ANALISA SISTEM PENDETEKSIAN WARNA KULIT DAN WAJAH SENYUM DENGAN MENGUNAKAN METODE
LEARNING VECTOR QUANTIZATION
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Magister Teknik Informatika
Safwandi 127038064
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
ANALISA SISTEM PENDETEKSIAN WARNA KULIT DAN WAJAH SENYUM DENGAN MENGUNAKAN METODE
LEARNING VECTOR QUANTIZATION
TESIS
Safwandi 127038064
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Analisa Sistem Pendeteksian Warna Kulit dan Wajah
Senyum dengan menggunakan metode Learning
Vektor Quantization.
Kategori : Tesis
Nama : Safwandi
Nomor Induk Mahasiswa : 127038064
Program Studi : Teknik Informatika
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Zakarias Situmorang Prof. Dr. Herman Mawengkang
Diketahui/disetujui oleh
Program Studi Magister S2 Teknik Informatika
Ketua,
Prof. Dr. Muhammad Zarlis
PERNYATAAN
ANALISA SISTEM PENDETEKSIAN WARNA KULIT DAN WAJAH SENYUM DENGAN MENGGUNAKAN METODE
LEARNING VEKTOR QUANTIZATION
TESIS
Saya mengakui bahwa tesis ini adalah hasil karya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 15 Mei 2015
Safwandi
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Sebagai sivitas Akademika Universitas Sumatera Utara, saya yang bertanda tangan
dibawah ini:
Nama : Safwandi
Nim : 127038064
Program Studi : Teknik Informatika
Jenis Karya Ilmiah : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royalti Non-Ekslusif (Non-Ekclusive Royalti Free Right) atas tesis saya yang berjudul :
ANALISA SISTEM PENDETEKSIAN WARNA KULIT DAN WAJAH SENYUM
DENGAN MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-
Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,
menformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis
saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai
penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.
Demikianlah pernyataan ini dibuat dengan sebenarnya.
Medan, 15 Mei 2015
Safwandi
Telah di uji pada
Tanggal : 15 Mei 2015
PANITIA PENGUJI TESIS
Ketua : Prof. Dr. Herman Mawengkang
Anggota : 1. Dr. Zakarias Situmorang
2. Prof. Dr. Muhammad Zarlis
3. Dr. Erna Budhiarti Nababan, . M.IT
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap : Safwandi, ST
Tempat dan Tanggal Lahir : Cot Puuk, 13 Desember 1977
Alamat Rumah : Bireuen - Aceh
Telepon/Faks/HP : 085260087535
Email : [email protected]
Instansi Tempat Bekerja : Universitas Malikussaleh (UNIMAL)
Alamat Kantor : Jl, Cot Teuku Nie Reuluet Kecamatan Muara
Batu, Kabupaten Aceh Utara Provinsi Aceh.
DATA PENDIDIKAN
SD : SD Negeri Keude Lapang TAMAT : 1989
SMP : SMP Negeri Gandapura TAMAT : 1992
SMA : SMA Negeri Peusangan TAMAT : 1995
S1 : Universitas Jabal Ghafur TAMAT : 2004
KATA PENGANTAR
Bismillahirrahmanirrahim
Pertama-tama penulis panjatkan puji syukur kehadirat Allah.SWT, atas segala rahmat
dan karunia-Nya, penulis dapat menyelesaikan tesis ini dengan baik. Tesis penulis yang berjudul : “ANALISA SISTEM PENDETEKSIAN WARNA KULIT DAN WAJAH SENYUM DENGAN MENGGUNAKAN METODE LEARNING
VEKTOR QUANTIZATION” merupakan salah satu syarat akademik penulis sebagai
mahasiswa S2, program Studi Teknik Informatika, Fakultas Ilmu Komputer dan
Teknologi Informasi (Fasilkom-TI), Universitas Sumatera Utara (USU), Medan dalam
menyelesaikan jenjang pendidikan S2. Dengan selesainya tesis ini, perkenankanlah
saya mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan
Teknologi Informasi sekaligus Ketua Program Studi Magister (S2) Teknik
Informatika, dan M. Andri Budiman, ST, M.Comp.Sc, M.EM selaku Sekretaris
Program Studi Magister (S2) Teknik Informatika serta Selaku Dosen Pembimbing
Akademik.
2. Prof. Dr. Herman Mawengkang dan Dr. Zakarias Situmorang selaku pembimbing
yang telah membimbing penulis dengan penuh kesabaran hingga selesainya tesis
ini dengan baik.
3. Prof. Dr. Muhammad Zarlis, Prof. Dr. Tulus, Vor.Dipl.Math, M.Si dan Dr. Erna
Budhiarti Nababan, S.Si.,M.IT selaku pembanding yang telah memberikan
masukan dan arahan yang baik demi selesainya tesis ini.
4. Staf pegawai dan administrasi pada Program Studi Magister (S2) Teknik
Informasi Universitas Sumatera Utara yang telah memberikan bantuan dan
pelayanan terbaik kepada penulis selama mengikuti perkuliahan hingga saat ini.
5. Rekan mahasiswa/i angkatan tahun 2012 pada Program Studi Magister (S2)
Teknik Informatika Program Pascasarjana Fakultas Ilmu Komputer dan
Teknologi Informasi Universitas Sumatera Utara yang telah bersama-sama saling
membantu selama mengikuti perkuliahan.
6. Teristimewa untuk keluarga besar almarhum dan almarhumah ayahanda dan
ibunda tercinta, isteri dan anak-anak tercinta, Neni Sahara, S.Pd, Kuaisa Mahira,
Saidatin Nafisah yang telah bersusah payah memberikan semangat, bantuan moril
dan materil ini tidak dapat dibalas hanya diserahkan kepada Allah SWT.
7. Semua pihak yang tidak dapat penulis sebutkan satu persatu, terima kasih atas
bantuan yang telah diberikan kepada penulis selama ini.
Dengan segala kekurangan dan kerendahan hati, sekali lagi penulis mengucapkan
terimakasih. Semoga kiranya Allah SWT membalas segala bantuan dan kebaikan yang
telah diberikan.
Medan,
ABSTRAK
Pengenalan pola adalah disiplin ilmu yang bertujuan untuk mengklasifikasikan objek menjadi beberapa kategori atau kelas, pola adalah entitas yang terdefinisi dan dapat di identifikasikan melalui ciri-cirinya. Pengolahan citra digital adalah pemrosesan citra, khususnya dengan menggunakan Komputer sehingga citra itu kualitasnya menjadi baik dan menghasilkan informasi untuk tiap-tiap warnanya. Learning Vektor Quantization Suatu metode untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vector-vektor input. Kelas-kelas yang didapatkan sebagai hasil hanya tergantung pada jarak antara vector-vektor input. Input pelatihan deteksi warna kulit dan wajah senyum di peroleh dari hasil pengolahan citra dengan metode Learning Vektor Quantization. Hasil penelitian yang diperoleh dalam penelitian deteksi warna kulit dan wajah senyum menggunakan Learning Vektor Quantization menunjukkan false positif rate sebesar 60% dan Detection Rate sebesar 40%. Untuk meningkatkan unjuk kerja dari deteksi warna kulit dan wajah senyum, dapat dilakukan dengan memberikan pelatihan lebih lanjut dengan tambahan data training yang lebih banyak dan bervariasi, sehingga sudah bisa digunakan untuk mengenali warna kulit dan wajah senyum karena sudah terlihat dengan semakin jelas.
SKIN COLOR AND SMILING FACE DETECTION SYSTEM BY USING LEARNING VECTOR QUANTIZATION
ABSTRACT
Pattern recognition is a discipline that aims to classify objects into categories or classes. Pattern is an entity that is defined and identifiable through its distinctive characteristics. Digital image processing is image processing, in particular by using the computer so that it can generate good quality images and information for each value of each color. Learning Vector quantization is a method to perform learning in supervised competitive layer. A competitive layer will automatically learn to classify the input vectors. The classes obtained as the results only depend on the distance between the input vectors. Input of training of skin color and smiling face detection obtained from the image processing by using Learning Vector Quantization. The results obtained in the study of skin color and smiling face detection by using Learning Vector Quantization showed false positive rate of 60% and a detection rate of 40%. Improving the performance of skin color and smiling face detection can be done by providing further training with the varied and more numerous training data so that they can be used to identify skin color and smiling face as they can be seen more clearly.
DAFTAR ISI
2.5 Proses Belajar Jaringan Syaraf Tiruan ... 10
2.5.1. Pembelajaran Terawasi ... 11
2.5.2. Pembelajaran Tidak Terawasi ... 12
2.6 Learning Vektor Quantization ... 12
2.7 Mengubah Citra Berwarna Menjadi Citra Grayscale ... 13
BAB III METODELOGI PENELITIAN... 15
3.1 Studi Kepustakaan dan Pengumpulan Data ... 15
3.2 Analisis Kebutuhan Perangkat Sistem ... 15
3.2.1. Analisis Kebutuhan Perangkat Keras ... 15
3.2.2. Analisis Kebutuhan Perangkat Lunak ... 15
3.2.3. Analisis Kebutuhan Input ... 16
4.1.1 Sampel Pelatihan Kulit Wajah dan Senyum ... 21
4.1.2 Analisa Vektor Pola Warna Kulit Wajah danSenyum ... 22
4.1.3 Analisa Deteksi Warna Kulit Wajah dan Senyum... 23
4.1.4 Pengukuran Unjuk Kerja Sistem Deteksi Wajah dan Senyum... 38
4.2 Pembahasan ... 41
BAB V PENUTUP ... 51
5.1 Kesimpulan ... 51
5.2 Saran ... 52
