MAKALAH SEMINAR TUGAS AKHIR

Transkripsi

1 1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah proses identifiasi manusia dengan menggunaan gambaran raut waah. Dengan semain meluasnya penggunaan omputer, diharapan emampuan pengenalan waah dapat diadopsi pada perangat pintar tersebut. Proses adopsi tersebut menadi mungin dengan ditemuannya berbagai metode pengenalan waah, yang salah satunya adalah pengenalan pola geometri waah menggunaan aringan syaraf tiruan Penelitian dimulai dengan merancang sebuah program omputer dengan menggunaan bahasa pemrograman Delphi. Citra waah masuan setelah mengalami proses prapengolahan citra aan dietrasi ciri terlebih dahulu yaitu dihitung ara antar omponen waah, yaitu: ara antar mata iri mata anan, mata iri hidung, mata anan hidung, mata iri mulut, mata anan mulut, hidung mulut, tinggi daerah omponen waah dan lebar daerah omponen waah. Proses pengenalan menggunaan aringan syaraf tiruan perambatan bali dengan estrasi ciri sebagai inputnya. Pada penelitian yang dilauan dapat disimpulan bahwa aringan syaraf tiruan perambatan bali dapat diadian metode pengenalan waah. Hasil penelitian menunuan hasil pengenalan yang cuup bai dengan tingat esalahan yang cuup ecil pada penguian menggunaan citra ui, yaitu memilii tingat ean 90%. Kata unci: pengenalan waah, geometri waah, pengolahan citra, aringan syaraf tiruan, perambatan bali. I. PENDAHULUAN 1.1 Latar Belaang Semain meluasnya penggunaan omputer dalam ehidupan sehari-hari telah membawa piranti tersebut sebagai asisten serbaguna bagi manusia. Salah satu apliasi omputer dalam bidang eamanan yang tengah meningat peranannya adalah dalam hal pengenalan waah. Suatu sistem eamanan yang menggunaan sistem pengenalan waah yang di dalamnya menadi lebih susah untu diterobos, arena proses identifiasinya melibatan suatu metode identifiasi yang uni, yaitu identifiasi geometri waah. Geometri waah mengacu pada strutur dari geometri waah meliputi ara antara omponenomponen waah, misalnya ara antara edua mata, ara antara hidung dan mulut, dan sebagainya yang mempunyai sifat uni untu setiap orang. * Mahasiswa Jurusan Teni Eletro UNDIP ** Staf Pengaar Jurusan Teni Eletro UNDIP 1.2 Tuuan Tuuan yang henda dicapai dalam pembuatan tugas ahir ini adalah menghasilan suatu rancangan dan menerapannya pada perangat luna untu mengenali identitas seseorang dengan pola geometri waah menggunaan metode aringan syaraf tiruan perambatan bali (bacpropagation). 1.3 Pembatasan Masalah Batasan masalah pada tugas ahir ini, yaitu: 1. Citra masuan adalah citra hasil penangapan amera (capture) dengan amera web (webcam). 2. Pengenalan dilauan secara watu nyata (online). 3. Citra yang digunaan adalah satu citra waah lurus tampa depan, tida terhalangi sebagian oleh obe lain, dengan sudut emiringan menghadap webcam masimal 10 o, menggunaan alat peraga yang tersedia, dan menggunaan espresi waah normal. 4. Algoritma belaar yang digunaan adalah algoritma belaar perambatan bali (bacpropagation) dan tida dibandingan dengan algoritma belaar yang lain. 5. Program bantu yang digunaan adalah Delphi 6.0. II. DASAR TEORI 2.1 Citra Digital Citra merupaan fungsi menerus (continue) dari intensitas cahaya pada bidang dua dimensi. Fungsi menerus intensitas cahaya pada bidang dua dimensi disimbolan dengan f ( x,, dalam hal ini: f ( x, i( x,. r( x, (2.1) dengan f ( x, = Jumlah cahaya yang berasal dari sumbernya, nilainya antara 0 sampai ta berhingga. r ( x, = Deraat emampuan obe memantulan cahaya, nilainya antara 0 dan 1. Citra digital merupaan hasil dari fungsi menerus menadi nilai-nilai disret. 2.2 Pengolahan Citra Digital Pengolahan citra digital adalah teni untu mentransformasian satu citra menadi citra yang lain

2 2 dengan menggunaan omputer, dengan tuuan agar citra lebih mudah untu diinterpretasi. Beberapa contoh operasi pengolahan citra adalah pengubahan ontras citra, penghilangan derau (noise) dengan operasi penapisan (filtering), penghasilan tepi obe, penaaman (sharpening), pemberian warna semu (pseudocoloring), dan sebagainya. Operasi-operasi tersebut aan diterapan pada pengolahan citra apabila: 1. Digunaan untu meningatan ualitas penampaan atau menonolan beberapa aspe informasi yang terandung dalam citra dengan perbaian atau modifiasi citra. 2. Perlu pengelompoan, pencocoan atau penguuran elemen pada citra. 3. Perlu penggabungan sebagian citra dengan bagian citra lainnya. 2.3 Jaringan Syaraf Tiruan Perambatan Bali (Bacpropagation) Jaringan syaraf tiruan perambatan bali melatih aringan untu mendapatan eseimbangan antara emampuan aringan untu mengenali pola yang digunaan selama pelatihan serta emampuan aringan untu memberian tanggapan yang benar terhadap pola masuan dengan pola yang dipaai selama pelatihan. Arsitetur aringan syaraf tiruan perambatan bali memilii beberapa unit yang ada dalam satu atau lebih layar tersembunyi. Gambar 2.7 adalah arsitetur aringan syaraf tiruan perambatan bali dengan n buah masuan (ditambah sebuah bias), sebuah lapisan tersembunyi yang terdiri dari P unit (ditambah sebuah bias), serta m buah unit eluaran. V i merupaan bobot garis dari unit masuan e X i e unit lapisan tersembunyi Z (V 0 merupaan bobot garis yang menghubungan bias di unit masuan e unit lapisan tersembunyi Z ). W merupaan bobot dari unit lapisan tersembunyi Z e unit eluaran Y (W 0 merupaan bobot dari bias di lapisan tersembunyi e unit eluaran Z ). 1 W10 W0 Wm0 Y1 W11 W1 Z1 Wm1 V0 Vn V10 V1 Vi Vpn V11 V1i Vpi V1n 1 Vp0 X1 Vp1 Xi Xn Y Wi W Wm Z Ym W1p Wp Zp Wmp Gambar 2.1 Arsitetur Jaringan Syaraf Tiruan Perambatan Bali 2.4 Algoritma Pelatihan Jaringan Syaraf Tiruan Perambatan Bali Pelatihan aringan syaraf tiruan perambatan bali meliputi 3 fase. Fase pertama adalah fase mau. Pola masuan dihitung mau mulai dari lapisan masuan hingga lapisan eluaran menggunaan fungsi ativasi yang ditentuan. Fase edua adalah fase mundur. Selisih antara eluaran aringan dengan target yang diinginan merupaan esalahan yang teradi. Kesalahan tersebut di rambatan mundur, dimulai dari garis yang berhubungan langsung dengan unit-unit di lapisan eluaran. Fase etiga adalah modifiasi bobot untu menurunan esalahan yang teradi. Algoritma pelatihan untu aringan dengan satu lapisan tersembunyi (dengan fungsi ativasi sigmoid biner) adalah sebagai beriut. Langah 0 : Inisialisasi semua bobot dengan bilangan aca ecil. Langah 1 : Jia ondisi penghentian belum terpenuhi, lauan langah 2 sampai 9. Langah 2 : Untu setiap pasang data pelatihan, lauan langah 3 sampai 8. Fase I : Fase Mau Langah 3 : Tiap unit masuan menerima sinyal dan menerusannya e unit tersembunyi di atasnya. Langah 4 : Hitung semua eluaran di unit tersembunyi ( z 1,2,..., p). z Langah 5 y z _ net v x v (2.2) 0 n i 1 1 f ( z _ net ) (2.3) z _ net 1 e : Hitung semua eluaran aringan di unit y ( 1,2,..., m). p y _ net w z w (2.4) f ( y _ net ) (2.5) y _ net 1 e Fase II : Fase Mundur Langah 6 : Hitung fator unit eluaran berdasaran esalahan di setiap unit eluaran y ( 1,2,..., m). t y ) f '( y_ net ) ( t y ) y (1 y ) (2.6) ( merupaan unit esalahan yang aan dipaai dalam perubahan bobot lapisan di bawahnya (langah 7). i i

3 3 Hitung suu perubahan bobot w (yang aan dipaai nanti untu merubah bobot w ) dengan lau percepatan. w z (2.7) Dimana, 1,2,..., m; 0,1,..., p. Langah 7 : Hitung fator unit tersembunyi berdasaran esalahan di setiap unit tersembunyi ( 1,2,..., p). z m _ net w (2.8) 1 Fator unit tersembunyi : _ net f '( z _ net ) _ net z (1 z ) (2.9) Hitung suu perubahan bobot i i i v (yang aan dipaai nanti untu mengubah bobot v i ) v x (2.10) dengan 1,2,..., p; i 0,1,..., n. Fase III : Modifiasi Bobot Langah 8 : Hitung semua perubahan bobot. Perubahan bobot garis yang menuu e unit eluaran : w ( baru) w ( lama) w (2.11) Perubahan bobot garis yang menuu e unit tersembunyi : v ( baru) v ( lama) v (2.12) i i Perambatan mau (langah 4 dan 5) dipaai untu menentuan eluaran aringan. 2.5 Proses Pengenalan Waah Proses pengenalan yang teradi pada suatu sistem pengenalan pola geometri waah adalah dengan membandingan suatu ciri masuan dengan ciri yang telah disimpan pada sistem tersebut. ciri masuan dilauan dengan melauan pembagian daerah waah sehingga diperoleh omponen waah yang berupa mata iri, mata anan, hidung dan mulut. Setelah didapatan omponen waah dilauan pendetesian dari tiap titi tengah daerah omponen waah yang dianggap hitam atau bernilai 0 pada ota omponen waah, sehingga diperoleh : 1. Titi tengah ota mata anan. 2. Titi tengah ota mata iri. 3. Titi tengah ota mulut. 4. Titi tengah ota hidung. Dari elima titi inilah nantinya aan didapatan seluruh ara antara omponen waah, yaitu: ara antara mata iri mata anan, mata anan mulut, mata iri mulut, mata anan hidung, mata iri hidung, mulut hidung, tinggi omponen waah, i lebar omponen waah, seperti ditunuan pada Gambar 2.8. Gambar 2.2 Penetapan ara antar omponen waah Setelah didapatan nilai ara antar omponen waah, emudian nilai tersebut dimasuan e dalam masuan aringan syaraf tiruan perambatan bali untu dilauan proses pelatihan. Setelah dilauan proses pelatihan, maa aan dihasilan suatu pola latih dan eluaran aringan syaraf tiruan perambatan bali. Pada proses pengenalan, suatu citra ui (citra waah yang diberian e sistem untu proses pengenalan) dibandingan cirinya dengan ciri citra latih. 2.6 Jara Euclidean Jara Euclidean adalah ara antara dua titi dan pada dasarnya sama halnya dengan persamaan pythagoras etia digunaan di dalam dua dimensi. Secara matematis dapat ditulisan pada persamaan beriut. d ( i, ) xi1 x 1 xi2 x 2... xin x (2.13) n dengan d ( i, ) = Jara antara 2 titi. x in = Koordinat titi pertama. x n = Koordinat titi edua. III. PERANCANGAN PROGRAM 3.1 Diagram Alir Sistem Diagram alir untu pengenalan pola geometri waah menggunaan aringan syaraf tiruan adalah seperti ditunuan pada gambar 3.1.

4 4 Mulai Pengaturan Batas-batas Geometri waah Penangapan Citra Pengolahan Citra Estrasi Ciri Pembelaaran Jaringan Penguian Jaringan Selesai Gambar 3.1 Diagram alir program utama 3.2 Pengaturan Batas-batas Geometri Waah Pengaturan batas-batas geometri waah dilauan untu membatasi daerah omponen waah, seperti daerah mata anan, mata iri, hidung, dan mulut sehingga daerah omponen tersebut terleta di dalam ota yang telah dibuat di dalam sistem. 3.3 Penangapan Citra Alat yang digunaan untu menangap citra adalah webcam. Citra yang digunaan adalah citra waah yang diletaan pada alat peraga. Pada proses pembelaaran penangapan citra dilauan untu digunaan sebagai citra latih aringan syaraf tiruan perambatan bali. Sedangan pada proses pengenalan penangapan citra dilauan untu mendapatan citra ui yang nantinya aan dienali menggunaan aringan syaraf tiruan. 3.4 Pengolahan Citra Pengolahan citra dilauan untu mendapatan citra masuan yang sesuai sebelum diestrasi cirinya. 3.5 Estrasi Ciri Ciri yang diestrasi ada 8 ciri, sehingga masuan aringan syaraf tiruan uga ada 8. Estrasi ciri ini dilauan dengan cara menghitung umlah pisel ara antara omponen waah. Jara tersebut ialah ara mata iri - mata anan, ara mata iri - hidung, ara mata anan - hidung, ara mata iri - mulut, ara mata anan - mulut, ara hidung - mulut, lebar omponen waah, dan tinggi omponen waah. Lebar omponen waah adalah penumlahan lebar daerah omponen waah yang dianggap hitam yaitu antara lebar daerah mulut, hidung, mata anan, dan mata iri. Sedangan tinggi omponen waah adalah penumlahan tinggi daerah omponen waah yang dianggap hitam yaitu antara tinggi daerah mulut, hidung, mata anan, dan mata iri. Proses estrasi ciri digunaan bai pada saat pembelaaran aringan maupun pada saat penguian aringan. 3.6 Pembelaaran Jaringan Hasil dari tahap estrasi ciri emudian di proses pada proses pembelaaran (training). Pada tahap ini aringan syaraf tiruan dilatih untu mengenali pola geometri waah. 3.7 Penguian Jaringan Pada tahap ini dilauan proses pengenalan yaitu aringan hanya menanggapi adanya masuan dan langsung mengeluaran sinyal eluaran, tanpa adanya pembelaaran aringan embali. Hasil penguian aringan yaitu berupa pengenalan waah seseorang yang diui dan dimunculan foto yang bersangutan. IV. ANALISIS DAN PEMBAHASAN 4.1 Penguian terhadap Citra latih Pada ui coba ini diui tingat ean aringan untu mengenali citra latih, setiap citra waah latih aan diui lima ali. Hasil ui tersebut dapat dilihat pada Tabel 4.1. Tabel 4.1 Hasil penguian aringan terhadap citra latih No Nama Citra Penguian Dienali Keterangan Latih Sebagai 1 Agung Suo0 1 Agung Suo Agung Suo1 2 Agung Suo Agung Suo2 3 Agung Suo Agung Suo3 4 Agung Suo Agung Suo4 5 Agung Suo 2 Angga0 1 Angga Angga1 2 Angga Angga2 3 Angga Angga3 4 Angga Angga4 5 Angga 3 Aro oe0 1 Aro oe Aro oe1 2 Aro oe Aro oe2 3 Aro oe Aro oe3 4 Aro oe Aro oe4 5 Aro oe 4 Birtha0 1 Birtha Birtha1 2 Birtha Birtha2 3 Birtha Birtha3 4 Birtha Birtha4 5 Birtha 5 Didi0 1 Didi Didi1 2 Didi Didi2 3 Didi Didi3 4 Didi Berhasil Didi4 5 Didi Berhasil 6 Gunar0 1 Gunar Gunar1 2 Gunar Gunar2 3 Gunar Gunar3 4 Gunar Gunar4 5 Gunar Berhasil

5 5 Tabel 4.1 Hasil penguian aringan terhadap citra latih (lanutan) No Nama Citra Penguian Dienali Latih Sebagai Keterangan 7 Mahendra0 1 Mahendra Mahendra1 2 Mahendra Mahendra2 3 Mahendra Mahendra3 4 Mahendra Mahendra4 5 Mahendra 8 Ronny0 1 Ronny Ronny1 2 Ronny Ronny2 3 Ronny Ronny3 4 Ronny Ronny4 5 Ronny 9 Syaha0 1 Syaha Syaha1 2 Syaha Syaha2 3 Syaha Syaha3 4 Syaha Syaha4 5 Syaha 10 Tonovan0 1 Tonovan Tonovan1 2 Tonovan Tonovan2 3 Tonovan Tonovan3 4 Tonovan Tonovan4 5 Tonovan Hasil penguian pada Tabel 4.1 menunuan bahwa tingat ean penguian aringan terhadap citra waah yang digunaan sebagai citra latih menghasilan persentase 100%. Dari penguian terhadap semua citra di atas dapat disimpulan bahwa aringan dapat mengenali semua citra masuannya. 4.2 Penguian terhadap Citra ui Pada penguian ini diui tingat ean terhadap citra ui, setiap individu aan ditangap citra waahnya sebanya lima ali dan aan diui sebanya lima ali menggunaan aringan syaraf tiruan. Pada penguian ini tiap individu tida diberi petunu atau arahan dalam meletaan waahnya pada alat peraga yang tersedia. Petunu atau arahan hanya diberian pada saat pembelaaran. Hasil ui coba tersebut dapat dilihat pada Tabel 4.2. Tabel 4.2 Hasil penguian aringan terhadap citra ui No Nama Citra Penguian Dienali Keterangan Sebagai 1 Agung Suo 1 Angga Tida Agung Suo 2 Agung Suo Agung Suo 3 Agung Suo Agung Suo 4 Agung Suo Agung Suo 5 Angga Tida 2 Angga 1 Ronny Tida Angga 2 Angga Angga 3 Angga Angga 4 Angga Angga 5 Angga 3 Aro oe 1 Aro oe Aro oe 2 Aro oe Aro oe 3 Aro oe Aro oe 4 Aro oe Aro oe 5 Aro oe Tabel 4.2 Hasil penguian aringan terhadap citra ui (lanutan) No Nama Citra Penguian Dienali Keterangan Sebagai 4 Birtha 1 Birtha Birtha 2 Birtha Birtha 3 Birtha Birtha 4 Birtha Birtha 5 Birtha 5 Didi 1 Didi Didi 2 Didi Didi 3 Didi Didi 4 Didi Berhasil Didi 5 Didi Berhasil 6 Gunar 1 Gunar Gunar 2 Aro Tida Gunar 3 Gunar Gunar 4 Aro Tida Gunar 5 Gunar Berhasil 7 Mahendra 1 Mahendra Mahendra 2 Mahendra Mahendra 3 Mahendra Mahendra 4 Mahendra Mahendra 5 Mahendra 8 Ronny 1 Ronny Ronny 2 Ronny Ronny 3 Ronny Ronny 4 Ronny Ronny 5 Ronny 9 Syaha 1 Syaha Syaha 2 Syaha Syaha 3 Syaha Syaha 4 Syaha Syaha 5 Syaha 10 Tonovan 1 Tonovan Tonovan 2 Tonovan Tonovan 3 Tonovan Tonovan 4 Tonovan Tonovan 5 Tonovan Perhitungan persentase ean dihitung dengan cara beriut. umlah penguian yangbenar % ean 100% umlah seluruh penguian Hasil penguian pada Tabel 4.2 menunuan bahwa tingat ean penguian terhadap citra ui menghasilan persentase ean 90%. Pada penguian terhadap citra ui, ada yang tida dienali atau dienali sebagai citra ui lain. Peletaan waah yang tida sesuai dengan pada saat pembelaaran, menghasilan estrasi ciri yang sama atau hampir sama dengan citra waah yang lain. Ketidatepatan peletaan waah yang diui diarenaan pada saat penguian tida diberi petunu atau arahan dalam peletaan waah e alat peraga, hal ini dilauan untu mengui inera aringan dalam mengenali citra masuan. Petunu atau arahan hanya diberian pada saat pembelaaran saa.

6 6 4.3 Penguian terhadap Citra diluar basis data Pada penguian ini sistem diui menggunaan citra waah dan citra buan waah yang tida termasu dalam citra latih atau citra yang tida dipelaari. Citra Faisal diambil menggunaan alat peraga, sedangan citra lain tida diambil dengan alat peraga yang tersedia. Hasil ui coba tersebut dapat dilihat pada tabel 4.3. Tabel 4.3 Hasil penguian aringan terhadap citra diluar basis data No Nama Citra Dienali Sebagai Keterangan 1 Faisal.bmp Syaha Tida Berhasil 2 Sunset.pg Tida ditemuan Berhasil Ciri-ciri waah 3 Agnes monica.pg Tida dienali Berhasil 4 Ana Kecil.pg Tida Dienali Berhasil 5 Nene.pg Tida Dienali Berhasil Hasil penguian pada tabel 4.3 menunuan bahwa aringan tida dapat mengenali citra diluar basis data yaitu citra yang tida diambil dengan alat peraga atau citra yang buan merupaan citra waah. 4.4 Penguian Terhadap Citra Ui dengan Berbagai Variasi Cara Hadap Waah dan Perubahan Mimi Waah Pada penguian ini diui tingat ean terhadap satu citra ui (Tonovan.bmp) dengan beberapa variasi cara hadap waah terhadap webcam dan perubahan mimi waah, yaitu: memaai acamata, miring e iri dengan sudut 10 o, 30 o dan 45 o, miring e anan dengan sudut 10 o, 30 o dan 45 o, sudut emiringan menghadap webcam urang dari atau sama dengan 10 o e iri dan e anan, sudut emiringan menghadap webcam lebih dari 10 o e iri dan e anan, tersenyum, tertawa, menuluran lidah dan mata terpeam. Penguian ini dilauan dengan dan tanpa pengaturan proses pengolahan citra ecuali proses pengambangan atau threshold. Hasil ui coba tersebut dapat dilihat pada Tabel 4.4. Kolom Pengaturan Pengolahan Citra menelasan a. Tida berarti pada saat penguian citra ui tida dilauan proses pengolahan citra terlebih dahulu seperti pengaturan Brightness, Contrast, Rotasi, Translasi dan Zoom. Penguian dilauan dengan mengatur Threshold, emudian ditean tombol Ciri dan terahir ditean tombol Kenali. b. berarti pada saat penguian citra ui selain dilauan proses pengambangan (Threshold), uga dilauan proses pengolahan citra terlebih dahulu sebelum di estrasi ciri dan dienali seperti mengatur ecerahan citra (Brightness), peregangan ontras, rotasi, pergeseran (Translasi) dan perbesaran (Zoom). Miring e iri dan e anan artinya posisi waah pada alat peraga membentu sudut terhadap sumbu vertial. Sudut emiringan menghadap webcam artinya posisi waah pada alat peraga membentu sudut terhadap sumbu horizontal. Tabel 4.4 Hasil penguian aringan terhadap variasi cara hadap dan perubahan mimi waah No Keterangan Citra Waah Pengaturan Pengolahan Dienali Sebagai Keterangan 1 acamata 2 Miring e iri (10 0 ) 3 Miring e iri (30 o ) 4 Miring e iri (45 o ) 5 Miring e anan (10 o ) 6 Miring e anan (30 o ) 7 Miring e anan (45 o ) Citra Tida Tonovan Tonovan Tida Tonovan Angga Tida Tida Tonovan Tonovan Tida Tonovan Tonovan Tida Tonovan Tonovan Tida Tonovan Tonovan Tida Tonovan Tonovan 8 Menghadap Tida Tonovan webcam <= 10 o e anan Tonovan 9 Menghadap Tida Tonovan webcam >10 o e anan Didi Tida 10 Menghadap Tida Tonovan webcam <= 10 o e iri Tonovan 11 Menghadap webcam >10 o Tida Syaha Tida e iri Syaha Tida 12 Tersenyum Tida Tonovan Tonovan 13 Tertawa Tida Angga Tida Tonovan 14 Menuluran lidah Tida Angga Tida Tonovan 15 Mata Tida Tonovan Terpeam Tonovan

7 7 Hasil penguian pada Tabel 4.4 menunuan bahwa aringan tida dapat mengenali citra ui dengan variasi cara hadap e webcam miring e iri memaai pengaturan pengolahan citra, menghadap webcam dengan sudut emiringan lebih dari 10 0 e iri atau e anan. Semain besar atau auh sudut emiringan menghadap webcam citra ui tida dapat dienali. Hal ini disebaban arena omponen waah tida tepat terleta pada ota batasan daerah omponen waah, misalnya semain auh sudut emiringan menghadap webcam maa ara mata iri mata anan semain pende dan ara tersebut berbeda dengan pada saat pembelaaran. Posisi peletaan waah tersebut berpengaruh terhadap hasil estrasi ciri. Peletaan waah yang tida sesuai pada saat pembelaaran, menghasilan estrasi ciri yang sama atau hampir sama dengan citra waah yang lain. Perubahan mimi waah seperti tersenyum dan mata terpeam masih dapat dienali, arena estrasi cirinya hampir sama atau sama dengan saat pembelaaran. Sedangan perubahan mimi waah seperti tertawa dan menuluran lidah tida dapat dienali tanpa ada proses pengolahan citra seperti Translasi terlebih dahulu. Hal ini disebaban omponen waah tida tepat terleta pada ota batasan daerah omponen waah dan perubahan daerah yang dianggap hitam pada daerah omponen waah hususnya daerah mulut. Apabila perubahan daerah omponen waah yang dianggap hitam ecil maa titi tengah yang didapatan tida berubah sehingga estrasi cirinya (ara antar omponen waah) sama dengan pada saat pembelaaran sehingga citra ui cenderung masih dapat dienali. Sedangan ia perubahan daerah omponen waah yang dianggap hitam besar maa titi tengah yang didapatan pada daerah omponen waah berubah sehingga estrasi cirinya (ara antar omponen waah) tida sama dengan pada saat pembelaaran sehingga citra ui cenderung tida dapat dienali. Semain beda perubahan mimi waah saat penguian (tertawa dan menuluran lidah) terhadap waah normal maa semain besar daerah yang dianggap hitam pada daerah omponen waah hususnya daerah mulut, yang menyebaban citra yang diuian tida dapat dienali. V. PENUTUP 5.1 Kesimpulan 1. Persentase ean penguian terhadap citra waah yang dipelaari adalah 100% dan persentase ean penguian terhadap citra waah yang tida dipelaari adalah 90%. 2. Jaringan tida dapat mengenali citra waah yang diuian dengan sudut emiringan menghadap webcam lebih dari 10 o (sepuluh deraat). Perubahan mimi waah seperti menuluran lidah dan tertawa tida dapat dienali aringan syaraf tiruan tanpa adanya proses pengolahan citra terlebih dahulu. 3. Posisi peletaan waah pada alat peraga saat penguian harus sama atau hampir sama dengan pada saat pembelaaran agar estrasi ciri saat penguian tida menyimpang dari estrasi ciri saat pembelaaran. 4. Dari 8 (delapan) ciri yang diestrasi pada penelitian ini, sudah cuup digunaan untu membedaan ciri waah pengguna satu dengan yang lain. 5. Pada ondisi pencahayaan tertentu yang memunginan masih dapat dibedaannya antara omponen waah dengan citra waah, perubahan ondisi cahaya tida berpengaruh terhadap proses pengenalan citra waah. 5.2 Saran 1. Penelitian ini dapat diembangan untu sistem presensi atau ehadiran pada instansi sebagai alternatif dari sistem pengenalan sidi ari. 2. Perlu penelitian tentang proses pengenalan citra waah menggunaan metode lain, misalnya K-Nearest Neighbour, dan sebagainya yang emudian dibandingan dengan metode pola geometri menggunaan aringan syaraf tiruan untu diperoleh metode terbai pengenalan waah. DAFTAR PUSTAKA [1] Achmad, B. dan K. Firdausy, Teni Pengolahan Citra Digital Menggunaan Delphi, Ardi Publishing, Yogyaarta, [2] Ahmad, U., Pengolahan Citra Digital dan Teni Pemrogramannya, Graha Ilmu, Yogyaarta, 2005 [3] Kurniawan, D., Penentuan Wilayah Waah Pada Citra Berwarna Berdasaran Warna Kulit dengan Metode Template Matching, Tugas Ahir Mahasiswa S-1 Teni Eletro Universitas Diponegoro, Semarang, [4] Herlambang, Y., Apliasi Jaringan Syaraf Tiruan Pada Detesi Waah, Tugas Ahir Mahasiswa S-1 Teni Eletro Universitas Diponegoro, Semarang, [5] Kristanto, A., Jaringan Syaraf Tiruan (Konsep Dasar, Algoritma dan Apliasi, Penerbit Gaya Media, Yogyaarta, [6] Muis, S., Teni Jaringan Syaraf Tiruan, Graha Ilmu, Yogyaarta, [7] Munir, R., Pengolahan Citra Digital dengan Pendeatan Algoritmi, Informatia, Bandung, [8] Siang, J.J., Jaringan Syaraf Tiruan & Pemrogramannya Menggunaan Matlab, Andi Offset, Yogyaarta, [9] Susanto, A., Pengenalan Pola Geometri Tangan dengan Metode Jaringan Syaraf Tiruan Perambatan Bali, Tugas Ahir Mahasiswa S-1 Teni Eletro Universitas Diponegoro, Semarang, [10] Wahana Komputer, Pemrograman Borland Delphi 7.0, Wahana Komputer, Semarang, 2003.

8 8 Muhamad Tonovan (L2F ) Lahir di Palembang, 19 Febuari 1983 Mahasiswa Teni Eletro Estensi 2005, onsentrasi Eletronia dan Teleomuniasi, Universitas Diponegoro Semarang, 2007 Menyetuui dan Mengesahan Pembimbing I Achmad Hidayatno, S.T., M.T. NIP Tanggal Pembimbing II R. Rizal Isnanto, S.T., M.M., M.T. NIP Tanggal.