SCREEN DENGAN MENGGUNAKAN FACE
EXPRESSION PADA SMARTPHONE
BERBASIS ANDROID
Jeklin Harefa
1, Alexander
2, Rhio Sutoyo
3 1,2,3Universitas Bina Nusantara, Jl. K H. Syahdan No. 9 Kemanggisan – Palmerah Jakarta Barat 11480, 021 534 5830,
1
[email protected], [email protected], [email protected]
ABSTRAK
Smartphone kini telah bergeser sebagai kebutuhan utama sehingga membuat orang-orang melakukan segala aktivitas mereka pada smartphone. Aktivitas-aktivitas ini tentunya akan melakukan pertukaran informasi di dalamnya. Oleh karena itu smartphone biasanya telah dilengkapi fitur keamanan agar informasi tidak tersebar secara bebas. Penelitian ini bertujuan untuk menyediakan aplikasi yang menggunakan ekspresi wajah seseorang guna meningkatkan keamanan Android, membandingkan algoritma yang akan digunakan untuk melakukan pendeteksian dan pengenalan ekspresi wajah, serta sebagai sarana pengembangan aplikasi dari sistem unlock screen yang sudah ada. Metode penelitian yang digunakan terdiri dari 2 bagian, yaitu metode survei, dan metode studi kasus. Metode survei dilakukan dengan cara melakukan penyebaran kuisioner, sedangkan metode studi kasus dilakukan dengan mengumpulkan informasi dari berbagai sumber. Hasil yang dicapai dari penelitian ini adalah menghasilkan sebuah aplikasi unlock screen pada smartphone berbasis Android yang memanfaatkan perubahan ekspresi wajah seseorang. Aplikasi ini diharapkan dapat sebagai alternatif tambahan untuk melakukan lock screen. Kesimpulan yang diperoleh adalah perubahan ekspresi dapat menutup kekurangan face lock yang dapat dikelabuhi oleh foto.
Kata Kunci: unlock screen, ekspresi wajah, smartphone, Android
ABSTRACT
Nowadays, smartphone has been shifted as a primary needs thus making people does all their activities on smartphone. These activities will certainly do the exchange of information in it. Hence, smartphone usually has a security feature to keep this information. This research aim to provide an application that uses a person’s facial expressions in order to improve the security of Android, compare the algorithm to be used to perform the face detection and facial expression recognition, and as a means of application development from existing unlock screen. The research methodology that be used consists of 2 parts, the survey and case study methods. Survey method has been done by spreading questionnaire, while the case study method has been done by collecting information from various literature. The result that achieved from this research is to produce an unlock screen application on Android that take utilizes a person’s facial expression changes. The conclusion is facial expression’s changes can cover the lack of face lock that can be deceived by a photo.
PENDAHULUAN
Tidak dapat dipungkiri, bahwa semakin berkembangnya era globalisasi, semakin menjadikan
smartphone sebagai bagian dari kehidupan sehari-hari. Tidak hanya orang dewasa, kini mulai dari
anak kecil, remaja, hingga orang yang lanjut usia pun, sebagian besar memiliki smartphone. Salah satu smartphone yang tengah berkembang di masyarakat ialah smartphone yang berbasiskan
Operating System (OS) Android. Berdasarkan diagram lingkaran yang dimuat media 1 , dapat dilihat bahwa pengguna Android telah meningkat secara signifikan, dimulai pada tahun 2009 yang hanya berkisar 4% dari market share, meroket menjadi 67% pada tahun 2012. Bahkan diramalkan pada tahun 2015, pengguna Android masih stabil berada di peringkat pertama dalam market share.
Gambar 1. Diagram Statistik Penjualan Smartphone Berdasarkan Data dari ABIresearch
Berdasarkan statistik diatas, maka tak heran jika banyak vendor mobile yang lebih memilih
smartphone berbasis OS android. Banyaknya smartphone Android yang diproduksi, menjadikan
fitur-fitur yang ada didalamnya menjadi semakin berkembang. Salah satu perkembangan yang cukup pesat pada Android ialah fitur keamanan, dimana yang awalnya hanyalah berupa pin kini menjadi semakin bervariasi, seperti face unlock, face and voice unlock, dan pattern unlock (Gambar 2). Bahkan berdasarkan media 2, dikatakan bahwa Google telah memiliki sebuah fitur baru yang bernama ‘Ugly Face’ dimana pada fitur ini, pengguna harus menjulurkan lidah, menaikkan alis atau gaya muka jelek lainnya di kamera depan, untuk bisa menggunakan perangkat tersebut.
Gambar 2. Face Unlock (kiri), Pin Unlock (tengah), dan Pattern Unlock (kanan)
1
http://financialpress.com/2013/01/29/smartphone-shakeup/
2
Salah satu sistem security yang paling aman ialah dengan menggunakan biometrik. Biometrik secara umum adalah studi tentang karakteristik biologi yang terukur. Biometrik memiliki keistimewaan berupa keunikan setiap individu. Android telah mengimplementasikan biometrik pada
face recognition. Namun, terdapat kelemahan pada sistem security yang menggunakan face recognition, yakni jika yang ditampilkan adalah berupa gambar yang sesuai dengan wajah pengguna,
maka secara otomatis, sistem akan menganggap gambar tersebut sebagai wajah dari pengguna yang sesungguhnya. Oleh karena itu, diperlukan sebuah sistem keamanan untuk memastikan bahwa yang ditampilkan bukan merupakan gambar, melainkan wajah asli dari pengguna. Dengan sistem keamanan yang baik, berbagai macam file penting yang tersimpan di dalam perangkat smartphone-pun dapat semakin terlindungi terhadap kasus pencurian file yang terjadi.
Valstar dan Pantic (Valstar & Pantic, 2002) mencoba melakukan pengenalan ekspresi wajah berdasarkan action unit. Action unit merupakan pergerakan wajah terkecil yang dapat dilihat secara visual. Action unit yang telah didapatkan, selanjutnya diklasifikasi oleh Support Vector Machine untuk menentukan ekspresi wajah. Hasil penelitian ini mampu mengenali sebesar 95.3% pada citra yang menampilkan ekspresi wajah.
Mengingat terdapat kelemahan pada sistem security yang ada pada face recognition, maka melalui penelitian ini diharapkan mampu menutup kelemahan dari face recognition yang telah disampaikan diatas dengan membuat sebuah aplikasi unlock screen yang memanfaatkan perubahan ekspresi wajah seseorang dengan teknologi computer vision.
Terdapat tiga rumusan masalah yang akan dibahas pada penelitian ini, antara lain:
1. Bagaimana cara agar aplikasi lock screen yang memanfaatkan fitur face recognition tidak dapat dikelabuhi dengan gambar atau foto?
2. Bagaimana cara meningkatkan akurasi dalam pendeteksian dan pengenalan ekspresi wajah?
3. Sistem arsitektur seperti apakah yang dapat digunakan untuk membangun aplikasi lock screen yang memanfaatkan ekspresi wajah?
Sedangkan ruang lingkup perancangan aplikasi ini terbatas pada: 1. Jumlah wajah yang dapat dideteksi adalah 1.
2. Proses unlock harus disertai wajah yang sesuai, dengan perubahan ekspresi dari netral ke emosi lain.
3. Pengoperasian aplikasi membutuhkan cahaya yang cukup.
4. Pengembangan aplikasi difokuskan pada Android 2.3.3 keatas dengan minimum RAM 768 MB
dan mempunyai kamera depan.
5. Aplikasi membutuhkan OpenCV Manager ter-install dalam Android.
Tujuan yang ingin dicapai dari penelitian ini adalah:
1. Menyediakan aplikasi yang menggunakan ekspresi wajah seseorang guna meningkatkan
keamanan pada Android.
2. Membandingkan algoritma yang akan digunakan untuk melakukan pendeteksian dan pengenalan
ekspresi wajah.
3. Sebagai sarana pengembangan aplikasi dari sistem unlock screen yang sudah ada. Adapun manfaat yang akan diperoleh jika aplikasi ini telah beroperasi penuh adalah:
1. Meningkatkan sekuritas dari smartphone agar penyimpanan data dapat semakin lebih aman.
2. Memudahkan pengguna untuk melakukan unlock device dengan cara yang lebih unik dan
interaktif.
Metode penelitian yang digunakan dalam penulisan ini adalah :
1. Metode Survei
Metode survei adalah penyelidikan yang diadakan untuk memperoleh fakta-fakta dari gejala-gejala yang ada dan mencari keterangan-keterangan secara faktual, baik tentang institusi sosial. ekonomi, politik, dari suatu kelompok ataupun suatu daerah. Metode survei yang digunakan ialah melalui penyebaran kuisioner secara acak kepada sejumlah responden guna memperoleh informasi yang nantinya akan digunakan untuk tahap selanjutnya.
2. Studi Kasus
Studi kasus atau penelitian kasus (case study) adalah penelitian tentang status subjek penelitian yang berkenan dengan suatu spesifik atau khas dari seluruh personalitas. Tujuan studi kasus adalah untuk memberikan gambaran secara detail tentang latar belakang, sifat-sifat, serta karakter-karakter yang khas dari kasus, ataupun status dari individu, yang kemudian dari sifat-sifat khas diatas akan
dijadikan suatu hal yang bersifat umum. Studi kasus yang dilakukan pada penulisan skripsi ini ialah dengan mengumpulkan informasi dari berbagai sumber literatur yang berhubungan dengan berbagai permasalahan yang ada.
Penulisan skripsi ini secara sistematis dibagi menjadi lima bab dengan tujuan mempermudah pemahaman dalam pembahasan aplikasi. Berikut ini merupakan sistematika dan rincian penulisan tiap bab:
BAB 1: PENDAHULUAN
Bab ini terdiri dari latar belakang permasalahan dari penelitian yang dilakukan, ruang lingkup permasalahan, tujuan dan manfaat penelitian, metodologi penelitian yang digunakan, serta sistematika penulisan laporan.
BAB 2: LANDASAN TEORI
Bab ini membahas teori-teori yang digunakan dalam pengembangan aplikasi, yaitu membahas tentang artificial intelligence, computer vision, face detection, serta pengenalan ekspresi wajah.
BAB 3: METODOLOGI
Bab ini menjelaskan mengenai analisis dan proses perancangan aplikasi. Perancangan ini meliputi pemilihan algoritma yang lebih baik serta pengembangan dari algoritma tersebut. Selain itu pada bab ini juga akan dilakukan perancangan layar aplikasi.
BAB 4: HASIL DAN PEMBAHASAN
Bab ini akan membahas mengenai hasil implementasi dari aplikasi yang dirancang serta mengevaluasi kinerja aplikasi. Setelah itu dilakukan perbaikan dari evaluasi yang dilakukan.
BAB 5: SIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari hasil pengembangan aplikasi yang telah dilakukan beserta saran yang ditujukan untuk pengembangan aplikasi selanjutnya dalam penyusunan skripsi ini.
METODE PENELITIAN
Pengenalan wajah merupakan salah satu bentuk kecerdasan buatan dalam pengenalan pola wajah seseorang yang memungkinkan komputer dapat mengenali wajah seseorang. Pengenalan wajah dimulai dengan mendapatkan citra wajah melalui kamera. Selanjutnya, akan dilakukan pengolahan citra yang telah didapatkan agar citra wajah dapat dikenali dengan akurat oleh komputer.
Namun, sistem pengenalan wajah ini belum dapat membedakan antara wajah asli seseorang dengan gambar / foto. Oleh karena itu, penelitian ini membuat sebuah mekanisme untuk mengatasi ketidakmampuan komputer dalam mengenali wajah asli dan gambar dengan menggunakan perubahan ekspresi wajah. Setelah wajah berhasil dikenali dan terdapat perubahan ekspresi wajah, maka
smartphone yang terkunci akan dibuka. Untuk mempermudah pemahaman proses, kerangka berpikir
Gambar 3. Kerangka Berpikir Aplikasi saat Membuka Layar
Pendeteksian Wajah
Pada tahap ini, dilakukan pendeteksiaan wajah dengan menggunakan kamera depan pada
smartphone. Proses pendeteksian wajah dilakukan dengan cara user menghadapkan wajah pada
kamera depan. Untuk meningkatkan akurasi pendeteksian wajah. pengguna harus menempatkan posisi wajah pada lingkaran yang dirancang dalam aplikasi.
Gambar 4. Wajah Pengguna di Dalam Lingkaran pada Aplikasi Pengolahan Citra
Sebelum citra wajah dikenali pada proses selanjutnya, citra wajah perlu diolah terlebih dahulu. Pengolahan ini dilakukan karena proses pengenalan wajah sangat rentan terhadap error. Salah satu penyebab terjadinya error ialah perbedaan intensitas wajah ketika gambar diambil. Oleh karena itu, citra wajah akan diolah dalam proses sebagai berikut (Baggio et al., 2012) :
a. Transformasi geometri dan pemotongan citra
Proses ini terdiri dari pengaturan ukuran citra, rotasi gambar, dan perpindahan gambar sehingga mata menjadi sejajar, dengan cara menghilangkan bagian kening, dagu, telinga dan latar dari citra wajah.
b. Pemerataan histogram pada sisi kiri dan kanan citra
Proses ini mengatur kecerahan dan kekontrasan citra pada sisi kiri dan kanan dari wajah.
c. Smoothing
Proses ini mengurangi noise pada gambar menggunakan bilateral filter.
d. Elliptical mask
Gambar 1.Pengolahan Citra Wajah
Pengenalan Wajah
Face recognition telah menjadi topik penting dalam berbagai aplikasi, seperti sistem
keamanan, verifikasi kartu kredit, dan untuk mengidentifikasi pelaku kriminal. Sebagai contohnya,
face recognition ini mampu untuk membandingkan suatu wajah tertentu dari sekumpulan wajah yang
disimpan sehingga dapat membantu dalam mengindentifikasi pelaku kriminal (Dashore & Raj, 2012).
Pengenalan Ekspresi Wajah
Pengenalan ekspresi wajah terdiri dari 3 tahap, antara lain: pre-processing, feature extraction, dan classification. Tahap pre-processing berkaitan dengan lokalisasi, penelusuran dan pencatatan wajah untuk menghilangkan variabilitas yang terjadi karena adanya perubahan pose kepala dan pencahayaan. Tahap feature extraction bertujuan untuk mengubah data berbentuk pixel menjadi representasi tingkat yang lebih tinggi terhadap bentuk, gerakan, warna dan tekstur, yang meminimalkan variasi dalam kelas sembari memaksimalkan variasi antar kelas. Pada tahap
classification bertujuan untuk mendeteksi action unit yang terdapat pada wajah. (Jiang et al., 2013)
HASIL DAN PEMBAHASAN
Pendeteksian Wajah
Tahap pendeteksian wajah dilakukan dengan menggunakan algoritma Viola Jones. Terdapat 5
cascade classifier yang akan diuji dalam pendeteksian wajah tampak depan. Dari kelima classifier ini
akan dipilih sebuah classifier yang paling optimal untuk digunakan dalam penelitian ini baik secara akurasi maupun kecepatan dalam mendeteksi wajah. Hasil dari pengujian kelima classifier sebagai berikut :
Tabel 1.Perbandingan Classifier Berdasarkan FPS dan Akurasi
Jenis Classifier Range FPS Akurasi
Haarcascade_frontalface_alt_tree ~2-3 fps 96.296%
Haarcascade_frontalface_alt ~2-4 fps 96.296%
Haarcascade_frontalface_alt2 ~3-4 fps 100%
Haarcascade_frontalface_default ~3-4 fps 100%
Lbpcascade_frontalface ~4-5 fps 100% * FPS (frame per second) semakin tinggi, semakin baik
Berdasarkan Tabel 1, dapat dilihat bahwa classifier terbaik untuk melakukan pendeteksian wajah ialah lbpcascade_frontalface, dimana pada classifier ini, didapatkan range FPS tertinggi dengan tingkat akurasi yang baik saat pendeteksian wajah.
Pengenalan Wajah
Pada tahap pengenalan wajah, akan dilakukan pengujian terhadap 3 algoritma yaitu Eigenface,
Fisherface dan LBPH (Local Binary Pattern Histogram). Tahap ini diawali dengan melakukan training citra wajah pengguna. Output dari training ini berupa file XML yang dipakai untuk
mengenali pemilik wajah. Setelah training dilakukan, maka dilakukan testing kepada wajah yang ingin dikenali dengan output berupa nilai prediction. Nilai prediction akan digunakan untuk menentukan nilai threshold yang berfungsi sebagai faktor penentu wajah dikenali atau tidak.
Tabel 2. Hasil Pengujian Algoritma Eigenface, Fisherface, LBPH
Eigenface Fisherface LBPH
Nilai prediction saat testing dengan wajah yang sama
4633.81 318.59 29.32
dengan wajah yang berbeda :
Nilai prediction terbesar saat testing pada wajah yang berbeda :
8360.78 2805.77 367.5
Rata-rata FPS 0.67 1.23 6.58
* Nilai prediction semakin rendah, semakin baik * FPS (frame per second) semakin tinggi, semakin baik
Berdasarkan Tabel 2, dapat dilihat bahwa algoritma terbaik untuk melakukan pengenalan wajah ialah algoritma LBPH, dimana pada algoritma ini, didapatkan rata-rata FPS tertinggi dan nilai
prediction yang dihasilkan cukup akurat sehingga dapat melakukan pengenalan wajah dengan baik.
Pengenalan Ekspresi Wajah
Penelitian akan dilakukan untuk mencari hasil yang paling optimal untuk pengenalan ekspresi wajah diantara teknik Algoritma Viola Jones, ASM (Active Shape Model) dan SVM (Support Vector
Machine), serta PCA (Principal Component Analysis).
Tabel 3. Hasil pengujian teknik pengenalan wajah
Viola Jones ASM dan SVM PCA
Akurasi 44 % 56.67 % 86.67%
Kecepatan 1.74 – 4.36 fps 4.67 – 6.31 fps 4.13 – 5.57 fps
* FPS (frame per second) semakin tinggi, semakin baik
Setelah penelitian dilakukan, didapatkan teknik PCA yang terbaik dalam melakukan pengenalan ekspresi wajah. Hal ini dikarenakan, PCA memiliki tingkat FPS yang cukup tinggi dan tingkat akurasi yang baik dalam pengenalan ekspresi wajah.
SIMPULAN DAN SARAN
Berdasarkan hasil analisis terhadap data yang telah diperoleh pada penelitian ini, maka diambil kesimpulan sebagai berikut:
1. Pengunaan ekspresi wajah dapat menutup kekurangan face lock screen yang dapat dikelabuhi
oleh foto.
2. Pemilihan algoritma sangat dipengaruhi oleh tingkat FPS (frame per second) dan akurasi yang
akan digunakan untuk melakukan pengenalan terhadap wajah dan ekspresi wajah.
3. Pengunaan classifier Haar mempunyai tingkat akurasi yang lebih baik namun terlalu berat untuk diimplementasikan pada smartphone Android. Sedangkan classifier LBP mempunyai fps yang cukup baik meskipun tingkat akurasinya tidak seakurat classifier Haar. Hal ini membuat
classifier LBP lebih cocok digunakan pada smartphone Android untuk mendeteksi wajah.
4. Metode Local Binary Pattern Histogram dapat digunakan untuk menyelesaikan masalah
terhadap pengenalan citra wajah untuk dapat diimplementasikan pada smartphone Android. Hal ini dikarenakan metode LBPH memiliki FPS yang cukup baik untuk dijalankan pada
smartphone.
5. Metode PCA dapat digunakan untuk menyelesaikan masalah terhadap pengenalan ekspresi
wajah pada smartphone. Dengan mengambil gambar potongan mulut user untuk kemudian dilakukan pencocokan terhadap gambar ekspresi wajah yang telah ada.
Berikut beberapa saran yang diajukan untuk penggunaan ataupun pengembangan aplikasi ini adalah:
1. Aplikasi terasa terlalu cepat ketika melakukan unlock screen sehingga membuat petunjuk pada
layar kurang terlihat. Untuk itu, aplikasi perlu dibuat supaya diberikan jeda waktu yang lebih lama untuk masuk ke menu unlock screen.
2. Pada penelitian selanjutnya diharapkan penambahan variasi terhadap perubahan ekspresi, misalnya terkejut, marah, cemberut, dan lain sebagainya, agar aplikasi dapat lebih bervariasi.
3. Jika aplikasi sudah pernah menyimpan password, maka untuk mengganti password yang baru,
perlu ada verifikasi password sebelumnya agar menghindari hal yang tidak diinginkan seperti pergantian password oleh user lain (kejahilan).
4. Aplikasi sebaiknya dibuat dalam orientasi portrait karena pengguna smartphone Android terbiasa dengan orientasi portrait.
REFERENSI
Baggio, D.L. et al., 2012. Mastering OpenCV with Practical Computer Vision Projects. Packt Publishing.
Dashore, G. & Raj, V.C., 2012. An Efficient Method for Face Recognition using Principal Component Analysis. International Journal of Advanced Technnology & Engineering Research, II(2), pp.23-28.
Valstar, M. & Pantic, M., 2002. Fully Automatic Recognition of the Temporal Phases of Facial Actions. Journal of Latex Class Files, I(8), pp. 1-17.
Wikipedia, 2013. Wikipedia. [Online] Available at: http://id.wikipedia.org/wiki/Biometrik [Accessed 15 Februari 2014].
RIWAYAT PENULIS
Jeklin Harefa lahir di kota Pangkal Pinang pada 19 April 1993. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara pada 2014. Saat ini bekerja sebagai Lab Assistant di Universitas Bina Nusantara.
Alexander lahir di kota Jakarta pada 17 September 1992. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara pada 2014. Saat ini bekerja sebagai Lab Assistant di Universitas Bina Nusantara.
Rhio Sutoyo lahir di kota Jakarta pada 31 Oktober 1988. Penulis menamatkan pendidikan S2 di Universitas Bina Nusantara pada 2014. Saat ini bekerja sebagai Concentration and Content Coordinator – Interactive Multimedia di Universitas Bina Nusantara.
