Kombinasi Ciri Orde 1, Ciri Orde 2 Dan Discrete Cosine Transform Pada Pengenalan Pola Citra Wajah

PENGENALAN POLA CITRA WAJAH

TESIS

JULIANSYAH PUTRA TANJUNG

147038076

PROGRAM MAGISTER S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

PENGENALAN POLA CITRA WAJAH

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

JULIANSYAH PUTRA TANJUNG

147038076

PROGRAM MAGISTER S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

PENGESAHAN

Judul : KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN DISCRETE COSINE TRANSFORM PADA PENGENALAN POLA CITRA WAJAH Kategori : TESIS

Nama : JULIANSYAH PUTRA TANJUNG Nomor Induk Mahasiswa : 147038076

Program Studi : MAGISTER S2 TEKNIK INFORMATIKA

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Prof. Dr. Marwan Ramli, M.Si Prof. Dr. Muhammad Zarlis

Diketahui/disetujui oleh

Program Studi Magister S2 Teknik Informatika Ketua,

PERNYATAAN ORISINALITAS

KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN

DISCRETE COSINE TRANSFORM PADA

PENGENALAN POLA CITRA WAJAH

T E S I S

Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, Februari 2017

PERSETUJUAN PUBLIKASI

Sebagai civitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini :

Nama : Juliansyah Putra Tanjung

NIM : 147038076

Program Studi : Magister S2 Teknik Informatika Jenis Karya Imliah : Tesis

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Ekskutif (No-Exclusive Royaly Free Righ) atas tesis saya yang berjudul :

KOMBINASI CIRI ORDE 1, CIRI ORDE 2 DAN

DISCRETE COSINE TRANSFORM PADA

PENGENALAN POLA CITRA WAJAH

Beserta perangkat yang ada (Jika diperlukan). Dengan Hak Bebas Royaliti Non-Ekslusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, Februari 2017

Telah diuji pada

Tanggal : 06 Februari 2017

_____________________________________________________________________

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Muhammad Zarlis

Anggota : 1. Prof. Dr. Marwan Ramli,M.Si

2. Dr. Mahyuddin, M. IT

3. Rahmat W. Sembiring, M.Sc.IT, Ph.D

RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap (berikut gelar) : Juliansyah Putra Tanjung, S.T Tempat dan Tanggal Lahir : Medan, 27 Juli 1987

Alamat Rumah : Jl. Letda Sujono Gg. Jawa No. 21A

Telepon/Hp : 081396300055

e-mail : juliansyahputra27@gmail.com

Instansi Tempat Kerja : Yayasan Pendidikan Shafiyyatul Amaliyyah Alamat Kantor : Jl. Setiabudi No. 191 Medan

Telepon : 061- 8211347

DATA PENDIDIKAN

UCAPAN TERIMAKASIH

Pertama - tama marilah kita panjatkan puji syukur kehadirat Allah SWT atas segala limpahan rahmat dan karunia-Nya sehingga tesis ini dapat diselesaikan dengan baik. Shalawat beserta salam kepada junjungan kami, Rasulullah Muhammad SAW yang telah membawa kita dari alam kegelapan ke alam yang penuh dengan peradaban seperti saat ini.

Dengan selesainya tesis ini, perkenankanlah kami mengucapkan terima kasih kepada pihak yang telah mendukung diantaranya :

1. Rektor Universitas Sumatera Utara Prof. Runtung Sitepu atas kesempatan yang diberikan kepada kami untuk mengikuti dan menyelesaikan pendidikan Program Magister.

2. Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Prof. Dr. Opim Salim Sitompul, M.Sc,

3. Ketua Program Studi Magister Teknik Informatika Fasilkom-TI Universitas Sumatera Utara sekaligus sebagai pembimbing utama saya yang dengan penuh perhatian dan telah memberikan dorongan, bimbingan dan juga arahan kepada saya yaitu Bapak Prof. Dr. Muhammad Zarlis, M.Sc,

4. Sekretaris Program Studi Magister Teknik Informatika Fasilkom-TI Universitas Sumatera Utara Dr. Syahril Efendi,S.Si, M.IT beserta seluruh staff pengajar dan pegawai pada Program Studi Magister Teknik Informatika Fasilkom-TI Universitas Sumatera Utara.

5. Terima kasih yang setinggi-tingginya kami ucapkan Prof. Dr. Marwan Ramli, M.Si selaku Pembimbing Anggota yang dengan penuh kesabaran menuntun dan membimbing kami hingga selesainya penelitian ini.

6. Terima kasih yang setinggi-tingginya kami ucapkan kepada Bapak Dr. Mahyuddin, M. IT dan Bapak Rahmat W. Sembiring, M.Sc.IT, Ph.D selaku pembanding yang telah memberikan saran dan masukan untuk penyelesaian tesis ini.

atas segala pengorbanan kalian baik berupa moril maupun materil, budi baik ini tidak bisa dibalas hanya doa diserahkan kepada Allah SWT.

8. Terimakasih kepada orang tua serta keluarga besarku yang telah memberikan

do’a dan dukungan demi selesainya tesis ini.

9. Terimakasih kepada sahabatku Muhatir, Andiran Kurniawan, dan Putra Noba yang sudah memberikan masukan, saling sharing dan semangat juang yang tinggi demi selesainya tesis ini.

10.Dan tak lupa terima kasih saya ucapkan kepada Yayasan Pendidikan Shafiyyatul Amaliyyah yang telah mengizinkan saya untuk melanjutkan pendidikan program magister ini.

Medan, Februari 2017

ABSTRAK

Wajah merupakan suatu identitas untuk mengenali seseorang, setiap orang dapat mengenali wajah dengan baik dan dapat membedakan setiap wajah yang telah dikenali sebelumnya dalam keadaan apapun, hal ini sangat mudah dilakukan dikarenakan manusia merupakan ciptaan Tuhan Yang Maha Esa, namun apakah sebuah sistem komputer dapat melakukan hal yang sama seperti manusia, pasti ditemukan pada sistem tersebut berbagai macam permasalahan, hal inilah yang harus dipelajari dan dikembangkan. Salah satu cara untuk mengidentifikasi citra wajah adalah dengan melakukan ekstraksi fitur diantaranya Ekstraksi Fitur Ciri Orde Satu (Statistik Fitur) dan Ekstraksi Fitur Ciri Orde Dua (Feature Haralic) dan juga DCT (Discrete Cosine Transform). Oleh karena itu perlu dilakukan analisa kinerja terhadap ketiga metode tersebut dengan cara menentukan mana yang memiliki nilai yang lebih baik dalam pengenalan pola citra wajah, Objek citra yang akan dikenali adalah objek citra wajah dengan jumlah sample sebanyak 1400 citra wajah dengan tujuh kategori yaitu citra wajah dengan orientasi 45°,30°,15°kekiri, 0° dan 45°,30°,15°kekanan. tahapan yang akan dilakukan pertama adalah melakukan proses grayscale dan dilanjutkan dengan kinerja ekstraksi fitur, yaitu kinerja Statistik Fitur (Ciri Orde Satu) dengan tingkat keakuratan sebesar 65.54%,, Kinerja Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 50.89%, Kinerja kombinasi antara Statistik Fitur (Ciri Orde Satu) dengan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 72,50%, Kinerja kombinasi Discrete Cosine Transform (DCT) dengan Statistik Fitur (Ciri Orde Satu) dengan tingkat keakuratan sebesar 7.14%,, Kinerja kombinasi Discrete Cosine Transform (DCT) dengan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 11,61% dan Kinerja Kombinasi Discrete Cosine Transform (DCT) dengan Statistik Fitur (Ciri Orde Satu) dan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 6,79%.

COMBINATION OF STATISTIC FEATURE, FEATURE HARALIC AND DISCRETE COSINE TRANSFORM ON

FACE PATTERN RECOGNITION

ABSTRACT

Face is an identity to recognize a person, everyone can recognize faces well and can distinguish individual faces that had been identified previously in any circumstances, it is very easy to do because human beings are creatures of God Almighty, but however a computer system can do the same as humans, is sure found in such systems a wide range of issues, the matters to be studied and developed. The way to identify the face image is conducted by extracting features including Feature Extraction Order One (Statistic Feature) and the Order of Double Feature Extraction (Feature Haralic) and DCT (Discrete Cosine Transform). It is very necessary ordering to analyze the performance of the three methods by determining which one has the better value in pattern recognition face image, object image to be recognized is the object of the face image with the number of a sample of 1400 images with seven categories: face image with orientation 45 °, 30 °, 15 ° left, 0 ° and 45 °, 30 °, 15 ° to right. The first stage will be carried out is the process grayscale and continued with the performance of feature extraction, the performance statistics feature (Feature Order One) with a level of accuracy of 65.54% ,, Performance Haralic Feature (Feature Order Two) with the level of accuracy of 50.89%, a combination of Performance between Statistics feature (feature Order One) with Haralic feature (feature Order Two) with the level of accuracy of 72.50%, a combination of performance Discrete Cosine Transform (DCT) with Statistics feature (feature Order One) with a level of a ccuracy of 7:14%, performance combination Discrete Cosine Transform (DCT) with Hara lic feature (feature Order Two) with the level of accuracy of 11.61% and combined performance Discrete Cosine Transform (DCT) with Statistics feature (feature Order One) and Haralic feature (feature Order Two) with level accuracy of 6.79%.

DAFTAR ISI

3.3Data & Peralatan Penelitian Yang Digunakan... 16

3.4Pengenalan Citra Wajah ... 16

3.4.1 Pengenalan Citra Wajah Dengan Ekstraksi Fitur Ciri Orde Satu... 16

3.4.3 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur

Ciri Orde Satu dan Ciri Orde Dua ... 18

3.4.4 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu dengan DCT (Discrete Cosine Transform) ... 18

3.4.5 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Dua dengan DCT (Discrete Cosine Transform) ... 19

3.4.6 Pengenalan Citra Wajah Dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu dan Ciri Orde Dua dengan DCT (Discrete Cosine Transform) ... 20

3.10 Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Dua dan DCT .. 26

3.11 Skema Kombinasi Nilai Ekstraksi Fitur Ciri Orde Satu, Dua & DCT (Discrete Cosine Transform) ... 27

3.12 Parameter Pengukuran Evaluasi Unjuk Kerja Sistem... 28

BAB 4 HASIL DAN PEMBAHASAN ... 29

LAMPIRAN 1 DAFTAR PUBLIKASI ILMIAH PENULIS ... 51

DAFTAR GAMBAR

Halaman

Gambar 2.1 Contoh Peralatan yang Menghasilkan Citra ... 6

Gambar 2.2 Citra Dengan Empat Tingkat Keabuan & Hasil GLCM Pada Jarak 1 - 0 ... 10

Gambar 3.1 Alur Kerja Penelitian Secara Umum ... 15

Gambar 3.2 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Satu ... 16

Gambar 3.3 Pengenalan Citra Wajah dengan Ekstraksi fitur Ciri Orde Dua ... 17

Gambar 3.4 Pengenalan Citra Wajah dengan Kombinasi Ekstraksi Fitur Ciri Orde Satu dan Ciri Orde Dua ... 18

Gambar 3.5 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Satu dan DCT (Discrete Cosine Transform) ... 19

Gambar 3.6 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Dua dan DCT (Discrete Cosine Transform) ... 19

Gambar 3.7 Pengenalan Citra Wajah dengan Ekstraksi Fitur Ciri Orde Satu dan, Ciri Orde Dua dengan DCT (Discrete Cosine Transform)... 20

Gambar 3.8 Diagram Alir Proses Grayscale ... 21

Gambar 3.9 Diagram Alir Proses Ekstraksi Fitur Menggunakan Ciri Orde Satu... 22

Gambar 3.10 Diagram Alir Proses Ekstraksi Fitur Menggunakan Ciri Orde Dua ... 23

Gambar 3.11 Diagram Alir Proses Ekstraksi Fitur Menggunakan Ciri Orde Satu & Dua .. 24

Gambar 3.12 Diagram Alir Proses Kombinasi Antara Nilai Ekstraksi Fitur Ciri Orde Satu dengan DCT (Discrete Cosine Transform) ... 25

Gambar 3.13 Diagram Alir Proses Kombinasi Antara Nilai Ekstraksi Fitur Ciri Orde Dua dengan DCT (Discrete Cosine Transform) ... 26

Gambar 3.14 Diagram Alir Proses Kombinasi Antara Nilai Ekstraksi Fitur Ciri Orde Satu dan Dua dengan DCT (Discrete Cosine Transform) ... 27

Gambar 4.1 Sampel Citra Wajah Hasil Rekaman Kamera Digital ... 30

Gambar 4.3 Hasil dari probabilitas citra ... 31

Gambar 4.4 Hasil ekstraksi fitur ciri orde satu ... 31

Gambar 4.5 Hasil matriks kookurensi 0° _{... 32}

Gambar 4.6 Hasil matriks kookurensi 45° _{... 32}

Gambar 4.7 Hasil matriks kookurensi 90° _{... 33}

Gambar 4.8 Hasil matriks kookurensi 135° _{... 33}

Gambar 4.9 Hasil matriks kookurensi komulatif ... 34

Gambar 4.10 Hasil ekstraksi fitur ciri orde satu dan ciri orde dua ... 34

Gambar 4.11 Hasil Energi DCT dari Ciri Orde Satu dan Ciri Orde Dua ... 35

Gambar 4.12 Hasil Ekstraksi Fitur Ciri Orde Satu, Ciri Orde Dua dan Energi dari DCT .. 36

Gambar 4.13 Hasil Pengenalan Citra Wajah ... 37

DAFTAR TABEL

Halaman

Tabel 4.1 Hasil Pengujian Pada Orientasi 45° Kekiri _{... 38}

Tabel 4.2 Hasil Pengujian Pada Orientasi 30° Kekiri _{... 39}

Tabel 4.3 Hasil Pengujian Pada Orientasi 15° Kekiri _{... 40}

Tabel 4.4 Hasil Pengujian Pada Orientasi 0° Kekiri _{... 41}

Tabel 4.5 Hasil Pengujian Pada Orientasi 15° Kekanan _{... 42}

Tabel 4.6 Hasil Pengujian Pada Orientasi 30° Kekanan _{... 43}