Program Studi Magister Sistem Informasi

Pasca Sarjana Universitas Diponegoro

Oleh;

DWI ELY KURNIAWAN

(24010410400015)

Rancang Bangun Sistem Pengenalan Wajah

Menggunakan Metode Filter Gabor dan Jaringan

Syaraf Tiruan Learning Vector Quantization (LVQ)

SEMARANG,

2011

Latar Belakang

Sistem identifikasi biometrik wajah manusia adalah suatu sistem pengenalan

individu dengan menggunakan ciri-ciri biometrik wajah dari individu yang

bersangkutan.

Masalah pengenalan wajah menjadi sulit karena variabilitas besar pada bentuk

kepala dan kemiringan, intensitas pencahayaan dan sudut, ekspresi wajah,

penuaan, dll (Woody Bledsoe, 1966).

Perumusan Masalah

Penelitian ini diarahkan untuk menyelesaikan masalah bagaimana membangun

desain sistem pengenalan wajah yang mampu mengenalai wajah lebih akurat

“ ≥ 90% “menggunakan metode ekstraksi ciri dengan filter gabor

dan identifikasi wajah dengan jaringan syaraf tiruan learning vector

quantization.

”

Batasan Masalah

Metode yang digunakan dalam

proses pembelajaran adalah JST

LVQ.

Sistem mengenali image dengan

format .bmp

Menggunakan system operasi

Windows dan Matlab

Pengenalan wajah dilakukan

dengan mengenali citra wajah

yang terdapat dalam database

wajah yang telah ada sebelumnya.

Keaslian Penelitian

Laporan dalam bentuk tulisan ilmiah pada International Journal of Computer

Science and Network Security (IJCSNS),Volume.11 No.1, January 2011 berjudul

Neural Network Based Face Recognition With Gabor Filters.

Diteliti oleh Amina Khatun dan Md. Al-Amin Bhuiyan pada Jahangirnagar

University, Bangladesh.

Penelitian ini membahas sistem pengenalan wajah dengan ekstrasi fitur wajah

menggunakan filter gabor dan identifikasi pengenalan wajah menggunakan

Bidirectional Associative Memory (BAM) dan Back-Propagation Neural Network

(BPNN). Ujicoba mengambil 200 gambar wajah dari 40 orang diperoleh tingkat

pengenalan wajah 84,50%.

1

Selanjutnya laporan lain dalam bentuk Proceedings Of The Romanian Academy,

Seri A, Volume 11, No.3/2010, halaman 277–283 berjudul

Gabor Filter-Based Face Recognition Technique.

Diteliti oleh Tudor Barbu pada Institute of Computer Science, Romanian Academy,

Romania.

Penelitian ini menggunakan ekstraksi fitur 2D filter bank gabor. Sebuah supervised

classifier menggunakan jarak rata-rata minimum. Tingkat pengenalan wajah

diperoleh sekitar 90%, yang melibatkan ratusan gambar frontal. Menggunakan

Database Yale Face, yang berisi 168-192 ribuan gambar wajah.

2

Laporan dalam bentuk jurnal pada International Journal of Computer Science

Engineering and Technology (IJCSET), Vol.1,No.1, tahun 2011 berjudul

Neural Network Based Face Recognition Using SOM.

Diteliti oleh Shamla Mantri dan Kalpana Bapat di MITCOE Pune University, India.

Penelitian ini mengembangkan dan mengilustrasikan sistem pengenalan wajah

manusia menggunakan Self-Organizing Maps (SOM). Analisis wajah hasil untuk

400 gambar dari database AT&T mencerminkan bahwa tingkat pengenalan wajah

92,40% untuk 40 orang.

3

Dari Ketiga Penelitian tersebut,..

metode yang belum diungkap adalah..?

Kombinasi metode filter gabor dengan identifikasi menggunakan Jaringan

Syaraf Tiruan tipe

1) Self-Organizing Maps,

2) Learning Vector Quantization, dan

3) Fuzzy C-Means Clustering.

Manfaat Penelitian

Manfaat dari penelitian ini adalah untuk menghasilkan suatu sistem pengenalan

wajah yang dapat mendukung;

1) Aplikasi sistem keamanan, misalnya login sistem tertentu

2) Aplikasi sistem pengenalan penyamaran wajah, misalnya pada kasus teroris

3) Aplikasi sistem informasi pada database kepolisian,

4) Aplikasi sistem akses pintu masuk/FaceGate

5) dll..

Selain itu untuk memperkaya literatur mengenai bidang identifikasi biometrik,

kecerdasan buatan dan pengolahan citra (image processing) khususnya pengenalan

wajah dengan metode filter gabor dan jaringan syaraf tiruan learning vector

quantization.

Tujuan Penelitian

Adapun tujuan penelitian ini adalah …

untuk menghasilkan perangkat lunak sistem pengenalan wajah manusia yang dapat

mengenali

lebih dari 90% akurat.

Kajian dan Landasan Teori

Menyebutkan dua cara pendekatan dalam

biometrik pengenalan wajah.

Pendekatan pertama identifikasi, bertujuan

untuk mencari jawaban identitas wajah

siapa orang tersebut.

Pendekatan kedua verifikasi, bertujuan

memastikan apakah benar wajah orang

yang dimaksud, bukan orang lain.

Hjelmas (2000) Identifikasi atau Verifikasi

3.1. Sistem Pengenalan Wajah

Deteksi wajah

(lokalisasi)Pra-pemrosesan

Database

wajahFilter gabor

BinerisasiPengenalan

wajah

diterima atau

ditolak

Image foto

Identifikasi dg JST

Framework Pengenalan Wajah dengan Filter Gabor

(Sumber: Amina Khatun, 2011)

3.2. Pra-pemrosesan

bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-

parameter citra. Tahap ini meliputi: pengambilan citra, konversi citra dari format

RGB ke bentuk format keabuan (grayscale).

3.3. Ekstraksi Ciri dengan Filter Gabor

bertujuan untuk mendapatkan informasi penting dari tekstur suatu citra. Filter gabor

merupakan sebuah pilihan tradisional untuk memperoleh informasi frekuensi yang

terlokalisasi. Filter-filter gabor menawarkan lokalisasi simultan terbaik dari

informasi spasial dan frekuensi.

dimana

3.4. Binerisasi

Citra grayscale yang diperoleh dari proses ekualisasi histogram, selanjutnya akan

mengalami proses binerisasi, sehingga dihasilkan citra biner yang siap untuk proses

pelabelan. Binerisasi diilustrasikan pada gambar berikut.

67 70 69

56 57 58

34 43 40

1 1 1

0 1

0 0 0

threshold

Bit string: 11110000

Decimal code: 240

0

1

2

3

4

5

6

Binari Code

Histogram

Freku

ens

i

3.5. Klasifikasi dengan JaringanSyaraf Tiruan

Setelah melalui proses ekstraksiciri, selanjutnya nilai yang dihasilkandilakukan pembelajaran LVQ.

Selanjutnya dilakukan prosespengklasifikasian nilai masukanterhadap target yang telahditentukan.

Pengklasifikasian sinyal oleh JST menggunakan skema pembagianpasangan biner. Arsitektur Jaringan LVQ

X1

X2

X3

X4

X5

Xn

||Xi – W1i || F1

||Xi – W2i ||

||Xi – W3i ||

F2

F3

y_in1 y1

y_in1

y_in3 y3

y2

Metode Penelitian

Bahan Penelitian

Bahan penelitian diperoleh dari database wajah pada AT&T database tersedia di

http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html.

Alat Penelitian

Untuk membantu pengujian pendektesian otomatis wajah digunakan alat bantu

komputer dengan sistem operasi Windows dan Matlab

Jalan Penelitian

1) Studi Literatur

Studi literatur dilakukan untuk mendapatkan pengetahuan tentang pengolahan

citra diantaranya pre-prosesing, ekstraksi fitur dan klasifikasi atau identifikasi.

Studi literatur juga diperlukan untuk mendapatkan informasi penelitian-

penelitian sebelumnya tentang deteksi pengenalan wajah yang telah

diterapkan.

Desain Penelitian

Gambaran menyeluruh dari sistem yang akan dibangun

PendeteksianWajah (face detection)

Studi Literatur

Akuisisi DataPra-pemrosesan

PengenalanWajah (face recognition)

Ekstraksi Fitur denganFilter Gabor

Binerisasi Citra

Hasil Penelitian Analisis HasilPenelitian

Dengan PendekatanTerstrukturMenggunakan Model Proses SequensialLinear

1. Analisis2. Desain3. Coding4. Testing

Dokumentasi HasilPenelitian

Klasifikasi dengan JST LVQ

2) Perancangan dan Pengembangan Prototype

Perancangan diperlukan untuk mengetahui alur

desain sistem dari aplikasi yang dibangun.

3) Pengujian Sistem

Pengujian sistem dilakukan untuk mendapatkan

keakurasian dari metode yang digunakan.

4) Penarikan Kesimpulan

Setelah pengujian selesai, maka diambil suatu

kesimpulan.

5) Penulisan Laporan Tesis

Penulisan laporan tesis sebagai tahap akhir

penelitian

Pra-pemrosesan

Ekstraksi ciri dg

Filter Gabor

Klasifikasi dg

JST LVQ

citra

Keputusan

Diagram Alir

Sistem Pengenalan Wajah

Proses

pengenalan

dibagi

menjadi dua

fase.

Testing Image

Fase Testing

Pra-Pemrosesan

Ekstaksi Fitur

Klasifikasi

Keputusan

Training Image

Fase Training

Pra-Pemrosesan

Ekstaksi Fitur

Training

Template Biometrik

Feature Vector

Diagram Alir Sistem Pengenalan Wajah

5. Jadwal penelitian

No Kegiatan Mei Juni Juli Agustus September Oktober

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 Studi literatur

2Penyusunan dan

presentasi proposal

3 Perancangan Sistem

4 Pengujian Sistem

5Penulisan laporan

tesis

6Pemeriksaan laporan

tesis

7Penyempurnaan

laporan tesis

8Presentasi dan

sidang tesis