles.edit1, 'String', filee);
face=strcat('disp1-',num2str(filee)) axes(handles.gambar4); imshow(face);
function edit2_Callback(hObject, eventdata, handles)
% hObject handle to edit2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% --- Executes during object creation, after setting all properties.
function edit2_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white'); end
function edit3_Callback(hObject, eventdata, handles)
% hObject handle to edit3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit3 as text % str2double(get(hObject,'String')) returns contents of edit3 as a double
% --- Executes during object creation, after setting all properties.
function edit3_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white'); end
function edit4_Callback(hObject, eventdata, handles)
% hObject handle to edit4 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% Hints: get(hObject,'String') returns contents of edit4 as text % str2double(get(hObject,'String')) returns contents of edit4 as a double
% --- Executes during object creation, after setting all properties.
function edit4_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit4 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white'); end
function edit6_Callback(hObject, eventdata, handles)
% hObject handle to edit6 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit6 as text % str2double(get(hObject,'String')) returns contents of edit6 as a double
% --- Executes during object creation, after setting all properties.
function edit6_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit6 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white'); end
function edit7_Callback(hObject, eventdata, handles)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit7 as text % str2double(get(hObject,'String')) returns contents of edit7 as a double
% --- Executes during object creation, after setting all properties.
function edit7_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit7 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white'); end
function edit8_Callback(hObject, eventdata, handles)
% hObject handle to edit8 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit8 as text % str2double(get(hObject,'String')) returns contents of edit8 as a double
% --- Executes during object creation, after setting all properties.
function edit8_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit8 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
function edit9_Callback(hObject, eventdata, handles)
% hObject handle to edit9 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit9 as text % str2double(get(hObject,'String')) returns contents of edit9 as a double
% --- Executes during object creation, after setting all properties.
function edit9_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit9 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white'); end
function edit10_Callback(hObject, eventdata, handles)
% hObject handle to edit10 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit10 as text % str2double(get(hObject,'String')) returns contents of edit10 as a double
% --- Executes during object creation, after setting all properties.
function edit10_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit10 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white'); end
function edit5_Callback(hObject, eventdata, handles)
% hObject handle to edit5 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit5 as text % str2double(get(hObject,'String')) returns contents of edit5 as a double
% --- Executes during object creation, after setting all properties.
function edit5_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit5 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white'); end
LIST PROGRAM DATABASE PERCOBAAN 1
close all; clc;
nClassTotal=7; %jumlah orang ada 7
nMemberClassTotal=1;% sampai dengan citra index ke-1
Ekt='.jpg'; sample='-IMG-';
GdirAsal='C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\';
ListFile=[];
for KelasKe=1:nClassTotal;
for GambarKe=1:nMemberClassTotal
NamaFile=['0' num2str(KelasKe) sample '1'
a = rgb2ycbcr(im);
Cr=a(:,:,3);%Mengambil matriks penyusun citra Cr
Cr= imadjust(Cr);
Cr=imresize(Cr,[50 125]) %eigen value citra uji
du=@(block_struct) eig(block_struct.data); cu=blockproc(Cr,[5 5],du);
fu=@(block_struct) block_struct.data(1:1); Iu=blockproc(cu,[5 1],fu);
ListFile=[ListFile ; Iu]; end
end
%Menyimpan eigen value citra uji
ListFileInd=ListFile;
save 'C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\ListFileInd' ListFileInd ;
euclidean1=load('ListFileInd.mat')
LIST PROGRAM DATABASE PERCOBAAN 2
close all; clc;
nClassTotal=7; %jumlah orang ada 7
nMemberClassTotal=2;%sampai dengan citra index ke-2
Ekt='.jpg'; sample='-IMG-';
GdirAsal='C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\';
ListFile=[];
for KelasKe=1:nClassTotal;
for GambarKe=2:nMemberClassTotal
NamaFile=['0' num2str(KelasKe) sample '1'
num2str(GambarKe) '.JPG']
a = rgb2ycbcr(im);
Cr=a(:,:,3);%Mengambil matriks penyusun citra Cr
Cr=imresize(Cr,[50 125]) %eigen value citra uji
du=@(block_struct) eig(block_struct.data); cu=blockproc(Cr,[5 5],du);
fu=@(block_struct) block_struct.data(1:1); Iu=blockproc(cu,[5 1],fu);
ListFile=[ListFile ; Iu]; end
end
%Menyimpan eigen value citra latih
ListFileInd=ListFile;
save 'C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\ListFileInd' ListFileInd ;
LIST PROGRAM DATABASE PERCOBAAN 3
close all; clc;
nClassTotal=7; %jumlah orang ada 7
nMemberClassTotal=2;%sampai dengan citra index ke-2
Ekt='.jpg'; sample='-IMG-';
GdirAsal='C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\';
ListFile=[];
for KelasKe=1:nClassTotal;
for GambarKe=2:nMemberClassTotal
NamaFile=['0' num2str(KelasKe) sample '1'
num2str(GambarKe) '.JPG'] im=imread(NamaFile) a = rgb2ycbcr(im);
Cr=a(:,:,3);%Mengambil matriks penyusun citra Cr
%Cr=histeq(Cr); %histogram untuk mengatur intensitas citra
Cr= imadjust(Cr);
Cr=imresize(Cr,[50 125]) %eigen value citra uji
du=@(block_struct) eig(block_struct.data); cu=blockproc(Cr,[5 5],du);
fu=@(block_struct) block_struct.data(1:1); Iu=blockproc(cu,[5 1],fu);
ListFile=[ListFile ; Iu]; end
end
%Menyimpan eigen value citra latih
ListFileInd=ListFile;
save 'C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\ListFileInd' ListFileInd ;
euclidean3=load('ListFileInd.mat')
LIST PROGRAM DATABASE PERCOBAAN 4
close all; clc;
nClassTotal=7; %jumlah orang ada 7
nMemberClassTotal=8;%sampai dengan citra index ke-8
Ekt='.jpg'; sample='-IMG-';
GdirAsal='C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\';
ListFile=[];
for KelasKe=1:nClassTotal;
for GambarKe=8:nMemberClassTotal
NamaFile=['0' num2str(KelasKe) sample '1'
num2str(GambarKe) '.JPG'] im=imread(NamaFile) a = rgb2ycbcr(im);
Cr=a(:,:,3);%Mengambil matriks penyusun citra Cr
%Cr=histeq(Cr); %histogram untuk mengatur intensitas citra
Cr= imadjust(Cr);
Cr=imresize(Cr,[50 125]) %eigen value citra uji
du=@(block_struct) eig(block_struct.data); cu=blockproc(Cr,[5 5],du);
fu=@(block_struct) block_struct.data(1:1); Iu=blockproc(cu,[5 1],fu);
ListFile=[ListFile ; Iu]; end
end
%Menyimpan eigen value citra latih
ListFileInd=ListFile;
save 'C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\ListFileInd' ListFileInd ;
euclidean4=load('ListFileInd.mat')
LIST PROGRAM DATABASE PERCOBAAN 5
close all; clc;
nClassTotal=7; %jumlah orang ada 7
nMemberClassTotal=9;%sampai dengan citra index ke-9
Ekt='.jpg'; sample='-IMG-';
GdirAsal='C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\';
ListFile=[];
for KelasKe=1:nClassTotal;
for GambarKe=9:nMemberClassTotal
NamaFile=['0' num2str(KelasKe) sample '1'
num2str(GambarKe) '.JPG'] im=imread(NamaFile) a = rgb2ycbcr(im);
Cr=a(:,:,3);%Mengambil matriks penyusun citra Cr
Cr= imadjust(Cr);
Cr=imresize(Cr,[50 125]) %eigen value citra uji
du=@(block_struct) eig(block_struct.data); cu=blockproc(Cr,[5 5],du);
fu=@(block_struct) block_struct.data(1:1); Iu=blockproc(cu,[5 1],fu);
ListFile=[ListFile ; Iu]; end
end
%Menyimpan eigen value citra latih
ListFileInd=ListFile;
save 'C:\Program Files\MATLAB\R2010b\3_PERCOBAAN\ListFileInd' ListFileInd ;
LAMPIRAN B
Gambar B.1. Tampilan awal GUI Matlab
Gambar B.3. Tampilan GUI hasil identifikasi citra bibir yang berhasil
LAMPIRAN C
1. Hasil Identifikasi Percobaan 1
1.1. Hasil Identifikasi Pada Jarak 30 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-02 01-IMG-01
01-IMG-03 01-IMG-01
01-IMG-04 01-IMG-01
2
02-IMG-02 02-IMG-01
02-IMG-03 02-IMG-01
02-IM6G-04 02-IMG-01
3
03-IMG-02 03-IMG-01
03-IMG-03 03-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
4
04-IMG-02 04-IMG-01
04-IMG-03 04-IMG-01
04-IMG-04 04-IMG-01
5
05-IMG-02 05-IMG-01
05-IMG-03 05-IMG-01
05-IMG-04 05-IMG-01
6
06-IMG-02 06-IMG-01
06-IMG-03 06-IMG-01
06-IMG-04 06-IMG-01
7
1.2. Hasil Identifikasi Pada Jarak 40 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
7
07-IMG-03 07-IMG-01
07-IMG-04 07-IMG-01
BERHASIL 21
GAGAL 0
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1 01-IMG-15 01-IMG-01
01-IMG-16 01-IMG-01
01-IMG-17 01-IMG-01
2
02-IMG-15 02-IMG-01
02-IMG-16 02-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
3
03-IMG-15 03-IMG-01
03-IMG-16 03-IMG-01
03-IMG-17 03-IMG-01
4
04-IMG-15 04-IMG-01
04-IMG-16 04-IMG-01
04-IMG-17 04-IMG-01
5
05-IMG-15 05-IMG-01
05-IMG-16 05-IMG-01
05-IMG-17 05-IMG-01
6
1.3. Hasil Identifikasi Pada Jarak 50 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
6
06-IMG-16 06-IMG-01
06-IMG-17 06-IMG-01
7
07-IMG-15 07-IMG-01
07-IMG-16 07-IMG-01
07-IMG-17 07-IMG-01
BERHASIL 21
GAGAL 0
NO CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-22 01-IMG-01
01-IMG-23 01-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
2
02-IMG-22 02-IMG-01
02-IMG-23 02-IMG-01
02-IM6G-24 02-IMG-01
3
03-IMG-22 06-IMG-01
x
03-IMG-23 06-IMG-01
x
03-IMG-24 06-IMG-01
x
4
04-IMG-22 04-IMG-01
04-IMG-23 04-IMG-01
04-IMG-24 04-IMG-01
5
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
5
05-IMG-23 05-IMG-01
05-IMG-24 05-IMG-01
6
06-IMG-22 06-IMG-01
06-IMG-23 06-IMG-01
06-IMG-24 06-IMG-01
7
07-IMG-22 07-IMG-01
07-IMG-23 07-IMG-01
07-IMG-24 07-IMG-01
BERHASIL 18
2. Hasil Identifikasi Percobaan 2
2.1. Hasil Identifikasi Pada Jarak 30 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-02 01-IMG-01
01-IMG-03 01-IMG-01
01-IMG-04 01-IMG-01
2
02-IMG-02 02-IMG-01
02-IMG-03 02-IMG-01
02-IM6G-04 02-IMG-01
3
03-IMG-02 03-IMG-01
03-IMG-03 04-IMG-01
x
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
4
04-IMG-02 04-IMG-01
04-IMG-03 04-IMG-01
04-IMG-04 04-IMG-01
5
05-IMG-02 04-IMG-01
x
05-IMG-03 04-IMG-01
x
05-IMG-04 04-IMG-01
x
6
06-IMG-02 06-IMG-01
06-IMG-03 06-IMG-01
06-IMG-04 06-IMG-01
7
2.2. Hasil Identifikasi Pada Jarak 40 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
7
07-IMG-03 07-IMG-01
07-IMG-04 07-IMG-01
BERHASIL 17
GAGAL 4
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-15 01-IMG-01
01-IMG-16 01-IMG-01
01-IMG-17 01-IMG-01
2
02-IMG-15 02-IMG-01
02-IMG-16 02-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
3
03-IMG-15 03-IMG-01
03-IMG-16 03-IMG-01
03-IMG-17 03-IMG-01
4
04-IMG-15 04-IMG-01
04-IMG-16 04-IMG-01
04-IMG-17 04-IMG-01
5
05-IMG-15 05-IMG-01
05-IMG-16 05-IMG-01
05-IMG-17 05-IMG-01
6
2.3. Hasil Identifikasi Pada Jarak 50 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
6
06-IMG-16 06-IMG-01
06-IMG-17 06-IMG-01
7
07-IMG-15 07-IMG-01
07-IMG-16 07-IMG-01
07-IMG-17 07-IMG-01
BERHASIL 21
GAGAL 0
NO CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-22 01-IMG-01
01-IMG-23 01-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
2
02-IMG-22 02-IMG-01
02-IMG-23 02-IMG-01
02-IM6G-24 02-IMG-01
3
03-IMG-22 06-IMG-01
x
03-IMG-23 03-IMG-01
03-IMG-24 03-IMG-01
4
04-IMG-22 04-IMG-01
04-IMG-23 04-IMG-01
04-IMG-24 04-IMG-01
5
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
5
05-IMG-23 05-IMG-01
05-IMG-24 05-IMG-01
6
06-IMG-22 05-IMG-01
06-IMG-23 06-IMG-01
06-IMG-24 06-IMG-01
7
07-IMG-22 07-IMG-01
07-IMG-23 07-IMG-01
07-IMG-24 07-IMG-01
BERHASIL 20
3. Hasil Identifikasi Percobaan 3
3.1. Hasil Identifikasi Pada Jarak 30 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-02 01-IMG-01
01-IMG-03 01-IMG-01
01-IMG-04 01-IMG-01
2
02-IMG-02 02-IMG-01
02-IMG-03 02-IMG-01
02-IM6G-04 02-IMG-01
3
03-IMG-02 03-IMG-01
03-IMG-03 03-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
4
04-IMG-02 04-IMG-01
04-IMG-03 04-IMG-01
04-IMG-04 04-IMG-01
5
05-IMG-02 05-IMG-01
05-IMG-03 05-IMG-01
05-IMG-04 05-IMG-01
6
06-IMG-02 06-IMG-01
06-IMG-03 06-IMG-01
06-IMG-04 06-IMG-01
3.2. Hasil Identifikasi Pada Jarak 40 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
7
07-IMG-03 07-IMG-01
07-IMG-04 07-IMG-01
BERHASIL 21
GAGAL 0
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-15 01-IMG-01
01-IMG-16 01-IMG-01
01-IMG-17 01-IMG-01
2
02-IMG-15 02-IMG-01
02-IMG-16 02-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
3
03-IMG-15 03-IMG-01
03-IMG-16 03-IMG-01
03-IMG-17 03-IMG-01
4
04-IMG-15 04-IMG-01
04-IMG-16 04-IMG-01
04-IMG-17 04-IMG-01
5
05-IMG-15 05-IMG-01
05-IMG-16 05-IMG-01
05-IMG-17 05-IMG-01
3.3. Hasil Identifikasi Pada Jarak 50 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
6
06-IMG-16 06-IMG-01
06-IMG-17 06-IMG-01
7
07-IMG-15 07-IMG-01
07-IMG-16 07-IMG-01
07-IMG-17 07-IMG-01
BERHASIL 21
GAGAL 0
NO CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-22 01-IMG-01
01-IMG-23 01-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
2
02-IMG-22 02-IMG-01
02-IMG-23 02-IMG-01
02-IM6G-24 02-IMG-01
3
03-IMG-22 06-IMG-01
x
03-IMG-23 06-IMG-01
x
03-IMG-24 06-IMG-01
x
4
04-IMG-22 04-IMG-01
04-IMG-23 04-IMG-01
04-IMG-24 04-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
5
05-IMG-23 05-IMG-01
05-IMG-24 05-IMG-01
6
06-IMG-22 05-IMG-01
06-IMG-23 06-IMG-01
06-IMG-24 06-IMG-01
7
07-IMG-22 07-IMG-01
07-IMG-23 07-IMG-01
07-IMG-24 07-IMG-01
BERHASIL 18
4. Hasil Identifikasi Percobaan 4
4.1. Hasil Identifikasi Pada Jarak 30 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-02 01-IMG-01
01-IMG-03 01-IMG-01
01-IMG-04 01-IMG-01
2
02-IMG-02 02-IMG-01
02-IMG-03 02-IMG-01
02-IM6G-04 02-IMG-01
3
03-IMG-02 03-IMG-01
03-IMG-03 05-IMG-01
x
03-IMG-04 05-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
4
04-IMG-02 04-IMG-01
04-IMG-03 04-IMG-01
04-IMG-04 04-IMG-01
5
05-IMG-02 05-IMG-01
05-IMG-03 05-IMG-01
05-IMG-04 05-IMG-01
6
06-IMG-02 06-IMG-01
06-IMG-03 06-IMG-01
06-IMG-04 06-IMG-01
4.2. Hasil Identifikasi Pada Jarak 40 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
7
07-IMG-03 07-IMG-01
07-IMG-04 07-IMG-01
BERHASIL 19
GAGAL 2
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-15 01-IMG-01
01-IMG-16 01-IMG-01
01-IMG-17 01-IMG-01
2
02-IMG-15 02-IMG-01
02-IMG-16 02-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
3
03-IMG-15 03-IMG-01
03-IMG-16 03-IMG-01
03-IMG-17 03-IMG-01
4
04-IMG-15 04-IMG-01
04-IMG-16 04-IMG-01
04-IMG-17 04-IMG-01
5
05-IMG-15 05-IMG-01
05-IMG-16 05-IMG-01
05-IMG-17 05-IMG-01
4.3. Hasil Identifikasi Pada Jarak 50 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
6
06-IMG-16 06-IMG-01
06-IMG-17 06-IMG-01
7
07-IMG-15 07-IMG-01
07-IMG-16 07-IMG-01
07-IMG-17 07-IMG-01
BERHASIL 21
GAGAL 0
NO CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-22 01-IMG-01
01-IMG-23 01-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
2
02-IMG-22 02-IMG-01
02-IMG-23 02-IMG-01
02-IM6G-24 02-IMG-01
3
03-IMG-22 06-IMG-01
x
03-IMG-23 06-IMG-01
x
03-IMG-24 06-IMG-01
x
4
04-IMG-22 04-IMG-01
04-IMG-23 04-IMG-01
04-IMG-24 04-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
5
05-IMG-23 05-IMG-01
05-IMG-24 05-IMG-01
6
06-IMG-22 05-IMG-01
06-IMG-23 06-IMG-01
06-IMG-24 06-IMG-01
7
07-IMG-22 07-IMG-01
07-IMG-23 07-IMG-01
07-IMG-24 07-IMG-01
BERHASIL 18
5. Hasil Identifikasi Percobaan 5
5.1. Hasil Identifikasi Pada Jarak 30 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-02 01-IMG-01
01-IMG-03 01-IMG-01
01-IMG-04 01-IMG-01
2
02-IMG-02 02-IMG-01
02-IMG-03 02-IMG-01
02-IM6G-04 02-IMG-01
3
03-IMG-02 03-IMG-01
03-IMG-03 04-IMG-01
x
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
4
04-IMG-02 04-IMG-01
x
04-IMG-03 04-IMG-01
04-IMG-04 04-IMG-01
x
5
05-IMG-02 05-IMG-01
05-IMG-03 05-IMG-01
05-IMG-04 05-IMG-01
6
06-IMG-02 06-IMG-01
06-IMG-03 06-IMG-01
06-IMG-04 06-IMG-01
5.2. Hasil Identifikasi Pada Jarak 40 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
7
07-IMG-03 07-IMG-01
07-IMG-04 07-IMG-01
BERHASIL 18
GAGAL 3
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-15 01-IMG-01
01-IMG-16 01-IMG-01
01-IMG-17 01-IMG-01
2
02-IMG-15 02-IMG-01
02-IMG-16 02-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
3
03-IMG-15 03-IMG-01
03-IMG-16 03-IMG-01
03-IMG-17 03-IMG-01
4
04-IMG-15 04-IMG-01
04-IMG-16 04-IMG-01
04-IMG-17 04-IMG-01
5
05-IMG-15 05-IMG-01
05-IMG-16 05-IMG-01
05-IMG-17 05-IMG-01
5.3. Hasil Identifikasi Pada Jarak 50 Cm
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
6
06-IMG-16 06-IMG-01
06-IMG-17 06-IMG-01
7
07-IMG-15 07-IMG-01
07-IMG-16 07-IMG-01
07-IMG-17 07-IMG-01
BERHASIL 21
GAGAL 0
NO CITRA UJI HASIL IDENTIFIKASI KET
1
01-IMG-22 01-IMG-01
01-IMG-23 01-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
2
02-IMG-22 02-IMG-01
02-IMG-23 02-IMG-01
02-IM6G-24 02-IMG-01
3
03-IMG-22 06-IMG-01
x
03-IMG-23 06-IMG-01
x
03-IMG-24 06-IMG-01
x
4
04-IMG-22 04-IMG-01
04-IMG-23 04-IMG-01
04-IMG-24 04-IMG-01
Org Ke-
CITRA UJI HASIL IDENTIFIKASI KET
5
05-IMG-23 05-IMG-01
05-IMG-24 05-IMG-01
6
06-IMG-22 05-IMG-01
06-IMG-23 06-IMG-01
06-IMG-24 06-IMG-01
7
07-IMG-22 07-IMG-01
07-IMG-23 07-IMG-01
07-IMG-24 07-IMG-01
BERHASIL 18
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Kebutuhan akan teknologi untuk menangani kriminalitas dalam menemukan pelaku yang dapat dikenali berdasarkan gambar dari bagian wajah pelaku, jika gambar yang diperoleh hanya terbatas pada daerah bibir yang tertutup oleh topeng. Gambar yang diperoleh akan dicocokkan dengan basis data gambar yang tersedia sehingga diperoleh informasi yang tepat. Pengolahan citra digital untuk proses identifikasi citra digital terus berkembang dengan menggunakan bermacam-macam metode agar diperoleh informasi yang seakurat mungkin. Untuk menghasilkan proses identifikasi yang akurat diperlukan suatu metode dan sistem aplikasi komputer untuk pengolahan citra yang didalamnya telah terintegrasi sebuah subsistem untuk proses deteksi ciri dan identifikasi.
Teknik biometrik merupakan salah satu metode yang banyak diterapkan untuk pengenalan terhadap identitas seseorang berdasarkan karakteristik pembeda dari orang tersebut.Biometrik (berasal dari bahasa Yunani bios yang artinya hidup dan metron yang artinya mengukur) secara umum adalah studi mengenai karakteristik biologi yang terukur. Dalam dunia teknologi, biometrik relevan dengan teknologi yang digunakan untuk menganalisa fisik dan kelakuan manusia dalam autentifikasi.
BAB I PENDAHULUAN
Dalam Tugas Akhir ini telah dilakukan identifikasi wajah melalui citra bibir dengan metode eigen fuzzy set. Eigen fuzzy set merupakan salah satu metode untuk mencari suatu nilai yang berisi informasi berupa ciri penting. Dalam bidang pengolahan citra, teori fuzzy telah banyak diimplementasikan antara lain untuk segmentasi citra dan pengukuran kemiripan citra.
Penerapan eigen fuzzy set untuk analisis citra pertama kali dikembangkan pada tahun 2003 oleh Nobuhara dan Hirota. Berdasarkan teori fuzzy dan eigen
fuzzy set, hasil penelitian menunjukkan bahwa metode ini dapat mengekstrak ciri
penting pada citra sehingga sistem perolehan citra dapat menemukan citra sesuai dengan kueri yang diberikan.
1.2. Identifikasi Masalah
Untuk mengidentifikasi suatu citra bibir dibutuhkan suatu metode dan parameter. Untuk itu akan digunakan parameter warna utuk menemukan ciri penting setiap citra bibir seseorang yang akan membedakannya terhadap yang lain.
Pengolahan citra digital pada dasarnya merupakan operasi manipulasi dari matriks citra digital, oleh karena itu sangat diperlukan suatu metode untuk mengenali ciri khusus dari matriks citra tersebut.
1.3.Rumusan Masalah
Adapun rumusan masalah padaTugas Akhir ini adalah sebagai berikut: 1. Bagimana mengidentifikasi wajah seseorang me citra bibir ?
2. Bagimana merancang perangkat lunak yang dapat mengidentifikasi wajah seseorang berdasarkan ciri khusus citra bibir ?
1.4.Tujuan Tugas Akhir
Adapun tujuan yang ingin dicapai padaTugas Akhir ini yakni :
BAB I PENDAHULUAN
2. Mengimplementasikan sebuah sistem yang dapat mengidentifikasi seseorang melalui citra bibir dengan menggunakan perangkat lunak Matlab 7.11.
1.5.Batasan Masalah
Adapun batasan masalah padaTugas Akhir ini yaitu: 1. Pengenalan daerah bibir yang diambil tampak depan.
2. Citra yang digunakan adalah citra berwarna file bitmap 24 bit yang telah melalui proses cropping pada daerah bibir dengan ukuran 50x125 pixel. 3. Parameter yang digunakan adalah parameter warna.
4. Menggunakan metode eigen fuzzy set dan fuzzy C-means (FCM) sebagai algoritma untuk proses klasifikasi.
5. Fungsi program eigen fuzzy set dan FCM menggunakan tools Matlab.
1.6. Sistematika Penulisan
Penyusunan laporan tugas akhir terdiri dari lima bab sebagai berikut :
BAB I. PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah, identifikasi masalah, tujuan, pembatasan masalah, sistematika penulisan
BAB II. LANDASAN TEORI
Pada bab ini akan dibahas teori-teori yang akan digunakan untuk merancang desain identifikasi citra bibir seseorang dengan metode eigen fuzzy set meliputi pembahasan pengolahan citra, metode eigen fuzzy set, metode fuzzy C-Mean (FCM), ekstraksi ciri, dan Matlab 7.11.
BAB III. PERANCANGAN DAN REALISASI
Pada bab ini dijelaskan mengenai diagram blok dan cara kerja sistem untuk identifikasi citra bibir meliputi perancangan sistem, program untuk
pre-processing, metoda klasifikasi Fuzzy C-mean, proses identifikasi dengan metode
BAB I PENDAHULUAN
BAB IV. DATA PENGAMATAN DAN ANALISA
Pada bab ini berisi mengenai hasil pengamatan yang telah dilakukan terhadap objek-objek yang telah di-crop pada daerah bibir dengan metode pengukuran jarak euclidean terkecil.
BAB V. KESIMPULAN DAN SARAN
BAB V
KESIMPULAN DAN SARAN
5.1.Kesimpulan
Kesimpulan yang dari tugas akhir ini adalah :
1. Indentifikasi wajah seseorang melalui citra bibir dengan metode eigen fuzzy set dapat direalisasikan dengan tingkat akurasi yang beragam pada setiap variasi citra referensi serta jarak pengambilan citra uji.
2. Dari keseluruhan hasil percobaan diperoleh hasil pengujiaan dengan tingkat akurasi paling baik yaitu pada pada percobaan 1 dan 3 dengan persentase keberhasilan 95,24%. Secara keseluruhan hasil percobaan yang telah dilakukan diperoleh rata-rata keberhasilan 93,02%.
5.2. Saran
Adapun saran terhadap hasil dari Tugas Akhir ini adalah :
1. Dengan menggunakan teknik pre-processing yang lain diharapkan akan menghasilkan citra yang lebih baik dan meningkatkan keakuratan hasil identifikasi.
2. Tugas Akhir lebih dikembangkan dengan menggunakan sistem deteksi real
DAFTAR PUSTAKA
1. Away, Gunadi Abdia. 2010. “The Shortcut of Matlab Programming”. Bandung : Informatika.
2. Darmawan, Aan. 2007. “Diktat Kuliah Pengolahan Citra Digital”. 3. Jain, Anil K. 1989. “Fundamentals of Digital Image Processing”. New
Jersey : Prentice Hall.
4. Jun Yan, Michael Ryan, James Power. “Using Fuzzy Logic”. Prentice Hall, 1994.
5. Malathy K. “ An Enhanced Fuzzy C-Means Clustering for Intelligent Prediction”.Department of Computer Technology, MIT Campus
6. Putra, Darma. 2010. “Pengolahan Citra Digital”, Semarang : Andi.
7. Puspasari, Shinta. “Studi Analisis Citra Wajah Dengan Himpunan Fuzzy
Eigen Terbesar”. Seminar Nasional Aplikasi Teknologi Infornasi 2008 (SNATI 2008).
8. Wijaya, Ch.Marvin & Prijono Agus. 2007. “Pengolahan Citra Digital Menggunakan Matlab Image Processing Toolbox”. Bandung :Informatika. 9. http://ebookbrowse.com/bab-2-pembentukan-citra-pdf-d360415827 10.
http://www.scribd.com/doc/63514916/Fuzzy-Clustering-and-Fuzzy-C-Means
11.http://radar.ee.itb.ac.id/~suksmono/Lectures/el4027/ppt/PCB3.%20Sistem %202D%20dan%20Matriks.pdf
12. http://www.scribd.com/doc/59018692/Pengolahan-Citra-Digital-Menggunakan-Matlab
13.
http://dosen.narotama.ac.id/wp-content/uploads/2012/03/Customer-Segmentation-of-PLN-UPJ-East-Bogor-Region-Using-Fuzzy-C-Means.pdf 14.
