i
Pendeteksian Warna Kulit berdasarkan Distribusi Warna YCbCr
Elrica Pranata / 0422002
Email : cha_nyo2@yahoo.com
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Marantha
Jalan Prof. Suria Sumantri 65, Bandung 40164, Indonesia
ABSTRAK
Warna kulit sering sebagai sumber informasi pada proses pendeteksian. Informasi
yang diperoleh dari pendeteksian warna kulit (skin detection) sangat berguna, misalnya
dalam proses pemfilteran konten web yang bersifat pornografi dari internet deteksi warna
kulit digunakan untuk mengkategorikan suatu gambar termasuk porno atau tidak.
Pada Tugas Akhir ini telah dibuat program untuk mendeteksi warna kulit dengan
menggunakan dua cara yaitu dengan cara pembandingan dengan daerah warna kulit dan
dengan cara menggunakan look up table. Pada cara pembandingan dengan batas daerah
warna kulit, nilai YCbCr piksel- piksel dari gambar yang dideteksi dibandingkan dengan
batas nilai YCbCr dari sampel warna kulit, sedangkan pada penggunaan look up table
nilai YCbCr piksel- piksel dari gambar yang dideteksi dibandingkan dengan nilai- nilai
YCbCr yang didapat dari setiap sampel yang digunakan, untuk mendeteksi piksel tersebut
termasuk warna kulit atau bukan kulit.
Hasil uji coba terhadap perangkat lunak yang telah direalisasi dengan
menggunakan sepuluh sampel gambar yang mengandung warna kulit, dan diperoleh
presentase keberhasilan untuk pendeteksian menggunakan cara pembandingan dengan
batas daerah warna kulit adalah 57%, sedangkan presentase keberhasilan untuk
penggunaan look up table adalah 25.7%. dari hasil tersebut dapat dismpulkan bahwa cara
look up table menghasilkan pendeteksian yang lebih baik jika dibandingkan dengan cara
pembandingan dengan batas daerah warna kulit.
ii
Skin Color Detection Based on YCbCr Color Distribution
Elrica Pranata / 0422002
Email : cha_nyo2@yahoo.com
Electrical Engineering, Engineering Faculty, Maranatha Christian University
Prof. drg. Suria Sumantri 65 Street, Bandung 40164, Indonesia
ABSTRACT
Skin color often used for information source in detection process. Information
which is gotten by skin detection is very useful, for example in filtering process at web
content, to avoid adultery picture, skin detection used to categorize a picture is contain an
adultery picture or not.
In this Final Project has been done program to detect skin color with two way ,
that is comparison with skin color region border and look up table. In comparison with
skin color region border, value of YCbCr pixels from digital image that have been
detected is compared to region border of YCbCr value by skin color sample, while in
look up table value of YCbCr pixels from digital image that has been detected is compare
to YCbCr values which is gotten by every sample that being used to detect the pixels that
is skin color or not
The result of software which is done the test of ten sample images that contain
skin color is obtained success percentage for comparison with skin color region border is
57%, while in success percentage for look up table is 74.3%. According to that results we
can conclude that look up table method is relatively better than comparison with skin
color region border method
iii DAFTAR ISI
ABSTRAK i
ABSTRACT ii
KATA PENGANTAR iii
DAFTAR ISI v
DAFTAR TABEL vii
DAFTAR GAMBAR viii
BAB I PEDAHULUAN
I. 1. Latar Belakang Masalah 1
I. 2. Perumusan Masalah 2
I. 3. Tujuan 2
I. 4. Batasan Masalah 3
I. 5. Metodologi 3
I. 6. Sistematika Penulisan 3
BAB II LANDASAN TEORI
II. 1. Pengolahan Citra 5
II. 2. Computer Vision 7
II. 3. Deteksi Warna Kulit 8
II.4. Statistik
II. 4. 1. Pengertian Statistik 9
iv BAB III PERANCANGAN DAN REALISASI
III. 1. Pembuatan Basis Data 15
III. 2. Pengolahan Data 17
III. 3. Pendeteksian Warna Kulit dengan Cara Membandingkan dengan
Batas Daerah Warna Kulit 22
III. 4. Pendeteksian Warna Kulit dengan Menggunakan Look Up Table 25
III. 5. Perancangan Antar Muka (User Interface) 28
BAB IV DATA PENGAMATAN DAN ANALISA DATA
IV. 1. Pengujian 41
IV. 2. Analisa Data 47
BAB V KESIMPULAN DAN SARAN
V. 1. Kesimpulan 52
V. 2. Saran 53
DAFTAR PUSTAKA 54
LAMPIRAN A- LISTING PROGRAM A
LAMPIRAN B- SAMPEL GAMBAR WARNA KULIT B
v
DAFTAR TABEL
Tabel 2. 1 Hirarki pemrosesan computer vision dan contoh algoritmanya 7
Tabel 3. 1 Tabel Distribusi Y 18
Tabel 3. 2 Tabel Distribusi Cb 19
Tabel 3. 3 Tabel Distribusi Cr 20
Tabel 3. 4 Komponen dan properti program utama 29
Tabel 3. 5 Komponen dan properti program untuk membuat basis data 36
Tabel 4. 1 Hasil uji coba pendeteksian warna kulit 44
vi
DAFTAR GAMBAR
Gambar 2. 1 Diagram blok pengenalan pola 6
Gambar 3. 1 Diagram blok proses pendeteksian warna kulit 15
Gambar 3. 2 Diagram alir pembuatan basis data 16
Gambar 3. 3 Diagram alir sub program untuk mengubah nilai RGB ke YCbCr 17
Gambar 3. 4 Grafik daerah warna kulit 21
Gambar 3. 5 Diagram alir pendeteksian warna kulit dengan cara pembandingan
dengan batas daerah warna kulit 24
Gambar 3. 6 Diagram alir pendeteksian warna kulit dengan menggunakan
look up table 26
Gambar 3. 7 Diagram alir sub program pembandingan YCbCr piksel dengan
look up table 28
Gambar 3. 8 Tampilan program utama 29
Gambar 3. 9 Tampilan program untuk membuat basis data 36
Gambar 4. 1 Gambar sampel untuk uji coba 41
Gambar 4. 2 Proses pendeteksian warna kulit dengan cara pembandingan
dengan batas daerah warna kulit 43
Gambar 4. 3 Proses pendeteksian warna kulit dengan menggunakan
look up table 44
Gambar 4.4 Warna kulit pada gambar diputihkan secara manual 48
LISTING PROGRAM PADA MICROSOFT VISUAL BASIC 6.0
1. Program untuk Pembuatan Basis Data Private Sub Command1_Click()
Picture1.AutoRedraw = True n = 0
X = Picture1.ScaleWidth Y = Picture1.ScaleHeight For brs = 1 To Y
For klm = 1 To X
wrn = Picture1.Point(klm, brs) k = wrn And RGB(255, 0, 0)
l = Int((wrn And RGB(0, 255, 0)) / 256)
m = Int(Int((wrn And RGB(0, 0, 255)) / 256) / 256)
If k = 255 And l = 255 And m = 255 Then k = 255
l = 255 m = 255 n = n + 1 Else k = 0 l = 0 m = 0 End If
Picture1.PSet (klm, brs), RGB(k, l, m) Next klm
Next brs Text2.Text = n
End Sub
Private Sub command2_Click() Picture1.AutoRedraw = True n = 0
X = Picture1.ScaleWidth Y = Picture1.ScaleHeight For brs = 1 To Y
For klm = 1 To X
k = wrn And RGB(255, 0, 0)
l = Int((wrn And RGB(0, 255, 0)) / 256)
m = Int(Int((wrn And RGB(0, 0, 255)) / 256) / 256) Y = 0.257 * k + 0.504 * l + 0.098 * m + 16
cb = 0.148 * k - 0.291 * l + 0.439 * m + 128 cr = 0.439 * k - 0.368 * l - 0.071 * m + 128
If Y > 53.697 And Y < 234.261 And cb > 131.428 And cb < 203.42 And cr > 126.095 And cr < 183.67 Then
k = 255 l = 255 m = 255 n = n + 1
Else k = 0 l = 0 m = 0 End If
Picture1.PSet (klm, brs), RGB(k, l, m) Next klm
Next brs
Text2.Text = n End Sub
Private Sub Command3_Click() Picture1.AutoRedraw = False Open "testfile2.txt" For Input As #1 n = 0
X = Picture1.ScaleWidth Y = Picture1.ScaleHeight For brs = 1 To Y
For klm = 1 To X
wrn = Picture1.Point(klm, brs) k = wrn And RGB(255, 0, 0)
l = Int((wrn And RGB(0, 255, 0)) / 256)
m = Int(Int((wrn And RGB(0, 0, 255)) / 256) / 256)
Do
Input #1, a, B, c, d, e, f
If (Y >= Val(B) And Y <= Val(a)) And (cb >= Val(d) And cb <= Val(c)) _ And (cr >= Val(f) And cr <= Val(e)) Then
wr = 255 wg = 255 wb = 255 n = n + 1
Exit Do Else wr = 0 wg = 0 wb = 0 End If
Loop Until EOF(1)
Picture1.PSet (klm, brs), RGB(wr, wg, wb)
' proses selanjutnya Seek #1, 1
Next klm Next brs Close #1
Picture1.AutoRedraw = True Text2.Text = n
Form1.Refresh End Sub
Private Sub Command5_Click()
CommonDialog1.Filter = "(*.jpg)|*.jpg|(*.bmp)|*.bmp" CommonDialog1.ShowOpen
Text1.Text = CommonDialog1.FileName Picture1.Picture = LoadPicture(Text1.Text) Image1.Picture = Picture1.Image
End Sub
Private Sub Dir1_Change() File1.Path = Dir1.Path End Sub
Dir1.Path = Drive1.Drive End Sub
Private Sub File1_Click()
Text1.Text = Dir1.Path + "\" + File1.FileName Picture1.Picture = LoadPicture(Text1.Text) Image1.Picture = Picture1.Image
End Sub
2. Program untuk Mendeteksi Warna Kulit
Private Sub Command1_Click() Picture1.AutoRedraw = True X = Picture1.ScaleWidth Y = Picture1.ScaleHeight maksy = 0
Miny = 255 makscb = 0 mincb = 255 makscr = 0 Mincr = 255
For brs = 1 To Y Step 15 For klm = 1 To X Step 15 wrn = Picture1.Point(klm, brs) k = wrn And RGB(255, 0, 0)
l = Int((wrn And RGB(0, 255, 0)) / 256)
m = Int(Int((wrn And RGB(0, 0, 255)) / 256) / 256)
Y = 0.257 * k + 0.504 * l + 0.098 * m + 16 cb = 0.148 * k - 0.291 * l + 0.439 * m + 128 cr = 0.439 * k - 0.368 * l - 0.071 * m + 128
If Y > maksy Then maksy = Y If Y < Miny Then Miny = Y If cb > makcb Then makscb = cb If cb < mincb Then mincb = cb If cr > makscr Then makscr = cr If cr < Mincr Then Mincr = cr Next klm
Next brs
Text6.Text = makscb Text4.Text = Mincr Text7.Text = makscr End Sub
Private Sub Command2_Click() Open "testfile1.txt" For Append As #1
Write #1, Text2.Text, Text5.Text, Text3.Text, Text6.Text, Text4.Text, Text7.Text Close #1
End Sub
Private Sub Command3_Click() Open "testfile2.txt" For Append As #1
Write #1, Text13.Text, Text10.Text, Text12.Text, Text9.Text, Text11.Text, Text8.Text
Close #1 End Sub
Private Sub Dir1_Change() File1.Path = Dir1.Path End Sub
Private Sub Drive1_Change() Dir1.Path = Drive1.Drive End Sub
Private Sub File1_Click()
Table Look Up
103.316 103.351 104.335 106.922 113.405 114.762 114.882 115.003 117.397 120.052 125.909 126.076 126.149 126.673 129.262 129.262 130.066 130.964 131.96 132.156 134.52 134.534 135.619 136.959 137.194 137.415 137.894 138.997 139.633 140.571 142.153 142.273 142.822 144.01 144.209 144.821 144.9 146.597
64.829 102.815 82.749 88.164 84.044 70.104 76.962 122.419 90.579 124.916 125.098 99.321 108.434 106.315 108.611 82.282 116.123 107.694 109.863 131.783 133.495 98.471 53.697 93.283 98.746 109.659 138.174 128.367 118.453 119.981 115.635 112.308 108.689
140.386 154.359 156.12 152.919 135.843 146.294 143.632 143.582 148.366 148.012 144.4 146.575 156.004 152.688 148.699 148.26 152.492 144.437 147.327 152.487 157.602 166.209 158.643 146.286 160.138 159.812 151.371 152.994 159.674 152.083 157.627 148.167 164.631 147.776 153.054 161.317 153.578 152.846
137.078 149.372 145.125 146.279 131.428 138.653 139.957 136.365 143.68 140.198 139.082 141.154 153.503 144.114 147.811 147.668 146.073 136.327 144.377 147.016 141.771 163.708 150.202 144.816 158.811 158.041 150.192 142.233 147.242 143.311 150.202 146.697 156.433 147.776 152.319 153.591 145.857 149.753
159.517 140.589 139.485 143.636 155.101 147.542 155.043 148.213 141.06 163.113 141.286 143.552 165.747 144.882 165.779 165.779 159.459 160.698 173.113 167.561 143.694 160.473 154.501 163.016 164.882 144.843 165.037 169.201 152.532 161.273 150.098 163.713 145.379 163.823 154.404 154.346 161.318 141.996
39 40
148.04 148.203
109.483 114.783
159.378 163.605
150.365 152.121
154.346 135.069
145.495 128.79
149.146 149.892 150.164 150.87 150.99 152.461 153.293 153.468 153.523 153.594 153.933 153.997 154.567 155.714 157.026 158.531 158.589 158.686 159.573 160.363 160.608 161.031 161.995 162.805 163.248 163.438 163.735 165.177 165.282 165.44 165.683 166.164 166.501 166.543 167.189 167.365 168.261
126.629 101.626 129.311 116.557 102.575 128.345 90.9 116.488 136.718 150.107 125.163 73.447 151.598 151.003 136.416 123.397 125.29 135.301 108.003 132.162 109.525 135.352 142.999 142.909 133.65 109.659 144.891 148.863 111.434 122.402 124.045 148.933 120.671 140.773 147.215 163.662 119.22
156.591 162.253 163.64 168.361 176.258 161.49 147.771 157.494 159.423 164.568 150.889 150.297 165.323 162.551 158.856 164.277 160.326 164.721 145.275 168.958 167.937 155.896 156.395 172.495 173.388 165.12 170.468 167.972 156.925 171.76 159.215 163.572 161.322 165.333 166.941 165.965 165.639
155.861 154.853 157.296 159.89 160.432 152.773 139.523 146.163 157.79 162.22 149.256 144.889 163.853 160.218 156.651 151.318 154.988 155.758 143.208 159.378 148.13 153.237 153.884 167.606 160.404 150.794 163.547 158.146 155.046 157.306 157.74 161.678 148.2 159.26 162.955 164.046 151.293
173.662 150.066 138.581 155.037 161.28 151.854 167.974 163.242 156.896 147.464 155.043 183.307 159.388 167.561 179.737 154.927 165.747 165.689 168.213 156.328 136.076 150.737 169.22 147.574 158.013 147.406 161.157 151.615 144.656 143.016 161.157 162.151 140.537 153.681 161.144 162.435 163.255
78 79 80
168.712 169.002 169.033
103.421 163.838 106.244
161.723 164.648 156.558
137.195 162.892 144.52
161.318 158.116 169.956
154.875 155.921 154.817
No. Y maks Y min Cb maks Cb min Cr maks Cr min
169.817 170.036 170.52 170.576 171.19 171.247 171.5 171.592 172.021 172.318 172.401 172.409 172.887 173.063 173.318 173.365 174.145 174.268 174.274 174.633 174.913 175.492 175.571 175.81 176.316 176.569 177.591 177.639 177.686 177.794 178.346 178.499 179.161 180.029 180.794
145.393 121.002 141.314 148.201 121.881 109.047 160.58 151.954 143.88 126.771 137.808 128.495 143.357 121.397 117.252 168.069 139.893 151.815 128.405 134.605 138.851 140.465 132.963 171.197 116.426 144.894 160.087 151.639 128.598 169.374 149.242 174.204 140.554 155.954 161.206
164.623 165.012 160.662 160.539 166.836 153.551 170.019 171.371 169.974 163.808 157.509 159.074 174 1 170.947 178.252 166.113 166.349 166.128 168.308 165.511 163.038 163.923 165.993 168.032 169.61 169.239 172.377 167.641 172.653 169.226 156.824 184.418 170.375 172.776 171.396
157.391 153.207 157.534 154.466 155.801 150.064 169.723 160.622 163.226 157.76 153.839 146.341 160.858 153.799 148.659 163.188 161.322 160.647 155.881 154.406 161.874 151.087 162.885 164.658 152.605 168.647 164.603 162.373 157 165.393 156.824 181.779 153.425 165.18 166.981
157.025 153.597 170.04 154.294 144.798 141.725 150.705 153.681 134.785 163.126 143.868 152.609 142.874 165.734 167.432 160.524 156.98 158.839 158.568 154.249 143.823 170.04 153.636 155.043 167.503 152.558 154.12 130.427 136.799 166.612 162.351 156.012 161.331 136.883 159.459
116 117 118 119 120
181.209 181.935 182.041 182.096 182.452
106.447 164.542 88.846 178.146 178.106
162.197 165.96 152.653 174.484 170.242
142.458 162.566 148.233 172.141 168.767
167.567 147.438 166.961 149.943 150.085
147.987 140.995 151.583 144.914 147.367
No. Y maks Y min Cb maks Cb min Cr maks Cr min
182.452 182.641 184.254 184.412 184.512 184.885 185.2 186.08 186.308 186.724 186.997 187.644 187.882 188.103 188.532 188.829 189.625 189.692 189.772 190.419 191.398 192.254 192.919 192.935 192.984 194.674 195.242 195.482 196.39 196.553 196.608 196.749
178.157 115.757 146.779 161.047 160.187 167.394 155.044 182.644 149.963 162.912 103.718 156.068 124.911 153.32 141.569 112.041 152.674 170.717 185.829 162.762 166.372 173.373 164.697 176.317 123.509 174.85 182.564 152.546 163.775 188.575 178.092 172.445
169.946 154.607 163.404 175.776 165.122 161.487 179.461 176.842 166.612 165.586 167.292 194.583 178.671 168.767 171.123 146.91 172.871 171.539 181.237 171.574 164.944 182.973 164.934 177.459 150.944 169.833 174.06 178.485 186.515 182.712 173.157 181.4
169.946 154.607 163.404 175.776 165.122 161.487 179.461 176.842 166.612 165.586 167.292 194.583 178.671 168.767 171.123 146.91 172.871 171.539 181.237 171.574 164.944 182.973 164.934 177.459 150.944 169.833 174.06 178.485 186.515 182.712 173.157 181.4
149.93 141.047 165.592 151.725 159.278 163.629 151.867 151.641 173.726 171.757 158.781 151.913 129.956 160.395 141.951 174.475 146.586 146.36 149.388 163.255 146.334 140.634 158.781 157.845 173.158 154.959 141.008 162.422 144.94 148.084 150.763 171.138
153
197.165 197.292 197.306 197.422 197.524 198.075 198.106 198.142
167.169 183.582 169.169 151.855 120.593 157.04 182.85 168.74
172.723 171.278 172.472 175.011 177.873 178.618 176.867 185.78
172.723 171.278 172.472 175.011 177.873 178.618 176.867 185.78
163.197 141.886 148.006 148.239 159.246 175.592 153.539 141.88
153.552 138.516 138.587 141.047 150.479 152.59 149.291 137.419 No. Y maks Y min Cb maks Cb min Cr maks Cr min
198.383 198.995 199.185 199.186 199.248 199.555 199.594 199.783 199.86 200.656 200.897 201.374 201.39 201.7 201.711 202.359 203.242 203.486 203.897 204.057 204.274 204.501 204.733 204.887 206.107 206.502 208.555 209.022 209.311 210.634 210.754
182.437 112.138 195.6 169.002 170.81 163.007 172.099 167.96 167.245 175.075 156.811 181.617 192.198 154.284 174.916 134.407 182.63 185.316 174.725 155.882 163.248 199.678 185.907 174.275 159.413 105.53 175.822 196.171 203.345 180.187 193.997
178.465 153.197 181.568 174.983 185.346 164.718 172.959 183.615 187.862 179.388 160.845 184.029 180.108 159.641 181.297 187.842 190.052 181.854 169.715 187.734 173.586 185.095 178.746 179.225 185.248 151.627 180.798 189.781 201.303 166.888 178.347
175.979 149.512 179.955 166.113 176.925 155.878 170.912 169.309 174 15 171.707 157.732 179.649 177.888 158.906 171.998 163.334 178.573 171.88 161.758 169.457 172.224 183.472 178.746 166.552 169.161 151.351 174.321 182.88 198.97 162.789 177.898
158.807 163.92 143.823 157.974 141.312 174.236 137.406 148.045 146.993 165.45 156.192 159.485 148.129 170.182 164.94 163.649 143.113 153.597 156.928 157.871 154.359 141.854 150.04 145.624 158.084 141.867 150.705 139.375 128.11 147.935 150.098
192 193 194 195 196 197 198 199 200
211.153 211.612 211.829 212.014 212.62 213.478 213.597 213.639 213.667
186.3 174.294 191.962 206.409 204.96 201.161 182.351 209.824 190.87
188.188 187.591 175.55 179.862 192.41 179.862 187.581 186.6 171.017
176.122 171.978 173.493 175.61 190.353 175.442 183.013 185.712 171.017
143.81 154.443 142.041 147.877 134.275 145.682 154.443 143.823 150.795
BAB I
PENDAHULUAN
1. 1. Latar Belakang Masalah
Warna kulit sering digunakan untuk sumber informasi pada proses
pendeteksian. Informasi yang diperoleh dari pendeteksian warna kulit (skin
detection) sangat berguna, misalnya dalam proses pemfilteran konten web yang
bersifat pornografi dari internet, deteksi warna kulit digunakan untuk
menkategorikan suatu gambar termasuk porno atau tidak. Selain itu pendeteksian
warna kulit juga berguna dalam berbagai macam proses pendeteksian manusia,
pendeteksian wajah (face detection), penjejakan wajah (face tracking), penjejakan
tangan yang meliputi pengenalan posisi tangan dan gerakannya (gesture),
pengontrolan robot dan interaksi antara komputer dan manusia lainnya [1].
Adapun metoda dalam pendeteksian warna kulit ada bermacam- macam
dan dapat dikategorikan menjadi tiga [1] yaitu:
1. Kategori yang pertama menggunakan aturan- aturan yang jelas
pada nilai warna. Pada dasarnya metoda ini sangat sederhana dan
murah.
2. Kategori yang kedua menggunakan model nonparametric untuk
distribusi warna kulit. Metoda ini membatasi distribusi warna kulit
dari training data dan bukan berasal dari model warna kulit yang
jelas.
3. Kategori yang ketiga menggunakan model parametric untuk
distribusi warna kulit. Model ini biasanya terdiri dari Gaussian atau
Bab I Pendahuluan
2 dihasilkan representasi terhadap kulit yang lebih padat selama
training data yang digunakan dapat direpresentasikan.
Dalam tugas akhir ini metoda yang akan digunakan adalah metoda yang
termasuk dalam kategori dua, yaitu berdasarkan distribusi warna YCbCr.
1. 2. Perumusan Masalah
Tugas akhir ini akan membahas tentang:
1. Bagaimana suatu gambar dapat diproses untuk mendeteksi warna
kulit atau daerah yang memiliki warna kulit ataupun yang bukan
merupakan warna kulit dalam suatu gambar?
2. Bagaimana mengimplementasikan pendeteksian warna kulit
berdasarkan distribusi warna YCbCr pada suatu gambar?
1. 3. Tujuan
Berdasarkan uraian latar belakang di atas, maka dalam tugas akhir ini
akan dipelajari proses pendeteksian warna kulit pada gambar dengan tujuan:
1. Membuat suatu program yang secara otomatis dapat mendeteksi
daerah dalam suatu gambar yang mengandung warna kulit.
2. Mengimplementasikan pendeteksi warna kulit dalam gambar.
3. Memisahkan daerah yang termasuk warna kulit dan yang bukan
termasuk warna kulit kemudian mengubah bagian yang merupakan
warna kulit menjadi berwarna putih dan yang bukan merupakan
Bab I Pendahuluan
3 1. 4. Batasan Masalah
1. Dalam tugas akhir ini akan dibuat program yang secara otomatis dapat
membedakan antara daerah yang termasuk warna kulit dan yang bukan
warna kulit dalam suatu gambar.
2. Adapun jenis warna kulit adalah beragam mulai dari warna kulit bangsa
Afrika, Asia dan Eropa, namun dalam tugas akhir ini hanya mengambil
warna kulit bangsa Asia saja.
3. Di dalam gambar yang dideteksi hanya terdapat satu obyek manusia (warna
kulit).
4. Warna kulit dan warna latar belakang pada gambar harus masih dapat
dibedakan.
1. 5. Metodologi
Penelitian yang akan dilakukan menggunakan metoda sebagai berikut:
1. Mengumpulkan data- data yang berhubungan dengan pendeteksian warna
kulit
2. Mempelajari teori- teori yang berhubungan dengan pendeteksian warna kulit.
3. Mempelajari bahasa pemrograman yang akan digunakan dalam penelitian
ini.
4. Mengumpulkan sampel gambar warna kulit.
5. Menguji hasil dari program yang telah dibuat.
6. Menganalisa dan memberi kesimpulan dari hasil program yang telah dibuat.
1. 6. Sistematika Penulisan
Sistematika penulisan tugas akhir ini adalah sebagai berikut:
Bab I Pendahuluan
4 Berisi latar belakang, identifikasi masalah, perumusan masalah, tujuan,
batasan, metodologi penelitian, dan sistematika penulisan pada Tugas Akhir
ini.
o BAB II TINJAUAN PUSTAKA
Berisi teori dasar yang berhubungan dengan pengolahan citra, deteksi warna
kulit, dan metoda statistik.
o BAB III PERANCANGAN DAN REALISASI
Berisi perancangan program dan perancangan Graphics User Interface (GUI)
yang menjelaskan proses pembuatan basis data, proses pendeteksian dengan
dua cara yaitu dengan cara membandingkan dengan daerah batas warna kulit
dan proses pendeteksian dengan menggunakan look up table.
o BAB IV DATA PENGAMATAN DAN ANALISA DATA
Berisi data- data hasil pengujian program, perhitungan prosentase kesalahan
dan rata- rata prosentase keberhasilan yang dilakukan dengan menggunakan
sepuluh sampel gambar yang mengandung warna kulit.
o BAB V KESIMPULAN DAN SARAN
Berisi kesimpulan yang didapat dari hasil pembuatan program dan hasil
ujicoba terhadap program, dan juga berisi saran- saran yang diajukannya
52
BAB V
KESIMPULAN DAN SARAN
V. 1. Kesimpulan
1. Merealisasikan perangkat lunak untuk mendeteksi warna kulit dalam suatu
gambar telah berhasil dilakukan dengan menggunakan dua cara yaitu cara
membandingkan dengan batas daerah warna kulit dan dengan menggunakan
Look Up Table
2. Dari hasil percobaan terhadap sepuluh sampel gambar rata- rata prosentase
kesalahan dari pendeteksian warna kulit terhadap deteksi manual dengan cara
membandingkan dengan batas daerah warna kulit adalah 43% dan prosentase
keberhasilannya sebesar 57% dengan rata- rata waktu proses 3 detik.
3. Dari hasil percobaan terhadap sepuluh sampel gambar rata- rata prosentase
kesalahan dari pendeteksian warna kulit terhadap deteksi manual dengan
menggunakan look up table adalah 25.7% dan prosentase keberhasilannya
sebesar 74.3% dengan rata- rata waktu proses 4 menit 34 detik.
4. Penggunaan Look Up Table menghasilkan pendeteksian warna kulit yang lebih
teliti dibandingkan dengan cara membandingkan dengan batas daerah warna
kulit, meskipun demikian pendeteksian warna kulit menggunakan Look Up
Table waktu proses yang dibutuhkan lebih lama.
5. Dalam pendeteksian warna kulit ini warna bukan kulit yang menyerupai warna
Bab V Kesimpulan dan Saran
53 V. 2. Saran
1. Untuk lebih lanjut dapat dibuat program yang dapat mengklasifikasikan jenis
warna kulit berdasarkan ras
2. Untuk selanjutnya program dapat dipakai untuk berbagai keperluan, seperti
54
DAFTAR PUSTAKA
1. Pitas, ioannis, 1993, “Digital Image Processing Algorithm”, Prentice- Hall
International.
2. Hadi, setiawan, “Pemodelan Distribusi Warna Kulit untuk Klasifikasi Piksel pada
Ruang Warna Krominan” http://students.itb.ac.id/~setiawan.hadi/webS3/
33503505 / Jurnal/ GEMATEK.pdf, 21 Agustus 2008.
3. Hidayatno, Achmad, “Penentuan Wilayah Wajah Manusia pada Citra Berwarna
Berdasarkan Warna Kulit dengan Metode Template Matching”,
http://ejournal.unud.ac.id/abstrak/achmad_1_(1).pdf, 21 Agustus 2008.
4. Hadi, setiawan et.al., “Intelligence Skin Model Selection for Face Detection” in
proceedings International Conference on Intelligent System (ICIS) 2005.
5. Brand and Mason , “Optimum Color Space for Skin Detection”, International
Conference on Image Processing, vol.1 pp.
6. Hasan, Iqbal, 2003, “Pokok- Pokok Materi Statistik I”, Jakarta, Bumi Aksara.
7. Munir, Rinaldi, “Pengolahan Citra Digital dengan Pendekatan Algoritmik”,
Bandung, Informatika
8. Darmawan, Aan, Diktat Kuliah Pengolahan Citra Digital, Universitas, Kristen
