SISTEM ABSENSI MENGGUNAKAN SCAN KONTUR MATA METODE EIGENFACE STUDI KASUS PEGAWAI/KARYAWAN UPN VETERAN JATIM.

(1)

METODE EIGENFACE

STUDI KASUS PEGAWAI/KARYAWAN UPN VETERAN J ATIM SKRIPSI

Oleh :

DONNY RAHMAD HARTANTO NPM : 0834010022 TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

(2)

(3)

Dengan mengucapkan puji syukur kehadirat Tuhan YME, yang telah

melimpahkan rahmat dan hidayah-Nya, sehingga dimudahkan dalam

penyelesaian pembuatan skripsi “SISTEM ABSENSI MENGGUNAKAN

SCAN KONTUR MATA DENGAN METODE EIGENFACE STUDI

KASUS PEGAWAI/KARYAWAN UPN VETERAN J ATIM”.

Adapun penyusunan penelitian ini merupakan salah satu syarat yang

harus ditempuh dalam kurikulum program S-1 Teknik Informatika dan

untuk memperoleh gelar Sarjana Komputer Teknik Informatika di Fakultas

Teknologi Industri UPN ”Veteran” Jawa Timur, Surabaya.

Laporan skripsi yang kami dapatkan tersusun atas kerja sama dan

berkat bantuan dari berbagai pihak. Oleh karena itu, pada kesempatan ini

kami mengucapkan terima kasih kepada :

1. Bapak Ir.Sutiyono, MT, selaku Dekan Fakultas Teknolog iIndustri UPN

“Veteran” JawaTimur.

5. Bapak Harianto S.KOM M.ENG, selaku Dosen Pembimbing kedua (2)

dalam skripsi ini.

(4)

dalam laporan skripsi ini, semoga dapat bermafaat bagi kita semua. Kritik

& saran yang bersifat membangun sangat diharapkan dari demi perbaikan

dan pengembangan dimasa yang akan datang, dan kami ucapkan

terimakasih.

Surabaya, 21 Februari 2014

(5)

iii

2.1.7 Transformasi Koordinat Polar ... 10

2.2 Citra ... 11

(6)

2.3.1 Komponen Sistem Pengenalan Pola ... 18

2.3.2 Pendekatan Pengenalan Pola ... 19

2.4 Pengenalan Wajah (Face Recognition) ... 20

2.4.1 Eigenface ... 21

2.4.2 Transformasi Karhunen-loeve ... 21

2.4.3 Eigenvalue dan Eigenvector ... 23

2.4.4 Mencari Eigenvector ... 23

2.4.5 Algoritma Eigenfce ... 25

2.4.6 Cara Kerja Algoritma Eigenfce ... 29

2.5 Dasar Teori Aplikasi ... 32

2.5.1 Pengertian Sistem ... 33

2.5.2 Pengertian Informasi ... 33

2.5.3 Sistem Informasi ... 34

2.5.4 Power Designer 15 ... 34

2.5.5 Microsoft Visual Basic 6.0 ... 35

2.5.6 Komponen Microsoft Visual Basic 6.0 ... 37

2.5.7 Definisi Database ... 42

2.5.8 Microsoft Office Access ... 43

2.5.9 Crystal Report ... 44

(7)

v

4.1.1 Tampilan Mensetting DataBase (ODBC) ... 63

4.1.2 Tampilan Sistem Deteksi Scan Kontur Mata ... 66

4.1.3 Halaman Utama Menu Input ... 67

4.1.4 Halaman Utama Menu Input Data ... 67

4.1.5 Halaman Utama Menu Input Gambar/Foto ... 68

4.1.6 Halaman Utama Menu Input Pencarian Data Gambar ..69

4.1.7 Halaman Utama Menu Input Proses Data Gambar/ Foto Menjadi Grayscale ... 70

(8)

4.1.9 Halaman Utama Menu Input Pencocokan Data Citra ... 71

4.1.10 Halaman Utama Menu Output ... 71

4.2 Uji Coba Nilai Keakurasian Data ...……….. 72

4.3 Cara Kerja Sistem Informasi ...………... 72

4.4 Kebutuhan Perangkat Keras ... 73

4.5 Kebutuhan Perangkat Lunak ... 73

4.6 Cara Kerja Algoritma Eiganface ... 73

BAB V KESIMPULAN & SARAN ... 79

5.1 Kesimpulan ... 79

(9)

Nama : Donny Rahmad Hartanto

NPM : 0834010022

Pembimbing 1 : Basuki Rahmat , S.Si.MT

pembimbing 2 : Harianto S.KOM M.ENG

Judul : SISTEM ABSENSI MENGGUNAKAN SCAN KONTUR

MATA DENGAN METODE EIGENFACE STUDI KASUS PEGAWAI/KARYAWAN UPN VETERAN JATIM.

Perkembangan teknologi saat ini memungkinkan membuat suatu sistem yang dapat membantu manusia dalam pengenalan suatu citra digita. Salah satunya bidang yang sekarang ini sudah mulai dikembangkan adalah pengenalan pola. Teknologi ini mengidentifikasikan ciri-ciri khusus fisik seseorang. Contoh pengenalan pola misalnya adalah pengenalan wajah (face recognition). Dalam sebuah penelitian ini menyatakan pengenalan kontur mata menggunakan sebuah webcmaera untuk mengambil data foto/gambar seseorang kenudian dibandingkan dengan data gambar/foto tersebut kemudian diolah menjadi kode-kode yang dikenal dengan pengenalan pola.

Untuk proses selanjutnya akan dibahas perancangan algoritma yang memungkinkan pengolahan awal citra mata untuk dapat dikembangkan menjadi bentuk antara iris sebuah sistem biometrik yang akurat. Algoritma pengolahan citra digital yang dirancang akan dibagi kedalam beberapa tahap yaitu deteksi tepi canny, pencarian titik pusat, dan perhitungan jari-jari iris yang kemudian dikembangkan untuk mengubah citra menjadi bentuk antara citra polar iris.

Dari data yang ada memiliki nilai keakurasian sebesar 53,3%. Dikarenakan pada saat dibandingkan dengan sample gambar/foto satu dengan yang lain memiliki tingkat kesalahan pada saat melakukan testing data citra. Untuk itu di dalam pengambilan sebuah data foto diperlukan ketepatan sehingga di saat melakukan proses scan yangning dapat menghasilkan citra foto yang sama.

(10)

PENDAHULUAN

1.1 LatarBelakang

Sebuah Universitas di jaman sekarang banyak yang menggunakan sebuah sistem aplikasi untuk mendukung kinerja dan keakuratan pegawai/ karyawan dalam presentase kehadiran. Kondisi ini lah yang membuat saya membuat suatu sistem aplikasi absensi menggunakan scan kontur mata metode eigenface.

Umumnya pada sistem absensi karyawan sebuah universitas di surabaya dengan mengisi buku absen atau lebih di kenal dengan menggunakan mesin absensi. Mesin absensi itu sendiri menggunakan sebuah kartu dengan mencetak tanggal, jam masuk serta jam pulang. Dilihat dari segi keamanan, sistem ini mempunyai banyak kelemahan, antara lain adalah absen karyawan bisa di titipkan oleh karyawan lainnya, dan jika kartu tersebut hilang maka karyawan tersebut tidak bisa melakukan absensi. Hal ini tentu berakibat kerugian bagi karyawan. Alternatife lain adalah dengan menggunakan absensi sidik jari sebagai pengganti

barcode. Akan tetapi dengan menggunakan sebuah absensi sidik jari masih

ditemukan beberapa kekurangan seperti ketidak mampuan mesin sidik jari mem

vertifikasi jari karyawan apabila jari karyawan itu kotor atau terluka dan juga

membutuhkan dana yang besar untuk membeli sebuah sistem absensi menggunakan sidik jari (Munir, 2006).

(11)

klasifikasi dan vertifikasi. Pengujian yang dilakukan pada beberapa tahapan bentuk gambar mata menunjukan bahwa algoritma yang dikembangkan dapat diaplikasikan pada tahapan awal pemrosesan citra iris mata dan menghasilkan bentuk citra polar yang siap digunakan untuk tahapan analisa berikutnya (Gonzales dan Purwanto Ari, 2007).

1.2 PerumusanMasalah

Berdasarkan latar belakang di atas yang telah dituliskan oleh penulis sebelumnya maka penulis mau mencoba untuk membuat sebuah sistem presensi yang diberi dengan sedikit kecerdasan buatan berupa pengenalan bentuk struktur tepi mata dengan algoritma Eigenface.

Adapun beberapa permasalahan yang ada sebagai berikut:

a) Bagaimana membangun sebuah sistem presensi yang menggunakan sub-sistem pengenalan tepi mata pada absensi pegawai?

b) Bagaimana membuat sub-sistem pengenalan tepi mata yang terintegrasi dengan sistem presensi?

c) Bagaimana proses mencocokan citra dari seseorang yang melakukan sebuah absensi dengan data citra orang yang telah terdaftar sebelumnya?

1.3 BatasanMasalah

Dalam penyusunan tugas akhir ini, untuk mengatasi permasalahan yang ada maka penulis membatasi permasalahan sebagai berikut:

a) Sistem ini hanya menangkap citra tepi mata saja dengan latar belakang ternormalisasi berwarna putih.

b) Citra yang dipakai untuk absensi tidak boleh kembar (mata kembar) c) Ekspresif mata yang valid yaitu ekspresif mata normal.

d) Resolusi citra yang dipakai dibawah 160x120 dikarenakan akan mempercepat proses nilai Eigen Value.

(12)

f) Kondisi mata tidak boleh cacat melainkan harus mata normal.

g) Hadware masukan yang dipakai adalah webcamera dengan resolusi VGA minimal (640x480).

h) Citra yang dikenali untuk pengenalan pola tepi mata adalah citra

greyscale dengan rentang intensitas 0-255 atau setara 8bit.

i) Pengguna harus menentukan posisi tepi mata sekarang dengan membandingkan dengan data posisi mata sebelumnya.

j) Citra masukan tidak boleh sebuah foto fisik pegawai.

k) Sistem harus diimplementasikan di dalam ruangan dengan intensitas cahaya yang cukup.

l) BahasaPemrograman yang digunakanadalahMicrosoft Visual Basic

6.0.

m) Software pendukungmeliputiMicrosoft office 2010. n) Proses cetak print (report)menggunakanActive Report8.5. o) Database menggunakanMicrosoft Office Access 2007.

1.4 Tujuan Penelitian

Tujuanutamadari skripsi ini adalah bagaiman mengimplementasikan sebuah sistem presensi yang mempunyai kecerdasaan buatan berupa sub-sistem pengenalan tepi mata untuk absensi pegawai. Serta sebagai syarat pelengkap untuk memenuhi Tugas Akhir diUniversitas Pembangunan Nasional Veteran Jatim.

1.5 Manfaat Penelitian

Adapun manfaat dari pembuatan aplikasi pengenalan tepi mata ini adalah: a) Dengan dibuatnya aplikasi ini maka dapat mempermudah pegawai dalam

(13)

b)Membantu keamanan prosedur absensi dan citra bersifat unik karena setiap mata memiliki karakterisitk tersendiri.

c) Membantu ketertiban pegawai dalam absensi dikarenakan adanya titip absen yang memungkinkan adanya kartu pegawai hilang atau terlambat dan sebagainya.

1.6 Metode Penelitian

Metode yang dilaksanakan dalam penelitian ini adalah: a) Studi Literatur

Dilakukan dengan cara mencari segala macam informasi secara riset keperpustakan dan mempelajari buku-buku yang berhubungan dengan maslah yang dihadapi.

b) Pengumpulan dan Analisa Data

Pengumpulan data-data yang berhubungan dengan masalah data analisa masalah sesuai dengan fakta-fakta yang ada. Maka dari pengumpulan data tersebut dapat dilakukan analisa data yaitu dalam proses pembuatan sistem presensi yang menggunakan pengenalan tepi mata.

c) Perancangan Program

Melakukan analisa awal tentang sistem presensi yang akan dibuat yaitu suatu pemecahan masalah yang dilakukan melalui sistem pengenalan tepi mata dan bisa langsung mencocokan tepi mata yang diabsen dengan data yang sudah tersimpan didalam database sistem.

(14)

Pengujian dan analisa dimaksudkan untuk mengetahui sejauh mana sistem yang dibuat pada tugas akhir ini dapat berfungsi sesuai dengan proses sistem yang diharapkan dan yang pasti sistem ini menggunakan metode deteksi tepi dimana menggunakan algoritma Eigenface agar dapat berjalan.

e) Kesimpulan

(15)

BAB II

TINJ AUAN PUSTAKA

2.1 Penelitian Terdahulu

Bentuk iris yang berupa lingkaran akan sangat menyulitkan untuk dianalisis dan diolah lebih lanjut. Pola susunan piksel yang dianalisa harus mengikuti algoritma tertentu yang memungkinkan pengambilan piksel dengan bentuk geometri lingkaran. Hal ini akan sangat merepotkan dan tidak efisien. Untuk mengatasi hal tersebut kita harus terlebih dahulu mengubah citra iris ke dalam bentuk antara yang sesuai. Pengubahan bentuk ini dapat dilakukan dengan melakukan transformasi koordinat polar dari citra iris. Untuk dapat melakukan transformasi tersebut, pertama harus dilakukan deteksi tepian perhitungan parameter koordinat polar, baru kemudian dilakukan pembentukan citra koordinat polar itu sendiri. Iris merupakan bagian yang berwarna yang tampak pada bola mata. Bagian iris terlihat sebagai lingkaran mata yang melingkupi bagian hitam pupil dengan warna-warna tertentu (Maltoni e Al, 2003). Perhatikan gambar 2.1 dibawah ini :

Gambar 2.1 Penampakan Iris pada bagian mata

2.1.2 Karakteristik Iris

(16)

Iris merupakan satu-satunya organ internal tubuh yang dapat terlihat dari luar. Iris dapat terlihat cukup jelas pada jarak 1 meter (Munir, 2006). Perhatikan gambar 2.2 dibawah ini :

Gambar 2.2 Struktur Anantomi Mata

(17)

2.1.3 Warna Dasar Iris Mata

(18)

(19)

2.1.5 Operasi Morphologi

2.1.6 Rekonstruksi Look Up

(20)

2.2Citr a

(21)

frame.

-frame.

gray level

image sampling gray level gray-level quantization

gray level

Gambar 2.4 Gray Level

(22)

Gambar 2.5 Susunan Warna RGB

(23)

(Computer Graphic).

Image Processing).

Pattern Recognation/Image Interpretation)

Gambar 2.6 Pengolahan Citr a

picture

(24)

Gambar 2.7 Citra Fungsi Dua Variabel

noise)

filtering) .

Gambar 2.8 Citra ( noise )

(25)

Gambar 2.9 Perolehan Citr a Digital

Komputer Vision artificial intelligence

Computer vision

artificial intelligence

Komputer Vision

visual human vision)

2.3 Pengenalan Pola

(26)

(27)

Fingerprint identification

password pin

Face identification

scanning

Handwriting identification

Optical Character Recognition (OCR) counter

Robot vision

2.3.1 Komponen Sistem Pengenalan Pola

featurnya

Pre-processing

(28)

pre-processing

2.3.2 Pendekatan Pengenalan Pola

statistical

Statisikal

statistical statistic

vector feature

feature)

probability denisty function

statistic

(29)

structural

formal grammar

Neural

neural

statistic sintaktik

neuron)

neuron

sinaptik

2.4 Pengenalan Wajah (Face Recognition)

feature-based image-based.

Principal Compenent Analysis

(PCA) wavelet

(30)

image

computer vision Eigenface standardize

(31)

Hotelling Principal Componen Analysis (PCA)

Hotelling Loeve.Transformasi

Karhuen-Loeve

ortonormal

vector eigen

Principal Component Analyis

2.10 Matr iks Kovarian

2.11 Dekomposisi Eigen Ф adalah selisih antara image (X) dengan nilai tengah (Ψ). Pilih sejumlah m kolom dari matrik Ф yang berasosiasi dengan eigenface terbesar. Pemilihan sejumlah m kolom dari matrik Ф ini menghasilkan metrics transformasi atau matriks proyeksi kedalam feature baru y ( berdimensi m < n ) dengan memproyeksikan x searah dengan Фm sebagai berikut :

(32)

Dengan kata lain metode PCA memproyeksi ruang asal ⁿ kedalam ruang baru yang berdimensi lebih rendah m , yang mana sebanyak mungkin kandungan informasi asal tetap dipertahankan untuk tidak terlalu banyak hilang setelah dibawa ke dimensi feature yang lebih kecil. Di sini terlihat reduksi feature yang signifikan dari n buah menjadi m buah yang tentunya akan sangat meringankan komputasi dalam proses pengenalan berikutnya.

2.4.3 Eigenvalue dan Eigenvector

Nilai Eigenvaluedari suatu matriks bujursangkar merupakan polynomial karakteristik dari matriks tersebut; jika λ adalah eigenvaluedari A maka akanekuivalendengan persamaan linier (A – λI) v = 0 (dimana I adalah matriks identitas) yang memiliki pemecahan non-zero v (suatu eigenvector), sehingga akanekuivalendengandeterminan.

( 2.13 Determinan )

Fungsip(λ) =det (A – λI) adalah sebuah polynomial dalam λ karena determinan dihitung dengansum of product. Semua eigenvalue dari suatu matriks A dapat dihitung

dengan menyelesaikan persamaanpA(λ) = 0. Jika A adalah matriks ukurann x n, maka pA

memiliki derajatndan A akan memiliki paling banyaknbuaheigenvalue (Prasetyo, Eri, dan

Isna Rahmatun, 2006). 2.4.4 Mencari Eigenvector

Jika eigenvalue λ diketahui, eigenvector dapat dicari dengan memecahkan:

(2.14 Pencarian Eigenvector) Dalam beberapa kasus dapat dijumpai suatu matriks tanpa eigenvalue, misalnya:

(2.15 Matrik tanpa eigenvalue) dimana karakteristik bilangan polynomialnya adalah λ2 + 1 sehingga eigenvalue

det (A – λI) = 0

(33)

Jika diberikan matriks:

(2.16 Matriks 2x2)

maka polynomial karakteristiknya dapat dicari sebagai berikut:

(2.17 Polynomial)

ini adalah persamaan kuadrat dengan akar-akarnya adalah λ = 2 dan λ= 3.

Adapun eigenvector yang didapat ada dua buah. Eigenvector pertama dicari dengan mensubtitusikan λ = 3 ke dalam persamaan. Misalnya Y 0adalah eigenvector yang berasosiasi

dengan eigenvalue λ= 3. Set Y 0dengan nilai:

(2.18 Matriks Y0)

Kemudian subtitusikan Y0 dengan v pada persamaan:

(2.19 Subtitusi Y0 dengan v)

sehingga diperoleh:

(2.20 Hasil Subtitusi)

( A – λI) v = 0

(34)

dapat disederhanakan menjadi:

(2.21 Penyederhanaan ) sehingga eigenvector untuk eigenvalue λ = 3 adalah:

(2.22 Eigenvalue)

Hubungan antara eigenvalue dan eigenvector dari suatu matriks digambarkan oleh persamaan :

(2.23 Persamaan Eigenvector) dimana v adalah eigenvector dari matriks Mx dan λ adalah eigenvalue.

Terdapatnbuaheigenvectordaneigenvaluedalam sebuahn x nmatriks. 2.4.5 Algoritma Eigenface

Algoritma adalah urutan-urutan dari intruksi atau langkah untuk pengambilan keputusan dalam pemecahan masalah. Sedangkan kata eigentaces berasal dari bahasa jerman “eigenwert” dimana “eigen” artinya karakteristik dan “wert” artinya nilai.Eigenfaceadalah salah satu algoritma vector pengenalan wajah yang berdasarkan pada (Principle Component

Analysis) (PCA) yang dikembangkan di Massachuset Institueb of Thecnology

(MIT). Principle Component Analysis(PCA) sering juga disebut sebagai metode Karhunen-

Loeve yang secara matematis dilakukan dengan mencari vector eigen dari matriks kovarian

sekumpulan citra wajah. Eigenface juga merupakan kumpulan dari eigenvector yang digunakan untuk masalah computer vision pada pengenalan wajah manusia (Layman dalam Al Fatta Hanif, 2009).

Dalam istilah Layman eigenface adalah sekumpulan standardized face ingredientyang diambil dari analisis statistic dari banyak gambar wajah/mata. Dua

-X0-Y0= 0 at au Y0= -X0

(35)

20% mata satu kiri, dan seterusnya sehingga jika ingin merekam mata seseorang untuk pengenalan mata maka biasanya digunakan jauh lebih sedikit fitur dari pada yang ditangkap oleh foto digital.

Untuk menghasilkaneigenface, citra digital dari mata manusia diambil pada kondisi pencahayaan yang sama, kemudian dinormalisasi menjadi citra skala keabuan (gray scale) dan kemudian diolah pada resolusi yang sama, dan kemudian diperlakukan sebagai vector dimensi, dimana kompenennya diambil dari nilai-nilai yang memungkinkan pikselnya.

Eigenface juga merupakan pendekatan antara eigenvaluedan eigenvector. Dengan

menggunakan pendekatan tersebut dilakukan klasifikasi untuk mengenali objek yang test dengan objek yang telah tersimpan didatabase.

Algoritma Eigenface secara keseluruhan cukup sederhana. Image matrix (T) direpresentasikan ke dalam sebuah himpunan matriks (Γ 1, Γ 2, …, Γ M). Cari nilai rata-rata (Ψ ) dan gunakan untuk mengekstraksi eigenvector (v) dan eigenvalue (α) dari himpunan matriks. Gunakan nilai eigenvector untuk mendapat nilai eigenface dari image. Apabila ada image baru atau test face (Γ new), untuk mengektraksi eigenvector (v), dan eigenvalue (α), kemudian cari nilai eigenface dari image test face (Γ new). Setelah itu barulah image baru (Γ new)

(36)

Tidak

YA

Gambar 2.24 Alur proses identifikasi image dengan eigenface

Algoritma selengkapnya adalah: Tahapan perhitungan Eigenface:

Langkah pertama adalah menyiapkan data dengan membuat suatu himpunan S yang terdiri dari seluruh training image (Γ 1, Γ 2, …, Γ M)

(2.25 Himpunan S) Langkah kedua adalah ambil nilai tengah atau mean (Ψ)

(37)

(2.26 Mean)

Langkah ketiga kemudian cari selisih (Ф) antara training image (Γi) dengan nilai

tengah (Ψ)

(2.27 Selisih nilai citra) Langkah keempat adalah menghitung nilai matriks kovarian (C)

(2.28 Matriks kovarian C dan L)

Langkah kelima menghitung eigenvalue (λ) dan eigenvector (v) dari matriks kovarian (C) terapkan cara pada tahapan pertama perhitungan eigenface untuk mendapatkan nilai

eigenface dari image tersebut.

(38)

(2.31 Nilai kumpulan Eigenface)

Gunakan metode Euclidean Distance untuk mencari jarak (distance) terpendek antara nilai eigenface dari training image dalam database dengan eigenface dari image test face.

(2.32 Jarak terpendek dari basis data) 2.4.6 Cara Kerja Algoritma Eigenface

Cara kerjanya sama seperti pengenalan pola lainnya, pada algoritma ini dijelaskan untuk mencari nilai tertentu pada suatu image yang memiliki eigenvalue yang sesuai dan bernilai kecil karena lebih tepat pada proses matching-nya. Berikut merupakan langkah-langkah untuk menjelaskan bagaiman cara kerja algoritma eigenface:

a) Langkah pertama adalah proses penyusunan flat vektor dimana dalam menyusun seluruh data training image menjadi satu bagian matriks tunggal. Misalnya image yang kita simpan berukuran H x W piksel dan jumlahnya N buah, amka kita memiliki flat vektor dengan dimensi N x (HxW).

Perhatikan contoh berikut ini.

Misalnya di dalam trainning image terdapat dua image dengan ukuran 3 x 3 piksel maka kita akan mempunyai eigenvektor dengan ukuran 2 x 9. Dan perhatikan penjelasan berikut:

(39)

Image Wajah A Image Wajah B

Gambar 2.33 Penyusunan Flat Vektor

b) Langkah kedua adalah melakukan penghitungan rataan flat vektor, dimana flat

vektor yang diperoleh sebelumnya dijumlahkan barisnya sehingga diperoleh

matriks berukuran 1 x (H x W). Setelah itu bagi matriks tadi dengan jumlah image N untuk mendapatkan rataan Flat Vektor.

Gambar 2.34 Penentuan Rataan Flat Vector

Langkah ketiga yaitu tentukan nilai eigenface yaitu dengan menggunakan rataan flatvektor yang tadi kita susun. Caranya dengan mengurangi baris-baris pada matriks flatvektor dengan rataan flatvektor. Jika didapatkan nilai dibawah nol, maka ganti nilainya

a) dengan nol (Nilai absolut 0 jika hasil pengurangan adalah minus dan 1 jika hasil penjumlahan adalah lebih dari 0 maka hasilnya adalah plus).

2 2 2 2 2 2 2 2 2

Dijumlahkan Dibagi Jumlah Image M at ching

(40)

Gambar 2.35 Perhitungan Eigenface

b) Langkah keempat atau langkah terakhir adalah proses mengidentifikasi, misalnya diberikan citra yang akan diidentifikasi (testface), maka langkah identifikasinya adalah sebagai berikut:

Kalkulasikan nilai eigenface untuk matriks testface, dengan cara yang sama dengan penentuan eigenface untuk flatvektor.

Testface

Gambar 2.36 Perhitungan Nilai Eigenface untuk testface

Setelah nilai eigenface untuk testface diperoleh maka kita bisa melakukan identifikasi dengan menentukan jarak (distance) terpendek dengan eigenface dari eigenvektor training

image. Caranya, tentukan nilai absolute dari pengurangan baris i pada matriks eigenface

training image

2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3

M at riks Eigenface unt uk Trainning 4 4 4 4 4 4 4 4 4

Nilai Eigenface unt uk t est face

(41)

dengan eigenface dari testface, kemudian jumlahkan elemen-elemen penyusun vektor yang dihasilkan dari pengurangan tadi dan ditemukan jarak d indeks i, lakukan untuk semua baris dan cari nilai d dari yang paling kecil nilainya.

Perhitungan distance antara mata a dengan tesface

Perhitungan distance antara mata b dengan tesface

Gambar 2.37 Proses identifikasi dengan input image testface

Kesimpulan terlihat dari gambar diatas, jarak antara mata B dengan testface yang paling kecil, maka hasil dari identifikasi menyimpulkan bahwa testface lebih mirip dengan mata B daripada mata A.Untuk itu diperlukan hasil test training agar hasil yang didapat lebih akurat.

2.5 Dasar Teori Aplikasi

Pada bahasan berikut akan dijelaskan tentang sistem, informasi, sistem informasi,aplikasi, Microsoft Visual Basic 6.0, Data Report, Microsoft Acces 2007.

(42)

2.5.1 Pengertian Sistem

Sistem berasal dari bahasa Yunani yaitu “systema”, yang artinya “kesatuan”. Ditinjau dari sudut katanya sistem berarti sekumpulan objek yang bekerja secara bersama-sama untuk menghasilkan suatu metode, prosedur, serta teknik yang digambarkan dan diatur sedemikian rupa sehingga menjadi berfungsi untuk mencapai suatu tujuan. Untuk mengetahui lebih jelasnya tentang pengertian sistem, berikut ini beberapa pendapat ahli.

“Sistem adalah sekumpulan elemen yang saling terkait atau terpadu yang dimaksudkan untuk mencapai suatu tujuan”.

“Sistem adalah sekelompok elemen-elemen yang berintegrasi dengan maksud yang sama untuk mencapai suatu tujuan” (Raymond Mcleod, 2001). Dari beberapa pengertian di atas diambil kesimpulan bahwa sistem adalah kumpulan atau kelompok yang saling terkait untuk mencapai tujuan.

2.5.2 Pengertian Informasi

Informasi adalah data yang diolah menjadi suatu bentuk yang berarti bagi penerimanya dan bermanfaat dalam pengambilan keputusan pada saat sekarang atau yang akan datang. Informasi juga merupakan fakta-fakta atau data yang telah diproses sedemikian rupa atau mengalami proses transformasi data sehingga berubah bentuk menjadi informasi. Untuk mengetahui lebih jelas tentang pengertian informasi, berikut ini beberapa pendapat para ahli.

“informasi adalah data yang telah diklasifikasi atau diolah atau diinterpretasi untuk digunakan dalam proses pengambilan keputusan”.

(43)

2.5.3 Sistem Infor masi

Sistem informasi dapat diartikan sebagai suatu sistem di dalam organisasi yang merupakan kombinasi dari orang-orang, fasilitas, teknologi, media, prosedur prosedur, dan pengendalian yang ditujukan untuk mendapatkan jalur kombinasi yang penting. Untuk mengetahui lebih jelasnya tentang pengertian sistem informasi, berikut ini beberapa pendapat ahli.

“Sistem informasi merupakan sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian yang mendukung fungsi operasi organisasi yang bersifat manajerial dengan kegiatan strategi dari suatu organisasi untuk dapat menyediakan kepada pihak luar tertentu dengan laporan laporan yang diperlukan” (Abdul Kadir, 2003).

“Sistem informasi adalah kombinasi antar prosedur kerja, informasi, orang, dan teknologi informasi yang diorganisasikan untuk mencapai tujuan dalam sebuah organisasi” (Tata Sutabri, 2005).

Dari beberapa pengertian di atas diambil kesimpulan bahwa sistem informasi adalah sistem di dalam suatu organisasi yang saling berhubungan untuk mendistribusikan informasi untuk mengambil keputusan.

2.5.4 Power Designer 15

Power Designer adalah alat pemodelan perusahaan kolaboratif yang diproduksi oleh

Sybase. Power Designer berjalan di bawah Microsoft Windows sebagai aplikasi asli, dan

berjalan di bawah Eclipse melalui plugin. Power Designer mendukung model-driven desain arsitektur perangkat lunak. Power Designer menggunakan format file pdm. Power Designer juga memiliki support terhadap beberapa ikon di bawah ini:

(44)

b. Kode generasi (Java, C #, VB NET, Hibernate, EJB3, NHibernate, JSF).

c. Data modeling (bekerja dengan sistem RDBMS yang paling utama).

d. Pemodelan Data Warehouse (WarehouseArchitect).

j. Pemodelan mendukung XML XML Schema dan DTD standar.

k. Visual Studio 2005 / 2008 Addin.

2.5.5 Microsoft Visual Basic 6.0

Microsoft Visual Basic merupakan bahasa pemrograman yang berbasis Ms-Windows, sebagai bahasa pemrograman yang mutakhir, Microsoft Visual Basic 6.0 didesain untuk memanfaatkan fasilitas yang tersedia dalam Ms-Windows. Microsoft Visual Basic 6.0 juga merupakan bahasa pemrograman Object Oriented Programming (OOP), yaitu pemrograman yang berorientai objek.

(45)

bahasa pemrograman dan bentuk tampilan yang dikehendaki. Visual Basic ini merupakan pengembangan bahasa basic yang diterapkan pada program yang berbasis windows.

Visual Basic 6.0 adalah salah satu development tools untuk membangun aplikasi dalam lingkungan windows. Dalam pengembangan aplikasi, visual basic menggunakan pendekatan visual untuk merancang user interface atau tampilan dalam bentuk form, sedangkan untuk kodingnya menggunakan bahasa basic yang cenderung mudah dipelajari. Visual basic telah menjadi tools yang terkenal bagi para pemula maupun developer.

Visual basic 6.0 merupakan perkembangan dari versi sebelumnya dengan beberapa penambahan komponen yang sedang tren saat ini, seperti kemampuan pemrograman internet dengan DHTML (Dynamic HyperText Mark Language), dan beberapa penambahan fitur database dan multimedia yang semakin baik. Hingga saat ini dapat dikatakan bahwa Visual Basic 6.0 masih merupakan pilihan utama di dalam membuat program aplikasi yang ada di pasar perangkat lunak nasional. Hal ini disebabkan oleh kemudahan dalam melakukan proses

development dari aplikasi yang dibuat.

Secara umum ada beberapa manfaat yang diperoleh dari pemakaian program Microsoft Visual Basic, diantaranya:

Dipakai dalam membuat program aplikasi bebasis windows

a. Dipakai dalam membuat obyek-obyek pembantu program, seperti fasilitas Help, kontrol ActiveX, aplikasi internet, dan sebagainya.

b. Digunakan untuk menguji program (Debugging) dan menghasilkan program akhir EXE yang bersifat Executable, atau dapat langsung dijalankan. (Subari & Yuswanto, 2008).

(46)

Selain menyediakan tipe data sendiri yang berupa argumen atau property dan metode publik. Microsoft Visual basic 6.0 juga bisa menghasilkan array dari suatu fungsi atau properti suatu prosedur (Subari & Yuswanto, 2008).

Perkembangan visual basic sangat pesat dikarenakan pemakaiannya yang mudah dan juga dikarenakan banyaknya fasilitas-fasilitas yang disediakan visual basic. Perkembangan yang pesat dapat dilihat dari sejarah perkembangan visual basic tersebut.

Berikut ini akan menjelaskan point-point penting sejarah perkembangan

bahasa pemrograman visual basic, yaitu :

a. Visual Basic pertama kali dikeluarkan pada tahun 1991 yaitu program visual basic untuk DOS dan unutk Windows.

b. Pada tahun 1993 visual basic 3.0 diliris.

c. Pada akhir tahun 1994 visual basic 4.0 dengan tambahan untuk mendukung aplikasi 32 bit.

d. Pada akhir tahun 1998 visual basic 6.0 diliris.

e. Pada tahun 2002, versi terbaru dari visual basic diliris yaitu versi visual basic.Net. 2.5.6 Komponen Microsoft Visual Basic 6.0

(47)

Microsoft visual basic. Sarana ini yang ada pada visual basic adalah : Toolbox, Jendela Project Container, Jendela Form, Jendela Project, Jendela Propertis dan Jendela Form Layout. Pada gambar 1 dibawah ini akan diperlihatkan gambar dari komponen Microsoft visual basic 6.0 yaitu :

Gambar 2.38 Komponen Microsoft Visual Basic

Keterangan :

Toolbox 5. Jendela Project Container

2. Baris Menu 6. Jendela Form

3. Toolbar 7. Project

4. Jendela

(48)

Project adalah file pusat yang mengelola dan mencatat seluruh file-file yang dibutuhkan untuk membentuk suatu aplikasi. Project disimpan dalam file yang berakhiran VBP. Bila ingin membuat program aplikasi, maka terdapat jendela project yang berisi semua file yang dibutuhkan untuk menjalankan program aplikasi visual basic 6.0 yang dibuat. Pada saat dibuat program aplikasi baru, jendela project otomatis berisi form 1. Pada jendela project terdapat tiga icon view code, view object, dan Toogle Folders. Icon View Code dipakai untuk menampilkan jendela editor kode program. Icon View Object dipakai untuk menampilkan jendela form dan icon Toogle Folsder digunakan untuk mengubah-ubah tampilan folder pada jendela project explorer.

Gambar 2.39 Jendela Project

b. Form

Form adalah suatu objek yang dipakai sebagai tempat bekerja program aplikasi. Form berbentuk jendela dan dapat dibayangkan sebagai kertas atau meja kerja yang dilukiskan atau diletakkan ke dalam objek-objek lain. Pada saat membuat suatu program aplikasi (proyek) baru, akan otomatis tersedia satu form dan disebut form1.

(49)

Gambar 2.40 Jendela Form

c. Toolbox

Toolbox adalah kotak alat yang berisi icon-icon untuk memasukkan objek tertentu ke dalam jendela form anda dapat memodifikasikan toolbox, misalnya menambah komponen icon dengan cara memilih menu project-component.

Gambar 2.41 Jendela Toolbox

(50)

a. Pointer merupakan suatu icon yang digunakan ketika memilih kontrol yang sudah

berada pada form

b. Label adalah kontrol yang digunakan untuk menampilkan teks yang tidak dapat

diperbaiki.

c. Frame adalah kontrol yang digunakan sebagai kontainer bagi kontrol lainnya.

d. CheckBox digunakan untuk pilihan yang isinya bernilai yes atau no, true atau false.

e. ComboBox merupakan kombinasi dari TextBox dan suatu ListBox dimana pemasukan

data dapat dilakukan dengan pengetikan maupun pemilihan.

Hscrollbar atau Vscrollbar digunakan untuk membentuk scroolbar berdiri sendiri.

a. Timer digunakan untuk proses background yang diaktifkan berdasarkan interval

waktu tertentu. Ini merupakan kontrol non visual.

b. DriveListBox, DirListBox, dan FileListBox sering digunakan untuk membentuk dialog box yang berkaitan dengan file.

c. Shape dan Line digunakan untuk menampilkan bentuk seperti garis, persegi, bulatan

dan oval.

d. Image berfungsi menyerupai image box, tetapi tidak dapat digunakan sebagai

kontainer bagi kontrol lainnya. Bahwa kontrol image menggunakan resource yang lebih kecil dibandingkan dengan PictureBox.

e. OLE dapat digunakan sebagai tempat bagi program eksternal seperti Microsoft Excel,

Microsoft Word dan lain-lain.

f. Picturebox adalah kontrol yang digunakan untuk menampilkan image dengan format BMP, DIB, ICO (icon), CUR (Cursor), WMF (Metafile), GIF, JPEG.

g. TextBox adalah kontrol yang mengandung string yang dapat dipakai oleh pemakai,

(51)

h. CommandButton merupakan kontrol yang hampir ditemukan pada setiap form dan

digunakan untuk membangkitkan event proses tertentu ketika pemakai melakukan klik padanya.

i. OptionButton sering digunakan lebih dari satu sebagai pilihan terhadap beberapa option yang hanya dapat dipilih satu.

j. ListBox mengandung sejumlah item dan pemakai dapat memilih lebih dari satu.

k. Data digunakan untuk menampilkan database pada suatu form.

f. Properties adalah jendela yang mengandung semua informasi mengenai objek yang terdapat pada aplikasi visual basic. Setiap objek memilih objek properties yang berbeda, bergantung dari jenis objek tersebut, tetapi ada juga yang memilih properties umum yang sama. Misalnya warna, ukuran dan sebagainya.

Gambar 2.42 Jendela Properties

2.5.7 Definisi Database

(52)

terdapat record-record yang sejenis, sama besar, sama bentuk, yang merupakan satu kumpulan entitas yang seragam.

2.5.8 Microsoft Office Access

Microsoft Access (atau Microsoft Office Access) adalah sebuah program aplikasi basis data komputer relasional yang ditujukan untuk kalangan rumahan dan perusahaan kecil hingga menengah. Aplikasi ini merupakan anggota dari beberapa aplikasi Microsoft Office, selain tentunya Microsoft Word, Microsoft Excel, dan Microsoft PowerPoint. Aplikasi ini menggunakan mesin basis data Microsoft Jet Database Engine, dan juga menggunakan tampilan grafis yang intuitif sehingga memudahkan pengguna.

Microsoft Access dapat menggunakan data yang disimpan di dalam format Microsoft Access, Microsoft Jet Database Engine, Microsoft SQL Server, Oracle Database, atau semua kontainer basis data yang mendukung standar ODBC. Para pengguna/programmer yang mahir dapat menggunakannya untuk mengembangkan perangkat lunak aplikasi yang kompleks, sementara para programmer yang kurang mahir dapat menggunakannya untuk mengembangkan perangkat lunak aplikasi yang sederhana. Access juga mendukung teknik-teknik.

Pemrograman berorientasi objek, tetapi tidak dapat digolongkan ke dalam perangkat bantu pemrograman berorientasi objek.

(53)

yang dikembangkan sebelum Microsoft mengembangkan Microsoft Visual Basic, sementara mesin pembuat form antarmuka yang digunakannya dinamakan dengan Ruby.

2.5.9 Cr ystal Report

Crystal Report adalah perangkat lunak yang khusus digunakan untuk membuat laporan dan dapat digunakan oleh bahasa pemrograman lain dengan cara

menghubungkan ke duanya (linkage).

Crystal Report merupakan program khusus untuk membuat laporan yang terpisah dengan program Microsoft Visual Basic 6.0 tetapi keduanya dapat dihubungkan. Mencetak dengan Crystal Report hasilnya lebih baik dan lebih mudah. Hal ini karena pada Crystal Report banyak tersedia objek-objek maupun komponen yang mudah digunakan. Crystal Report juga dapat dihubungkan dengan basis data (database).

Proses Merancang atau Mendisain Laporan dengan menggunakan database Ms Access.

1Merancang Laporan Buka crystal report dengan cara: - klik Start All program

- Crystak Report Tools Crystal Report, maka akan tampil jendela dialog sebagai berikut:

(54)

Pada Crystal Report Gallery Pilih:

Gambar 2.44 Form Galery menu Standar t

Gambar 2.45 For m Pilih DataBase Pilih Find database File pada Data Explorer

(55)

Gambar 2.47 Form data Yang Sudah Disimpan

Klik Add, maka akan tampil sebagai berikut, lalu pillih Next:

Gambar 2.48 For m Database Yang Sudah Di Export

(56)

Pilih Add All>> untuk memilih semua data

Gambar 2.50 For m Untuk Memasukkan Database Pilih Finish jika tidak ada pengaturan lain. Maka akan tampil desain report sebagai berikut:

(57)

BAB III

METODOLOGI PENELITIAN

3.1 Dasar Analisis Sistem

Sebelum sistem dikembangkan perlu dilakukan analisis sistem untuk menjamin bahwa sistem yang dibuat sesuai dengan kebutuhan pemakai dan layak untuk dikembangkan. Tahapan analis sistem dapat dirinci menjadi beberapa tahap guna mempermudah proses analisis secara keseluruhan. Tahapan-tahapan ini sangat penting untuk menjamin keberhasilan dalam mengembangkan sistem secara keseluruhan. Studi kasus yang dipakai untuk sistem ini adalah perusahan sofware house dimana jumlah karyawan yang sedikit menjadi uji coba dalam pembuatan sistem ini. Dimana terdapat beberapa job dish seperti Ketua Tima, Wakil Tim, Staff Jaringan, Staff Sofware, Staff Hadware, dan HRD. Sistem ini sebelumnya sudah dirancang oleh (Hanif Al Fatta, 2006) tetapi ada perbaikan pada sistem yang sudah ada dan akan lebih di perbaiki agar nantinya pada saat memulai rancangan akan menjadi program yang lebih baik (pada saat coding tidak dimulai dari awal).

3.2 Analisis Sistem

Untuk menjamin bahwa sistem presensi yang dibangun sesuai dengan kebutuhan dari objek penelitian maka akan dilakukan analisis terhadap sistem presensi yang sudah ada pada perusahaan swasta pada umumnya. Dari hasil analisis sering kali kita menjumpai masalah sebagai berikut:

a) Sistem presensi yang digunakan saat ini menggunakan barcode sebagai media input yang dibaca dengan barcode reader yang sudah terpasang pada mesin komputer.

Barcode sendiri dicetak pada kartu pegawai dan pegawai tinggal melakukan proses

scanning pada kartu pegawai tersebut ketika akan melakukan presensi.

b) Jika ada pegawai lupa membawa kartu pegawai maka pegawai tidak bisa melakukan proses presensi walaupun pegawai itu hadir.

(58)

d) Sistem presensi yang digunakan saat ini menggunakan barcode sebagai media input yang dibaca dengan barcode reader yang sudah terpasang pada mesin komputer.

Barcode sendiri dicetak pada kartu pegawai dan pegawai tinggal melakukan proses

scanning pada kartu pegawai tersebut ketika akan melakukan presensi.

e) Jika ada pegawai lupa membawa kartu pegawai maka pegawai tidak bisa melakukan proses presensi walaupun pegawai itu hadir.

f) Kartu pegawai bisa juga dititipkan ke pegawai lain sehingga jika ada pegawai yang bersangkutan tidak hadir maka tidak dapat diproses kehadirannya pada mesin presensi.

g) Pegawai juga bisa menitipkan kartunya pada pegawai yang hadir tepat waktu sehingga pada saat pegawai yang bersangkutan terlambat datang, presensi tetap dapat dicatat oleh mesin pada saat itu juga.

Adapun aturan presensi yang diberlakukan untuk proses presensi pegawai pada perusahaan swasta pada umumnya adalah sebagai berikut:

a) Presensi yang disimpan hanya presensi dalam bentuk foto/image pegawai yang bersangkutan.

b) Presensi tidak dapat diwakilkan pada saat melakukan proses absensi.

c) Sistem tidak dapat melakukan proses presensi jika terdapat foto yang sama atau foto kembar dengan pegawai lainnya.

Untuk mengakomodasikan masalah tadi maka dapat disusun sistem presensi yang menggunakan masukkan berupa citra mata pegawai, sehingga diharapkan dapat menghasilkan suatu presensi dengan kemampuan sebagai berikut:

a) Masukkan dari sistem presensi adalah citra mata pegawai yang dihasilkan dari proses penangkapan mata dengan menggunakan webcamera pada saat presensi dilakukan.

(59)

c) Pada proses presensi ini sudah disiapkan masukan data dari gambar atau foto yang sudah diambil sebelumnya.

3.3 Analisis Komponen Sistem

Sistem presensi bwrbasis pengenalan mata manusia ini terdiri dari beberapa komponen yang dapat digambarkan dalam suatu model seperti tampak pada gambar berikut ini:

Gambar 3.1 Hubungan Antar Sub Sistem Keterangan :

Komponen Webcam : Peranti masukan yang digunakan dalam sistem presensi ini adalah

webcam. Webcam digunakan untuk dua hal yaitu :

a) Digunakan untuk melengkapi data pegawai dengan foto, dimana foto ini akan disimpan ke dalam database, yang nantinya akan dicocokan dengan citra mata yang sudah diambil sebelumnya.

b) Digunakan pada saat proses mengambil foto citra mata pegawai untuk proses presensi yang kemudian foto disimpan kedalam hardisk komputer.

Komponen image capturing : Komponen ini berfungsi sebagai proses pengambilan data citra mata dengan media webcam, dengan maksud agar pencocokan data citra saat akan mengambil foto.

Komponen Antarmuka : Komponen ini berfungsi sebagai perantara komunikasi antara user dengan sistem presensi mata, baik itu untuk proses input data pegawai, dan proses presensi pegawai.

Subsistem Pengenalan Mata : Pengenalan mata dilakukan dengan mencocokan data citra mata yang akan di-capture pada saat presensi dengan citra mata yang telah ada

(60)

sebelumnya di dalam database sistem. Adapun langkah-langkah dalam proses pencocokan citra mata dapat dilihat pada Gambar 3.2 berikut ini.

EigenValue EigenVector

Gambar 3.2 Langkah-langkah Proses Identifikasi Citra Mata Keterangan :

a) Pada proses pertama citra mata akan di-capture menggunakan webcamera. Hasil dari pengambilan gambar atau foto berupa format .bmp.

b) Proses kedua citra mata akan dinormalisasikan ke beberapa tahapan proses. Yaitu citra akan diturunkan kualitas warnanya menjadi grayscale. Dan ukuran dari pengambilan citra mata juga disesuaikan menjadi ukuran 80 x 80 piksel.

c) Pada proses ketiga yaitu setelah citra mata yang sudah ternormalisasi maka langkah selanjutnya menghitung nilai eigen dari citra mata itu. Misalnya hasil dari citra mata bernilai X.

d) Pada proses keempat melibatkan data pegawai yang terdapat beberapa macam citra mata. Dari macam-macam citra ini masing-masing akan dikalkulasi nilai eigen-nya dan dikumpulkan ke dalam vector yang bernama eigenvector. Contoh didalam citra terdapat nilai (X1,X2,X3,...Xn).

e) Proses kelima yaitu matching dimana akan dilakukan suatu pencocokan nilai x dengan nilai-nilai pada eigenvectordan mencari nilai yang paling mendekati.

f) Proses keenam yaitu jika sudah ada nilai yang paling mendekati maka cari data citra

(61)

File mata : Citra mata pegawai yang digunakan untuk melengkapi data-data pegawai (trainning faces) disimpan dalam bentuk file, yang terpisah dari database data pegawai, tetapi file mata ini bisa di temukan dengan menggunakan nama file mata yang sudah ada.

(62)

Dari gambar diatas dapat dijelaskan pada saat memulai, sistem melakukan proses ambil foto atau image. Selanjutnya foto yang mempunyai format .bmp akan diubah menjadi grayscale 80 x 80 yang kemudian disimpan kedalam hardisk komputer. Jika sudah maka proses selanjutnya foto atau image akan dikomparasi (Perbandingan foto), jika sesuai maka foto akan diproses sesuai data pegawai dan jika tidak maka foto akan menampilkan data absen pegawai sebelumnya.

(63)

3.4 Pengertian Eigenface

Prinsip dasar dari pengenalan mata adalah dengan mengutip informasi unik mata tersebut kemudian di-encode dan dibandingkan dengan hasil decode yang sebelumnya dilakukan.Dalam metode eigenface, decoding dilakukan dengan menghitung eigenvector lalu kemudian direpresentasikan dalam sebuahmatriks yang berukuran besar. Eigenvector juga dinyatakan sebagai karakteristik mata olehkarena itu metode ini disebut dengan eigenface. Setiap mata yang dapat direpresentasikan dalam kombinasi linear eigenface. Metode

eigenface pertama kali dikembangkan oleh MatthewTurkdan Alex Pentland dariVision and

Modeling Group, The Media Laboratory, Massachusetts Institute of Technologypada tahun

1987. Metode ini disempurnakanlagi oleh Turk dan Pentland pada tahun 1991. Prinsip dasar dari metode eigenface adalahbagaimana caranya untuk mengekstrakinformasi yang relevan dari sebuah citra mata lalu mengubahnya kedalam satu set kode yang paling efisien, dan membandingkan kode mataini dengan database berisi beragam wajah yang telah dikodekan secara serupa [9].

3.4.1Algoritma Eigenface

Algoritma pengenalan mata dengan membuat matrik kolom dari wajah yang diinput ke dalam database. Rata –rata vector citra (mean) dari matriks Kolom dihitung dengan cara membaginya dengan jumlah banyaknya citra yang Disimpan di dalam database.

3.4.2 Penyusun Flatvector Matr iks Citra

(64)

Misalnya didalam training image terdapat tiga image terdapat tiga image Ukuran 3x3 piksel maka kita akan mempunyai eigenvector ukuran 2 x 9. Contoh dibawah ini menggunakan empat Telinga citra yang telah di ubah menjadi matrix, lalu matrix tersebut di ubah ke dalam bentuk rataan flatvector.

Gambar 3.6 Skema Flatvector Mata 3.4.3 Hitung Rataan Flatvector

Dari Flatvector yang diperoleh, jumlahkan seluruh barisnya sehingga matix berukuran 1 x (HxW) .

Gambar 3.7 Skema Rataan FlatVektor

(65)

Gambar 3.8 Skema Hasil Pembagian FlatVektor

Nilai flatvector citra digunakan untuk menghitung nilai eigenface citra mata untuk training image. Tentukan nilai eigenface dengan memakai rataan flatvector citra di atas nilai eigenface untuk matriks flatvector yang sudah disusun tersebut dapat dihutung nilai eigenfacenya. Caranya dengan mengurangi baris – baris pada matrik flatvector dengan rataan flatvactor. Jika didapatkan nilai dibawah nol / nilai minus ( - ), maka nilainya diganti dengan 0

Gambar 3.9 Skema Nilai Citra Test

Proses Indentifikasi untuk mengenali citra test (testface), langkah identifikasi adalah hitung nilai eigenface untuk matriks testface dengan cara sebelumnya untuk penentuan nilai eigen face dan flatvector citranya.

Gambar 3.10 Skema Penentuan Nilai Eigenface dan FlatVektor

Nilai eigen ( eigenvalue ) dari testface di gunakan untuk identifikasi dengan menentu

kan jarak terpendek dengan eigenface dari eigenvector training dengan cara menentukan

(66)

nilai absolute dari pengurangan baris | pada matrik eigenface training citra dengan eigenface dari testface dan jumlahkan dengan elemen penyusun vector yang dihasilkan dari pengurangan dan di dapat jarak “d” indeks “i” dan cari nilai “ d” yang paling kecil. Setelah nilai eigenface untuk testface di peroleh maka kita bias melakukan identif ikasi dengan menentukan jarak terpendek dengan eigenface dari eigenvector training ima ge. Pertama tentukan nilai absolute dari pengurangan baris pada matrix eigenface training image dengan eigenface dari testface, kemudian jumlahkan dalam elemen – elemen penyusun vector yang di hasilkan dari pengurangan tadi dan ditemukan jarak indeks. Lakukan untuk smua baris cari nilai yang paling kecil.

(67)

Dari hasil perhitungan, diperoleh jarak citra telinga empat memiliki nilai yang terkecil yaitu dua. Karena jarak eigenface satu dengan testface yang paling kecil maka hasil identifikasi menyimpulkan bahwa testface lebih mirip dengan face empat dari pada face satu , face dua , dan face tiga.

3.5 Proses DataBase Grayscale

Gambar 3.12 Proses Citra Piksel Menjadi Grayscale

Didalam data citra database table ini proses pemasukkan angka-angka kode orang,baris,kolom, citra gambar , titik koordinate YYY dan titik koordinate XXX

(68)

(69)

3.6 Proses Database Eigen

(70)

Gambar 3.15 Program Menentukan Nilai Eigen

Fungsi di dalam program ini adalahambil nilai Mean dalam database setelah nilai mean Di ambil lalu ambil nilai eigenface dan kode orang, dalam Perintah program “ReDim” digunakan untuk mendefinisi ulang jumlah elemen pada Array dengan atau tanpa

mempertahankan data array sebelumnya jumlah baris dan jumlah kolom kemudian nilai

eigenface akan di Transpose setelah eigenface sudah di transpose selanjutnya pengenalan

(71)

Gambar 3.16 Citra Tes Ter hadap Tr aning

(72)

HASIL DAN PEMBAHASAN

4.1 IMPLEMENTASI SISTEM

Program aplikasisistem aplikasi scan kontur mata ini terdapat beberapa perangkat untuk mendukung kinerja sistem ini, yaitu:

1. Hadware :

• Laptop dengan spesifikasi Intel Core 2 Duo 2,26 Ghz, RAM 1,87 GB

• Harddisk 320GB, VGA Onboard Intel 128MB. 2. Sofware :

• Windows XP Profesional edition Service Pack 3 • Visual Basic 6.0

• Crystal Ryport 8.5

• Microsoft Accsess 2003 – 2007

4.1.1 Tampilan Mensetting DataBase ( ODBC )

Gambar 4.1Tampilan Menu

(73)

Gambar 4.2Tampilan Contr ol Panel

Dalamtampilan control panel iniPilih ->klik -> Data Sources ( ODBC )

(74)

Gambar 4.4 Tampilan Setup ODBC

Tampilan Setup OdbcKlik -> data source Name :isinamaodbcabsenmata -> Klik Select mencari database yang akan di setup

(75)

Klik Drives -> d: ->pilihSkripsi saya klik ->pilih database name Absen.mdb ->klik Ok -> finish

Gambar 4.6 Tampilan Berhasil MenSetting 4.1.2 Tampilan Sistem Deteksi Scan Kontur Mata

Gambar dibawah ini merupakan tampilan awal pada saat aplikasi dipanggil :

Gambar 4.7 Tampilan Awal Sistem Scan Kontur Mata

(76)

terdapat sebuah menu exit. Menu Exit sendiri berfungsi untuk keluar dari program. Sedangkan pada menu Operation di gunakan pada saat akan memproses sebuah data atau foto citra. Menu Operation sendiri terdapat dua macam menu pilihan yaitu input dan output. Untuk menu input digunakan sebagai proses pengambilan data dan foto citra. Sedangkan menu output digunakan untuk laporan dari hasil data dan foto citra tersebut.

4.1.3 Halaman Utama Menu Input

Halaman ini berfungsi untuk mengkases semua sub-menu dalam program ini.

Gambar 4.8 Halaman Utama Menu Input

Halaman ini terdapat dua bagian menu yaitu Data dan Foto/Absensi. Menu ini berfungsi untuk menginput data karyawan/pegawai. Dimana ada beberapa tahapan dalam pengambilan data karyawan/pegawai. Terlebih dahulu memasukkan kode, nama, dan nip masing-masing karyawan/pegawai. Sehingga dapat di tentukan tombol-tombol untuk halaman menu utama input pada sistem absensi mata ini.

4.1.4 Halaman Utama Menu Input Data

(77)

Gambar 4.9 Halaman Menu Input Data

Pada halaman menu input data ini digunakan untuk proses penyimpanan kode, nama pegawai/karyawan, dan nip ke dalam sistem database. Sehingga dapat mempermudah pegawai/karyawan dalam melakukan absensi. Adapun cara penggunaan menu input data yaitu masukkan terlebih dahulu kode, nama pegawai/karyawan, dan nip yang telah disediakan. Setelah itu tekan tombol simpan agar data yang telah diisi dapat langsung tersimpan kedalam database. Untuk menghapus data yang salah/valid dengan tombol hapus. Untuk menambahkan data yang lain dengan tombol tambah.

4.15 Halaman Utama Menu Input foto/absensi

(78)

Pada halaman menu input terdapat beberapa fungsi tombol yang digunakan untuk mengambil, mengolah, dan memproses sebuah hasil foto/citra ke dalam sebuah kode yang dapat dikenali oleh sebuah sistem absensi ini. Berikut fungsi tombol adalah sebagai berikut:

a) Proses training data grid kode data orang : merupakan sebuah data grid dimana untuk menyimpan sebuah data yaitu kode orang, nama, dan nip. Proses penyimpanan data ini berasal dari sebuah form halaman utama menu input data. b) Proses training data grid citra : merupakan sebuah data grid dimana untuk

menyimpan dan menampilkan sebuah proses input data citra dari proses pengolahan data trainning citra .

c) Proses testing/absensi pengenalan data citra : merupakan sebuah pengenalan data citra dimana berfungsi untuk mencocokan nilai dari sebuah citra yang terkecil. Sehingga di peroleh sebuah data pencocokan.

4.1.6 Halaman utama menu Input pencarian data gambar

4.11 Halaman Utama Menu Input Pencarian Data Gambar

(79)

4.1.7 Halaman utama menu input pr oses data gambar/foto menjadi grayscale

4.12 Halaman Utama Menu Input Proses Data Menjadi Grayscale Untuk halaman utama menu input pencarian data gambar ini selanjutnya adalah setelah data di ambil melalui webcam maka proses input data citra akan mengubah gambar menjadi grayscale. Dengan menentukan nilaikeabu - abuanya agar bias memprosesnilai – nilaimatriknya.

4.1.8 Halaman utama menu input pr oses menentukan nilai matr ik

4.13 Halaman Menu Input Proses Nilai Matrik

(80)

training citra sehingga akan muncul angka berwarna hijau yaitu nilai matirk dan eigenface dari tip-tipa data yang diambil.

4.1.9 Halaman utama menu input pencocokan/pengenalan data citra

4.14 Halaman Menu Input Pencocokan/Pengenalan Data Citra

Pada halaman utama menu input pencocokan/pengenalan data citra ini adalah cari gamabar/foto ke dalam tombol browse setelah itu cocokan kode dari kode yang telah di buat sebelumnya. Setelah itu tekan tombol pengenalan data citra maka hasil dari pencocokan akan di ketahui oleh sistem absensi mata ini.

4.1.10 Halaman utama menu output

(81)

Pada halaman menu output terdapat beberapa fungsi tombol yang digunakan untuk hasil sebuah akhir dari proses pengambilan foto ke dalam sebuah citra yaitu crystal report. Prosean ini menampilkan sedikitnya 4 bagian yaitu nama, tanggal, jam masuk dan jam pulang.

4.2 Uji coba nilai ke akurasian data

Perbandingan nilai keakurasian dari sample uji coba Jumlah keseluruhan nilai akurasi : Salah

∑ nilai akur asi dari hasil uji coba=J mlh data benar/jmlh keseluruhan data*100= 53,3%

Gambar 4.16 Uji Coba Keakurasian Data 4.3 Cara Kerja Sistem Infor masi

(82)

diambil gambarnya, jika nama dan foto sesuai maka absensi sudah berhasil. Berikut merupakan diagram alur sebuah sistem absensi pengenalan mata.

4.4 Kebutuhan Perangkat Keras

Sistem absensi karyawan atau pegawai ini sudah dirancang menggunakan media input yaitu berupa webcam, tetapi jika dilihat dari segi harga harga webcam terlihat murah daripada alat biometrik dan merupakan media capture murah saat ini dengan fungsionalitas yang mempuni. Hadware webcame yang digunakan untuk sebuah aplikasi ini, saya menggunakan

webcam dari laptop Toshiba C600 dengan spesifikasi prosesor 2,26GHZ, memory 2 GB dan

kamera webcam 0,3 Megapixel, karena driver kamera ini mudah dicari dan bisa diimplementasikan dengan mudah meskipun resolusi kamera ini sangat kecil. Untuk resolusinya sendiri menggunakan 160 x 120 piksel karena lebih cepat untuk merubah ukuran menjadi 80 x 80 piksel. Driver webcam harus sudah terinstal terlebih dahulu supaya kamera dapat terdeteksi saat sistem memulai log in. Dan printer sudah terinstal di dalam laptop supaya pada saat melakukan sebuah perintah print data report dan langsung mencetak laporannya.

4.5 Kebutuhan Perangkat Lunak

Perangkat lunak yang digunakan untuk sebuah absensi ini adalah program dapat dengan sendiri OS Windows XP Professional Service Pack 3. Alasan mengapa memakai OS ini adalah karena dengan menggunakan seri yang terbaru maka kinerja sistem akan lebih cepat di bandingkan dengan seri yang lama. Untuk bahasa pemrogramannya yang digunakan yaitu Microsoft Visual Basic 6.0. Seiring dengan penggunaan bahasa pemrogramannya ini tentunya database yang dipakai adalah Microsoft Acces 2007, dikarenakan data pada karyawan atau pegawai tidak terlalu banyak mengambil suatu sample yaitu 10 orang.

4.6 Cara Kerja Algoritma Eigenface

(83)

data maka diperlukan database guna menyimpan nama-nama pegawai/karyawan. Berikut kode halaman untuk menyimpan data-data pegawai/karyawan :

Gambar 4.17 Kode Penyimpanan Data Pegawai / Karyawan

b) Citra mata akan di ambil foto/gambar nya dengan menggunakan webcam, hasil dari citra mata ini berformat warna RGB, dengan resolusi yang sesuai dengan aturan kamera. Semua gambar harus dinormalisasi menajdi 80x80 piksel agar seragam. Jika resolusi kamera tidak memenuhi sarat maka hasil tidak maksimal.

c) Berikut kode sumber untuk proses pengambilan oleh webcam :

Gambar 4.18 Kode Sumber Cropping Image

Setelah dihasilkan gambar dengan ukuran 80 x 80 piksel maka gambar RGB tadi diubah kedalam format grayscale (8bit), dengan tujuan agar mempunyai matriks yang

Privat e Sub dgdat a_Click()

(84)

berkorespondensi dengan 1 image saja. Adapun kode sumber untuk dapat merubah RGB menjadi grayscale :

Gambar 4.19 Proses RGB

Program ini menjelaskan tentang proses perhitungan citra warna menjadi RGB ( Red , Green , Blue )

Gambar 4.20 Proses Grayscale

(85)

Gambar 4.21 Fungsi Menyimpan Data Kode Orang

Dalam fungsi source code ini untuk penyimpanan data pegawai/karyawan proses data yang harus di input adalah kode orang ( NIP) dan Nama pegawai/karyawan setelah proses data input selesai langsung simpan.

Gambar 4.22 Pencocokan Data Citr a Fungsi program ini adalah pencocokan data citra gambar

(86)

Gambar 4.24 Pengenalan Citr a Test Terhadap Training

Gambar 4.25 Citr a gambar Test Ter hadap Training

(87)

(88)

KESIMPULAN & SARAN

5.1 Kesimpulan

Dari uraian pada bab-bab sebelumnya maka dapat di tarik kesimpulan Tentang perancangan, pembuatan dan uji coba aplikasi sebagai berikut :

a . Dalam Pembuatan sistem aplikasi absensi ini dapat ditarik sebuah kesimpulan yaitu dengan adanya sistem absensi berbasis scanning secara langsung dapat mempermudah dalam suatu absensi di sebuah lembaga instansi-instansi terkait dan dapat mempersingkat waktu pelaksanaan sehingga pada saat pegawai/karyawan melakukan kecurangan dengan kata lain tidak masuk kerja (membolos) maka yang bersangkutan tidak dapa melakukan absensi secara langsung, maka pegawai/karyawan akan ditindak tegas oleh masing-masing instansi terkait.

b. Didalam perkembangan dunia yang serba canggih dan modern ini, penulis mencoba membuat dan mengikuti perkembangan tekhnologi yaitu dengan membuat sistem aplikasi scanning kontur mata. Metode yang dihunakan tidak jauh berbeda dengan yang lain yaitu menggunakan eigenface. Eigenface sendiri merupakan sekumpulan citra digital dari sebuah gambar/foto yang diambil pada saat kondisi pencahayaan,bentuk, dan sample yang sama kemudian gambar/foto tersebut dinormalisasikan dan diproses pada resolusi yang sama (misal m x n), kemudian citra tersebut diperlukan sebagai vector dimensi m x n dimana komponenya diambil dari nilai piksel dari citra tersebut.

(89)

d. Dari data uji coba keseluruhan memiliki nilai akurasi sebesar 53,3%. Dikarenakan pada saat dibandingkan dengan sample gambar/foto satu dengan yang lain memiliki tingkat kesalahan pada saat melakukan testing data citra, sehingga scanning tersebut akan mengalami kesalahan disaat sistem absensi membaca nilai dari kode masing-masinggambar/foto.

5.2 Saran

Dalam hal tekhnologi, tidak sedikit orang banyak melakukan suatu perubahan-perubahan demi meraih masa depan aplikasi scanning mata dapat mendeteksi berbagai macam dan jenis penyakit sehingga dalam penerapnya akan sangat membantu dimasyarakat sekitar. Adapun algoritma lain yang menjadi pendukung yaitu algoritma

fisherface, dimana dalam proses penerjaannya sangat akurat karena sample citra yang

(90)

(91)