DETEKSI JENIS WARNA KULIT WAJAH UNTUK KLASIFIKASI RAS MANUSIA MENGGUNAKAN TRANSFORMASI WARNA

Transkripsi

1 DETEKSI JENIS WARNA KULIT WAJAH UNTUK KLASIFIKASI RAS MANUSIA MENGGUNAKAN TRANSFORMASI WARNA Murinto, Eko Aribowo, Wahyu Nurhiayati Program Stui Teknik Informatika Universitas Ahma Dahlan Jogjakarta ABSTRAK Deteksi tipe warna kulit manusia merupakan sarana guna mengetahui RAS manusia. Hal ini igunakan sebagai asar alam pengientifikasian manusia i biang kriminal an kesehatan. Di biang kriminal igunakan alam hal mengetahui asal usul korban tinak kejahatan, i biang kesehatan sebagai asar untuk mengetahui penyakit genetik maupun enemik. Aplikasi pengolahan citra berkaitan engan pemrosesan citra yang berkaitan engan transformasi warna. Dalam hal ini, metoe transformasi sistem ruang warna sebagai bagian ari pengolahan citra membantu alam meneteksi warna alam citra an mengolahnya sehingga memberikan kemuahan alam pengientifikasian. Tujuan ari penelitian ini aalah menerapkan metoe transformasi warna YCbCr alam meneteksi tipe warna kulit manusia an mengklasifikasikan alam kelompok RAS manusia. Input pelatihan eteksi tipe warna kulit wajah iperoleh ari hasil pengolahan citra engan metoe transformasi warna YCbCr. Hasil penelitian yang iperoleh alam penelitian eteksi tipe warna kulit wajah menggunakan metoe transformasi warna menunjukkan hasil yang memuaskan. Hasilnya suah bisa igunakan untuk mengenali wajah manusia sebab suah terlihat jelas ari nilai simulasi yang ihasilkan. Kata kunci:pengolahan citra, Transformasi warna, YcbCr. 1. PENDAHULUAN Aplikasi alam pengolahan citra memberikan kemuahan untuk memproses suatu citra. Metoe transformasi sistem ruang warna merupakan salah satu metoe ari pengolahan citra yang ilakukan guna memperoleh ruang warna yang beragam ari suatu citra alam sistem koorinat warna tertentu, hal ini apat ilakukan engan proses perkalian matrik yang telah istanarisasi oleh CIE. [4]. Mata manusia memiliki tiga jenis sel fotoreseptor warna yang bertanggungjawab terhaap warna yang itangkap oleh manusia. Masing-masing sel memiliki kurva spektral yang berbea, mirip engan spektrum informasi RGB paa alat-alat akuisisi an monitor. Dengan tiga jenis fotoreseptor ini, maka cukup apat menampilkan sebuah warna. Ruang warna RGB ikelompokkan menjai ruang warna linier an ruang PDF create with pffactory Pro trial version

2 warna non-linier. Ruang warna RGB linier aalah ruang warna RGB yang linier terhaap nilai intensitas, yaitu ruang warna RGB seniri. Ruang warna RGB nonlinier aalah ruang warna RGB yang tiak linier terhaap intensitas, misalnya ruang warna RGB yang inormalkan. Ruang warna yang lain aalah ruang warna yang berorientasi kepaa pemakai, yaitu ruang warna HSI (Hue Saturation Intensity) an YCbCr. Ruang warna HSI memiliki beberapa variansi yaitu HSV, HSB an HSL yang berbea alam hal perhitungan kecerahan (lightness) linier an non-linier [8]. Kulit apat igunakan sebagai sumber informasi untuk proses peneteksian. Informasi yang iperoleh ari kulit sangat relevan untuk proses peneteksian antara lain untuk proses-proses peneteksian manusia, peneteksian wajah an penjejakan wajah (face tracking), penjejakan tangan yang meliputi pengenalan posisi tangan an gerakannya (gesture).[8] Keuntungan yang apat iperoleh jika kulit ijaikan sebagai sumber awal informasi untuk proses-proses yang isebutkan i atas antara lain aalah memungkinkannya pemrosesan yang cepat an langsung, tahan (robust) terhaap variasi geometris ari pola-pola/tekstur kulit, tahan terhaap perubahan resolusi citra an mengurangi kebergantungan paa penggunaan peralatan penjejakan yang khusus. Selain itu karena kulit memiliki karakteristik warna, maka hal ini memberikan kemuahan lain karena warna aalah salah satu aspek yang engan cepat an muah apat ikenali oleh manusia. [8] Warna kulit setiap orang yang beragam an tiak selalu sama, hal ini isebabkan beberapa faktor yang menentukan warna kulit. Aa 2 (ua) kelompok faktor penentu warna kulit, yaitu kelompok faktor Internal an kelompok faktor Eksternal. Di antara kelompok faktor Internal antara lain faktor ras, keturunan an genetik. Seangkan kelompok faktor Eksternal, seperti kebiasaan hiup seseorang /lifestyle (sering tiaknya terkena sinar UV matahari, merokok, minum obat antibiotik tertentu engan bahan aktif minocycline) an perawatan kulit serta konsistensi pemakaian prouk kosmetik yang aman an efektif.[13] Tipe warna kulit memberikan informasi awal tentang RAS manusia, yang berguna i biang kriminal alam mengientifikasi tersangka, buronan, maupun korban ari tinak kejahatan. Dengan aplikasi eteksi warna kulit alam ruang warna krominan ini iharapkan mampu memberikan ata-ata yang iperlukan guna penyeliikan kasus kejahatan untuk apat itelusuri an ikembangkan lebih lanjut. Dalam biang kesehatan, aplikasi eteksi warna kulit ini nantinya iharapkan mampu untuk memberikan ata alam PDF create with pffactory Pro trial version

3 memutuskan suatu penyakit genetik yang memerlukan penyeliikan lebih lanjut tentang penyakit genetik. Paa penelitian ini, icoba untuk ikembangkan suatu sistem alternatif untuk eteksi tipe warna kulit engan menggunakan komputer sebagai meia utama. Dengan menggunakan citra sampel wajah manusia ari berbagai RAS manusia sebagai input, menggunakan pengolahan citra. 2. LANDASAN TEORI 2.1. Dasar-asar Moel Warna YCbCr Warna yang iterima oleh mata ari sebuah objek itentukan oleh warna sinar yang ipantulkan oleh objek tersebut. Sebagai contoh, suatu objek berwarna hijau karena objek tersebut memantulkan sinar biru engan panjang gelombang 450 sampai 490 nanometer (nm). Warna sinar yang irespon oleh mata aalah sinar tampak (visible spectrum) engan panjang gelombang berkisar ari 400 (biru) sampai 700 nm (merah).warna-warna yang iterima oleh mata manusia merupakan hasil kombinasi cahaya engan panjang gelombang berbea. Penelitian memperlihatkan bahwa kombinasi warna yang memberikan rentang warna yang paling lebar aalah re (R), green (G), blue (B). Ketiga warna tersebut iberi nama Warna Pokok (primaries), an sering isingkat sebagai warna asar RGB. Warnawarna lain apat iperoleh engan mencampurkan ketiga warna pokok tersebut engan perbaningan tertentu (meskipun sepenuhnya benar, karena tiak semua kemungkinan warna apat ihasilkan engan kombinasi RGB saja), sesuai engan teori Young (1802) yang menyatakan bahwa sembarang warna apat ihasilkan ari pencampuran warna-warna pokok C1, C2, C3 engan presentasi tertentu [8]: C = a C1 + b C2 + c C3 (1) Bila citra warna igitalisasi, maka tiga buah filter igunakan untuk mengekstraksi intensitas warna merah, hijau, an biru, an bila ketiganya ikombinasikan akan memperoleh persepsi warna. Selain RGB, warna juga apat imoelkan berasarkan atribut warnanya. Setiap warna memiliki 3 buah atribut, yaitu intensity (I), hue (H), an saturation (S) Ruang warna YCbCr isebut juga ruang warna CCIR 601 (International Raio Consultative Committee). Moel warna ini ikembangkan untuk mengantisipasi perkembangan informasi berbasiskan vieo, sehingga moel ini PDF create with pffactory Pro trial version

4 banyak igunakan paa vieo ijital. Secara umum apat ikatakan bahwa moel warna ini merupakan bagian ari ruang warna transmisi vieo an televisi. Moel warna lain yang mirip engan YCbCr aalah YUV an YIQ, perbeaannya terletak paa bahwa YCbCr aalah sistem warna igital seangkan yang lainnya aalah sistem warna analog. Moel warna YcbCr memisahkan nilai RGB menjai informasi luminance an chrominance yang berguna untuk aplikasi kompresi. Transformasi RGB ke YCbCr ilakukan engan formulasi operasi matriks paa persamaan (15) an (16) sebagai berikut [10]: Y = R G B C B = R G B C R = R G B (2) R = Y CR G = T CB CR B = Y CB (3) Formulasi konversi RGB-YCbCr alam format lain itunjukkan oleh sebagai berikut: Y Cb = Cr R G (4) B Transformasi warna ari basis CIE RGB ke CIE XYZ apat ilakukan sebagai berikut, iberikan triplet RGB (R i,g i,b i ) untuk pixel i, maka triplet XYZ (X i,y i,z i ) ihitung engan [6] Xi Ri Yi = Gi (5) Zi Bi Transformasi sebaliknya ari CIE XYZ ke CIE RGB apat ilakukan engan persamaan Ri Xi Gi = Yi (6) Bi Zi Moel warna RGB an XYZ yang ikemukakan iatas aalah bakuan ari CIE. Aa juga moel warna yang iusulkan untuk platform perangkat keras tertentu untuk menampilkan gambar. Misalnya Nation Television Systems Committee (NTSC) PDF create with pffactory Pro trial version

5 menggunakan moel warna RGB khusus untuk menampilkan citra berwarna paa layar CRT. Format NTSC igunakan paa televisi i Amerika Serikat. Salah satu keuntungan utama ari format ini aalah ata greyscale ipisahkan ari ata warnanya, sehingga sinyal yang sama apat igunakan baik untuk layar berwarna maupun layar hitam putih RAS Manusia Secara traisional oleh para pakar ibeakan aa tiga ras utama yaitu: Ras kulit hitam, ras kulit putih, ras kulit kuning Namun setelah iteliti lebih lanjut ternyata ras manusia pembagian bisa lebih rinci lagi menjai: Ras Khoisan (orang Bushmen atau Hottentot ari Afrika Selatan), Ras Australoi (orang Dravia, orang Asia Tenggara "Asli", orang Papua, an orang Australia), Ras Negroi (Kulit Hitam), Ras (Kulit Putih), Ras Mongoloi (Kulit Putih). Pembagian baru ini tiak hanya melihat ke warna kulit saja tetapi juga melihat aspek-aspek lainnya. Ternyata anggota "tertua" ras manusia beraa i antara kaum Khoisan, mereka juga berbea engan kaum kulit hitam ari Afrika lainnya. Sementara itu sebenarnya hanya aa ua perbeaan utama, yaitu orang Afrika an orang non-afrika. Kemuian orangorang berkulit hitam i aerah Asia Tenggara yang paa jaman ahulu kala meniami seluruh Inia Selatan, Asia Tenggara sampai ke Australia, ternyata setelah DNA-nya iteliti lebih mirip engan orang ari ras Mongoloi aripaa Negroi, meski banyak yang berambut keriting an berkulit hitam. Kesimpulan yang bisa itarik ialah hanya bahwa pengetahuan kita mengenai ras manusia masih iliputi banyak ketiakjelasan Gambar 1. RAS Mongoloi, anggota subras Mongoi, anggota subras Asia Tenggara, anggota subras Inian Amerika PDF create with pffactory Pro trial version

6 Ras Mongoloi aalah ras manusia yang sebagian besar menetap i Asia Utara, Asia Timur, Asia Tenggara, Maagaskar i lepas pantai timur Afrika, beberapa bagian Inia Timur Laut, Eropa Utara, Amerika Utara, Amerika Selatan, an Oseania. Anggota ras Mongoloi biasa isebut "berkulit kuning", namun ini tiak selalu benar. Misalkan orang Inian i Amerika ianggap berkulit merah an orang Asia Tenggara seringkali berkulit coklat mua sampai coklat gelap. Ciri khas utama anggota ras ini ialah rambut berwarna hitam yang lurus, bercak mongol paa saat lahir an lipatan paa mata yang seringkali isebut mata sipit. Selain itu anggota ras manusia ini seringkali juga lebih kecil an penek aripaa ras. 3. METODE PENELITIAN Dalam penelitian ini igunakan bahan berupa citra manusia tunggal iam engan posisi keepan berupa file citra berekstensi.bmp (Bitmap). Data ini iolah terlebih ahulu untuk menghasilkan citra yang lebih baik an untuk mempermuah pembacaan ata alam aplikasi. Data iolah alam ruang warna krominin untuk mempermuah alam peneteksian warna kulit, ruang warna krominan memiliki kesempurnaan warna ari paa moel warna lainnya. 4. HASIL DAN PEMBAHASAN Paa penelitian ini igunakan ata sampel gambar wajah manusia. Perangkat lunak yang ibuat iharapkan mampu mengenali citra warna kult wajah manusia yang igunakan sebagai asar alam operasi ruang warna krominan an menggolongkannya kealam kelompok RAS. Perangkat lunak iharapkan mampu menampilkan hasil klasifikasi tipe warna kulit wajah baik hasil histogram, perhitungan alam operasi krominan, an klasifikasi alam kelompok RAS sesuai engan tabel berikut ini. Tabel 1. Tabel Range Klasifikasi RAS manusia Min Cb Max Cb Min Cr Max Cr Nama RAS Negroi Mongoloi Implementasi sistem untuk aplikasi eteksi warna kulit wajah alam ruang warna krominan untuk klasifikasi tipe kulit wajah, menggunakan Borlan Delphi 7.0. Dari penelitian yang telah ilakukan engan menggunakan Borlan Delphi 7.0, hasil PDF create with pffactory Pro trial version

7 ari eteksi warna kulit wajah alam ruang krominan memiliki nilai-nilai yang berguna untuk mempermuah mengklasifikasi warna kulit alam kelompok RAS. Perhitungan rata rata Cb an rata Cr mampu mengklasifikasi warna kulit engan mencocokkan ata range nilai warna kulit wajah yang menjai acuan alam klasifikasi warna kulit. Jika nilai perhitungan yang ilakukan beraa paa range nilai warna kulit maka warna kulit apat iklasifikasi sesuai range nilai yang telah itentukan klasifikasi RAS-nya. Tabel hasil klasifikasi warna kulit wajah manusia engan eteksi warna alam ruang krominan apat ilihat paa tabel 2 berikut. Sampel wajah Manual Mongoloi Mongoloi Mongoloi Tabel 2. Hasil rangkuman penelitian ras manusia Range warna Cb : Cr : Cb : Cr : Cb : Cr : Komputerisasi Hasil Kelompok perhitungan RAS Mean Y : 148,2 StDev Y : 40,57 Mean Cb : 171,4 StDevCb : 47,15 Mean Cr : 145,7 StDev Cr : 40,71 Mean Y : 130,6 Mongoloi StDev Y : 44,32 Mean Cb : 135,4 StDevCb : 38,39 Mean Cr : 129,8 StDev Cr : 46,13 Mean Y : 151,9 StDev Y : 34,15 Mean Cb : 171,9 StDevCb : 42,11 Mean Cr : 146,6 StDev Cr : 33,16 Mean Y : 126,9 Mongoloi StDev Y : 17,57 Mean Cb : 138,4 StDevCb : 17,17 Mean Cr : 124,2 StDev Cr : 21,07 Mean Y : 128,2 Mongoloi StDev Y : 6,809 Mean Cb : 143,2 StDevCb : 21,50 Mean Cr : 122,5 StDev Cr : 14,22 Keterangan PDF create with pffactory Pro trial version

8 Mongoloi Mongoloi Cb : Cr : Cb : Cr : Mean Y : 135,6 StDev Y : 20,11 Mean Cb : 145,1 StDevCb : 23,63 Mean Cr : 125,1 StDev Cr : 27,45 Mean Y : 160,1 StDev Y : 64,53 Mean Cb : 167,7 StDevCb : 77,14 Mean Cr : 157,9 StDev Cr : 61,14 Mean Y : 197,9 StDev Y : 40,33 Mean Cb : 21,31 StDevCb : 49,63 Mean Cr : 193,9 StDev Cr : 37,89 Mean Y : 171,8 StDev Y : 48,52 Mean Cb : 186,9 StDevCb : 62,78 Mean Cr : 167 StDev Cr : 43,88 Mean Y : 147,1 StDev Y : 22,84 Mean Cb : 167,2 StDevCb : 34,36 Mean Cr : 140 StDev Cr : 19,33 Mean Y : 168,7 StDev Y : 36,02 Mean Cb : 180,2 StDevCb : 44,43 Mean Cr : 165,5 StDev Cr : 33,89 Mean Y : 168 StDev Y : 37,43 Mean Cb : 178,9 StDevCb : 46,98 Mean Cr : 167,2 StDev Cr : 36,87 Mongoloi - Tiak berhasil Cb an Cr iluar jangkauan range Mongoloi PDF create with pffactory Pro trial version

9 Dari analisis program iatas apat iketahui bahawa ari 20 citra pengujian terapat 3 citra pengujian yang tiak berhasil, hal ini terjai karena aanya efek pencahayaan menyebabkan warna kulit hasil cropping iluar range warna an aanya kesalahan alam mengklasifikasi RAS manusia. 5. KESIMPULAN Kesimpulan yang apat iambil berasarkan hasil aplikasi eteksi tipe warna kulit alam warna krominan aalah hasil eteksi yang ilakukan oleh pengolahn citra mempunyai persentase ketepatan yang cukup baik, yaitu rata-ratanya 85 %.engan contoh uji 20 sampel wajah manusia ari berbagai RAS manusia.efek pencahayaan membuat citra yang iteliti memiliki nilai perhitungan iluar range kelompok RAS-nya. Saran untuk perbaikan penelitian i masa menatang aalah jumlah ata yang igunakan untuk pelatihan perlu itambah, karena semakin banyak ata pelatihan maka semakin beragam RAS manusia, sehingga eteksinya juga semakin baik. Perlu ilakukan penelitian lebih lanjut engan moel sistem warna yang berbea. Perlu aanya penelitian yang mempergunakan hasil ari aplikasi ini tentang pengenalan RAS manusia alam masalah kesehatan, kriminal, maupun pengetahuan. DAFTAR PUSTAKA [1] Achma, Balza, Kartika Firausy, 5, Teknik Pengolahan Citra Digital Menggunakan Delphi, Ari Publishing, Yogyakarta [2] Dulimarta, Hans S., 1997, Diktat Kuliah Pengolahan Citra, Jurusan Teknik Informatika ITB. [3] Jain, Ramesh, 1995, Machine Vision, McGraw-Hill [4] Macoms, 3, Pemrograman Borlan Delphi 7, Penerbit Ani, Yogyakarta [5] Mengko, Richar, 1989, Workshop On Image Processing & Pattern Recognition, PAU Mikroelektronika ITB [6] Munir, Renali., 4, Pengolahan Citra Digital engan Penekatan Algoritma, Informatika, Banung. [7] Nikmah, S.,Murinto, Eko Aribowo, 6, Aplikasi Deteksi Tepi Menggunakan Operator Prewitt untuk Klasifikasi Bentuk Wajah Manusia, Teknik Informatika UAD, Yogyakarta. [8] Pitas, Ioannis, 1993, Digital Image Processing Algorithms, Prentice-Hall International. [9] Wahiah, Wahyuning, 7, Pengenalan wajah 2 Dimensi Menggunakan Metoe Perceptron Lapis Jamak, Teknik Informatika UAD, Yogyakarta [10] [11] [12] PDF create with pffactory Pro trial version

10 [13] [14] [15] [16] DAFTAR RIWAYAT HIDUP Murinto, S.Si, M.Kom, saat ini tercatat sebagai staf pengajar tetap i Program Stui Teknik Informatika Universitas Ahma Dahlan Yogyakarta. Peniikan S1 iselesaikan paa tahun 1998 paa program stui Matematika FMIPA UNS Surakarta, seangkan gelar Magister Komputer (M.Kom) iperoleh paa tahun 4 ari Pascasarjana S2 Ilmu Komputer UGM Yogyakarta. Biang penelitian yang saat ini itekuni aalah paa biang Pengolahan Citra an Computer Vision. PDF create with pffactory Pro trial version