FACE RECOGNITION MENGGUNAKAN METODE ALGORITMA VIOLA JONES DALAM PENERAPAN COMPUTER VISION

Transkripsi

1 FCE RECOGTO MEGGUK METODE LGORTM VOL JOES DLM PEERP COMPUTER VSO Pareza lam Jusa, S.Kom, M.Kom STKOM Dnamka Bangsa Jamb,Teknk nformatka E-mal: BSTRK Deteks wajah merupakan suatu cabang peneltan d bdang scence dan teknolog yang mempelajar tentang penghtungan dan analsa data bolog yang terkat dengan karakterstk manusa, atau basa dsebut dengan nama bometrc. Dalam peneltan n mencoba teknk kombnas dua metode dalam pengenalan wajah, yang pertama adalah metode untuk deteks wajah dan yang kedua adalah metode untuk pengenalan wajah. Kedua metode tersebut adalah Vola Jones dan Prncpal Component nalyss (PC). Kontrbus peneltan n adalah untuk mengetahu efektftas pengenalan wajah dengan menggabungkan algortma Vola Jones untuk menghlangkan background dan dengan menggunakan metode Prncpal Component nalyss untuk analsa wajahnya. Kata kunc: Face recognton, Vola Jones, PC, deteks, ctra, deteks wajah, analss 1. PEDHULU Dalam bdang scence dan teknolog peneltan tentang pengenalan wajah adalah salah satu cabang peneltan yang terkat dengan penghtungan dan analsa data yang terkat dengan karakterstk manusa. Deteks wajah dalam komputer bergantung pada beberapa aspek, dantaranya adalah konds ekspres wajah, cahaya dan aksesors yang dgunakan oleh wajah tersebut. Pada pengenalan wajah ada beberapa tahap yang dlakukan dalam katannya dengan computer vson, antara lan pengamblan objek, pengukuran ulang objek dan analsa pengenalan. Tahap pengamblan objek adalah tahap dmana objek atau gambar wajah dambl menggunakan kamera, dalam tahap pengamblan gambar n objek dapat berupa gambar vdeo yang nantnya dambl dalam bentuk statk gambar. Kemudan setelah gambar tersebut terambl, langkah selanjutnya adalah tahap reszng atau tahap pengukuran ulang. Tahap n adalah tahap jembatan antara tahap pengamblan gambar objek dan tahap analsa gambar. Pada tahap n gambar yang telah dambl akan dsesuakan format ukurannya dengan format ukuran gambar yang ada dalam database, agar dapat danalsa. Terakhr adalah tahap analsa, pada tahap n gambar yang telah d lakukan reszng akan danalsa dengan mencocokan gambar objek tersebut dengan kumpulan gambar yang ada dalam database untuk dketahu nla kecocokan datanya, sehngga nantnya akan dperoleh gambar yang cocok dengan gambar objek tersebut. Serng perkembangan zaman yang semakn canggh, deteks wajah banyak dperlukan d berbaga cabang keamanan, sepert dalam aspek pengawasan, keselamatan, verfkas dan dentfkas. Dalam bdang keamanan, pengenalan wajah banyak dperlukan untuk otentfkas, msalkan otentfkas pelaku krmnal, sepert deteks terhadap pelaku teror, pencegahan terhadap terpdana korups yang hendak melarkan dr ke luar neger, dan terhadap gembong narkoba. Selan hal-hal tersebut, pengenalan wajah juga bsa dgunakan untuk dentfkas, sepert dentfkas terhadap mayat yang dtemukan dsuatu tempat.oleh karena tu, dalam peneltan n membahas tentang suatu gabungan metodolog antara metodolog untuk deteks wajah dan metodolog untuk mengenal wajah yang masuk dalam kategor real tme face recognton. Pada real tme face recognton, ada dua hal yang utama dlakukan, yatu deteks wajah dan pengenalan wajah. Dalam keamanan suatu tempat, dperlukan suatu pedeteksan yang cepat dalam seg waktu, oleh karena tu dperlukannya suatu sstem yang dapat mendeteks wajah seseorang secara real tme. Dalam peneltan computer vson banyak metode yang bsa dgunakan untuk deteks wajah, salah satunya adalah dengan menggunakan metode Vola Jones. Metode n dgunakan untuk mendeteks wajah dengan menggunakan klasfkas berdasarkan pendekatan algortma daboost dan Haar Cascade. Pada algortma Vola Jones n, metode daboost dgunakan untuk menjad penentu nla ambang batas, sedangkan Haar Cascade dgunakan untuk klasfkas area sub wndows. Banyak metode yang dgunakan dalam peneltan face recognton n, salah satunya adalah metode Prncpal Component nalyss (PC) atau karhunen-loeve transformaton adalah teknk standar

2 yang dgunakan dalam lmu statstka yang berhubungan dengan patern recognton dan sgnal processng untuk mereduks data dan mengekstrak cr. Berdasarkan uraan datas, penelt mencoba untuk membuat rancangan sstem alur kerja dar kombnas metode yang djabarkan datas untuk mengetahu seberapa besar efsens dan akuras yang dhaslkan oleh gabungan kedua metode tersebut sebaga dasar dar metode pengenalan wajah. 2. METODE PEELT Dalam peneltan n metode yang dgunakan adalah metode ekspermen. Ekspermen dalam peneltan n bertujuan untuk mendeteks dan mengenal wajah seseorang dengan menggunakan metode Vola Jones dan Prncpal Component nalyss (PC). Dengan metode n wajah seseorangyang menghadap ke kamera akan d deteks menggunakan kamera tersebut, kemudan dar pengamblan gambar wajah tersebut, akan dlanjutkan dengan proses penghtungan nla kesamaan dar cr-cr wajah tersebut dengan kumpulan wajah yang ada dalam database menggunakan program matlab. Hasl dar analss tersebut berupa keluaran gambar seseorang dengam format JPEG, dengan kemrpan yang terdekat. Sehngga, wajah seseorang tersebut dapat dkenal, sesua dengan gambar yang ada dalam database. 3. KERGK PEELT Dalam melakukan peneltan n, kerangka peneltan yang akan dgunakan guna menyelesakan rumusan masalah peneltan dapat dlhat pada Gambar berkut n. nstrumen Pendukung - PC - Kamera Dgtal Konds wal Tdak adanya sstem pengenalan wajah dengan bantuan kamera Permasalahan nalsa Deskrptf Menggambarkan desan arstektur deteks dan pengenalan wajah Konsep lternatf Strateg Penggunaan konsep Vola Jones dan Prncpal Component nalyss Konds yang dharapkan Dapat dkenalnya wajah seseorang untuk membantu proses pengamanan suatu tempat secara realtme Pengaruh Lngkungan Banyaknya penggunaan CCTV d tempat-tempat umum Gambar 1. Pola Pkr Kerangka peneltan dalam menyelesakan rumusan permasalahan sepert pada gambar d atas memlk tujuh faktor utama yatu konds awal, permasalahan, analss deskrptf, nstrument pendukung, pengaruh lngkungan (envronmental/trend), konsep alternatf strateg dan konds yang dharapkan. Pada konds awal tdak adanya sstem pengenalan wajah dengan menggunakan kamera, yang ada hanyalah sstem pantau dengan menggunakan kamera, sehngga mengakbatkan dperlukannya waktu yang cukup lama untuk mengetahu sapa saja orang yang melakukan aktvtas dalam gedung, dan apabla terjad tndak krmnal, atau orang yang terduga melakukan tndak krmnal d tempat tersebut tdak mudah untuk mengetahunya. Konsep alternatf pengembangan strateg yang dgunakan adalah dengan menggunakan gabungan antara konsep Vola Jones dan konsep Prncpal Component nalyss. Konsep Vola Jones n dgunakan sebaga metode untuk pendeteksan wajah, yang bertujuan untuk menghlangkan latar belakang pada objek, sehngga menambah efsens dar seg pengurangan hal yang tdak perlu untuk dlakukan proses selanjutnya. Kemudan konsep Prncpal Component nalyss dgunakan sebaga sstem pengenalan wajah terhadap objek yang telah ddeteks tersebut dengan mencocokkannya dengan data yang terdapat d dalam database.

3 Dengan menggunakan kombnas metode datas dharapkan pencaran nformas terhadap pengenalan wajah seseorang untuk membantu proses pengamanan suatu tempat secara realtme dapat terpenuh dengan mentk beratkan pada penngkatan mutu keamanan dengan menngkatkan laju nformas dar seg efsens dan efektftas waktu pencapaan nformas serta penngkatan akuras terhadap pengenalan wajah seseorang tersebut. 4. LSS PEMBHS nalss data yang dgunakan adalah gabungan antara dua teknk, yatu teknk deteks wajah dan teknk pengenalan wajah. Teknk deteks wajah menggunakan metode Vola Jones yang ddalamnya terdapat dua algortma pembentuk utnuk klasfkas ctra, teknk n dgunakan untuk mereduks bagan-bagan pada ctra yang tdak dbutuhkan untuk proses ektraks wajah, sehngga akan mempersngkat waktu ekstraks karena ctra yang dambl tdak sebesar ctra aslnya. Selan tu Vola Jones n juga bertujuan untuk memaksmalkan pencocokan dar ctra objek dengan kumpulan ctra gambar yang ada d dalam database. Pada awal proses, pengamblan gambar objek dlakukan oleh kamera yang telah terntegras dengan program matlab. Kemudan pengamblan gambar tersebut dmplementaskan sebaga gambar asl. Gambar sl Gambar 2. Gambar objek asl Kemudan gambar asl tersebut dbag ke dalam beberapa tahap bagan, hal n dlakukan untuk membentuk bagan-bangan yang akan dpadukan dengan bagan cr yang ada d dalam metode n Gambar 3. Pembagan sub-wndows Berkut adalah pembagan gambar berdasarkan pada tahap yang dsmulaskan : Gambar 4. Tahap satu

4 Gambar 5. Tahap dua Gambar 6. Tahap tga Gambar 7. Tahap empat Dar pembagan tersebut, barulah dar setap tahap datas, dhtung nla bobotnya berdasarkan cr yang ada, yatu Gambar 8. Cr yang dgunakan dalam Vola Jones Berdasarkan cr dan pembagan tahap tersebut, dlakukanlah kolaboras antara algortma daboost dan algortma Cascade. Untuk setap tahap, kumpulan sub-wndows atau kumpulan gambar yang telah dpotong-potong tersebut akan dkumpulkan dalam satu tempat. Semua sub-wndows

5 Gambar 9. Penampung potongan gambar per tahap Setelah semua gambar tersebut dtampung, kemudan dbentuklah stage untuk setap cr yang ada untuk dlakukan penghtungan nla bobot setap potongan gambar terhadap cr yang telah dsedakan dengan cara berkut : a. Kumpulan gambar yang berupa sub wndow drepresentaskan sebaga ( dmana = 0,1 untuk representas negatf dan postf untuk masng-masng. b. nsalsas bobot untuk untuk masng-masng, dmana m dan l adalan nomor dar negatf dan postf. c. Dmana t=1,...,t 1. ormalsas bobot 2. Plh weak klasfkas yang terbak dengan memperhatkan bobot error, dmana f adalah cr, p adalah polayang mengndkas arah dar kesalahan, dan adalah nla ambang batas. 3. Defnskan dmana adalah mnmal dar Update bobot, dmana = 0 jka terklasfkas benar, = 1 jka sebalknya. Dan d. Yang terakhr adalah untuk strong klasfkas Dmana Kemudan setelah dlakukan perhtungan bobot, selanjutnya adalah tahap elmnas S2 S3 S4 Gambar 10. lustras stage

6 Setap potongan gambar akan masuk ke dalam semua stage yang ada untuk dketahu nla dar bobot postf dan negatf terhadap cr tersebut. pabla potongan yang masuk ke dalam stage tersebut memlk nla ambang sama atau datas yang telah dtentukan, maka akan bernla postf, sedangkan jka nla bobot dbawah nla ambang makan akan dyatakan negatf. 1 Potongan gambar S2 S3 S4 Potongan negatf Potongan negatf Gambar 11. lustras pembobotan dan elmnas Tahap selanjutnya adalah dar setap potongan akan dnla prosentase dar bobot postf yang dhaslkan berdasarkan perhtungan oleh algotrma adaboost. Setelah dhtung, dalam satu tahap akan dtentukan bagan-bagan mana yang mempnya nla bobot terbesar, maka akan djadka sebaga kanddat dar tahap tersebut. Perhtungan tersebut dlakukan untuk tahap-tahap selanjutnya. Setelah semua tahap selesa dlakukan, maka langkah selanjutnya adalah dengan menghtung perbandngan nla bobot antar tahap. Setelah dketahu nla terbesar berapa pada tahap mana dan pada bagan apa, maka dbuatlah suatu batas untuk menentukan bagan mana yang menjad deteks terhadap ctra wajah dar gambar objek yang masuk tersebut.berdasarkan pada rancangan umum tersebut, dalam pembuatan prototype sstem, alur sstem tersebut dbag ke dalam dua kategor, yatu alur pembentukan gambar foto dar gambar vdeo dan alur pencocokan gambar foto.dalam alur pembentukan gambar foto terlebh dahulu dlakukan pengamblan gambar dengan format vdeo yang dlakukan oleh kamera. Dar gambar vdeo tersebut selanjutnya akan dlakukan pengamblan gambar hanya untuk wajah yang terdeteks saja. Selanjutnya gambar tersebut akan djadkan gambar foto yang nantnya akan djagkan objek penghtungan nla kecocokan dengan kumpulan gambar yang ada pada drektor database. Untuk lebh jelasnya, berkut gambar alur dar teknk pengamblan gambar objek oleh metode Vola Jones :

7 Tahap L 16 D O M Tahap 2 L D O M K L S F K S L 1 2 Tahap 3 L D O M 4 D O M Tahap 4 1 la domnan Gambar 12. lur Vola Jones Kemudan, setelah gambar tersebut terdeteks selanjutnya adalah proses pengamblan gambar untuk proses pengenalan wajah dengan menggunakan metode Prncpal Component nalyss. Sebelum sampa ke tahap tu, terlebh dahulu dlakukan proses merekonstruks ukuran gambar yang telah dambl untuk nantnya dgunakan untuk proses pencocokan, karena dalam proses pencocokan gambar wajah tersebut dperlukan ukuran yang sama antara gambar yang telah dambl dengan kumpulan gambar yang ada dalam database. Setelah proses pengukuran ulang selesa, langkah selanjutnya adalah proses pengenalan objek gambar wajah yang telah dambl dengan kumpulan objek gambar yang ada d dalam database dengan teknk PC dan Eucldean dstance. Langkah-langkah dalam pembentukan PC dapat dlhat dar gambar berkut :

8 Start ormalsas Mencar covarance matrks Mencar egen vektor dan egen value Mencar nla prncple component egenface Stop Gambar 13. Langkah-langkah PC Pada langkah pertama, adalah langkah untuk mengmasukkan ctra gambar wajah yang menjad objek peneltan ke dalam database. Ukuran ctra yang masuk tersebut harus merupakan ctra berbentuk bujur sangkar atau basa dsebut matrks ordo (n x n). Setelah tu, ctra ctra yang telah dmasukkan tersebut djadkan model = [ 1, 2, 3,... m ]. Setelah tu masuk ke dalam langkah normalsas, yatu menghtung nla rata-rata dar setap vektor dengan menggunakan rumus : M 1. M 1 Tetelah tu, untuk langkah normalsas selanjutnya adalah dengan mengurang setap vektor ctra yang terbentuk dengan nla rata-ratanya dengan rncan sebaga berkut : Setelah normalsas, langkah selanjutnya adalah mencar covarance matrks dengan menggunakan rumus : cov( x, y) n ( x ' x) ( y n 1 y) Setelah mendapatkan nla covarance dar masng-masng matrks tersebut, langkah selanjutnya adalah dengan menghtung nla egenvalue (λ) dan egenvektor (U ) dar masng-masng gambar, 1 0, dengan demkan persamaan determnan tersebut akan memperoleh egenvalue,,...,, 2 3 n 1. Setelah tu barulah menghtung nla egenvektor untuk masng-masng nla egenvalue yang ddapat dar yang terkecl sampa yang terbesar, U 0. Setelah 1 mendapatkan nla egenvektor dar data dalam database, langkah selanjutnya adalah menghtung nla egenvektor dar gambar ctra wajah yang djadkan sampel dengan ukutan ( x ), dengan menggunakan rumus : ' V U Tap wajah dapat drepresentaskan sebaga kombnas lnear dar vektor V, yatu dengan : j n 1 W v

9 Dmana w v, Φ j adalah vektor wajah berukuran (1x 2 ) sedangkan v berukuran ( 2 x 1), j maka w berukuran (1 x 1) dan v dsebut egenface. Tap-tap wajah tranng dnormalsas sehngga ctra wajah Φ j yang belum dnormalsas menjad ctra wajah Ω j yang sudah dnormalsas. Setelah tu langkah selanjutnya adalah menentukan dstance error dengan Mnmum Eucldean Dstance, d mn k datas, dmana T = Threshold k, Jka d<t, maka ctra wajah Гdkenal sebaga wajah ke-k dar sekumpulan tranng 4.1 Temuan-temuan dan nterpretas Temuan yang ddapat dar peneltan n tentang penggunaan metode Vola Jones adalah, dalam prakteknya, metode Vola Jones n dgunakan untuk mendeteks dan melacak gambar wajah yang ada d dalam kamera, sehngga mengakbatkan objek berupa rupa wajah tdak akan bsa hlang dar pelacakan yang dlakukan. Selan tu objek dalam kelompok database yang dtelt adalah berupa kumpulan gambar foto dalam format jpg dengan ukuran 180x200. Kemudan untuk data testng yang dgunakan adalah gambar dengan format jpg dengan ukuran pxel yang sama pula dengan objek yang ada dalam kelompok database yatu 180x200. Hal n dbuat sama karena apabla ukuran pxel antara gambar objek yang ada pada bagan testng berbeda dengan ukuran pxel yang ada dalam bagan database, maka perhtungan kecocokan antara kedua objek tersebut tdak bsa dlakukan, hal n sesua dengan penjelasan dar teor Prncpal component analyss yang menyatakan bahwa untuk mendapatkan nla pencocokan hasl egenface yang dbentuk, maka harus memlk ukuran yang sama. 4.2 Pengelompokan dan nalss Pengelompokan analss dalam peneltan n dbag menjad dua bagan, yatu analss terhadap metode Vola Jones dan Prncpal Component nalyss. Pada metode Vola Jones, analsa dlakukan dengan membentuk suatu proses pengamblan gambar melalu camera dgtal yang terntegras dengan perangkat komputer yang dgunakan dalam melakukan peneltan n. Gambar yang dambl berupa gambar vdeo realtme yang dambl menggunakan jens adaptor wnvdeo dengan format mjpg dengan resolus 1280x720'. Berdasarkan pada pengamblan gambar tersebut, maka akan dperoleh tamplan gambar vdeo d dalam aplkas tersebut. nalsa yang dterapkan dalam kasus n adalah apakah penerapan metode Vola Jones n bsa dgunakan untuk mendeteks objek berupa gambar wajah seseorang. nalsa n tdak dcoba hanya dengan menggunakan objek dam atau tdak bergerak, tetap juga menggunakan objek yang bergerak, hal n dgunakan untuk menemukan apakah detector yang dbentuk oleh metode n dapat mengkut gerak dar objek yang dtelt. Kemudan analsa yang kedua adalah dengan menguj penerapan teknk pencocokan Prncpal Component nalyss. Untuk kebutuhan pencocokan, objek yang dgunakan dbag kedalam dua kelompok, yang pertama adalah kelompok data dalam testng dan kelompok data database. Pada tahap testng, gambar yang dambl oleh kamera akan djadkan sebaga data test berupa capture dar vdeo yang djalankan menggunakan metode Vola Jones. Hasl capture tersebut berupa gambar dalam format jpg. Dar gambar yang dperoleh, kemudan akan dhtung nla kecocokannya dengan kumpulan gambar yang ada dalam kelompok database. Data pada kelompok database merupakan kumpulan gambar objek yang akan djadkan acuan dalam proses pencocokan gambar, dengan gambar dalam kelompok testng yang sebelumnya telah terseda. Secara gars besar pengelompokan teknk analsa dan pengelompokan kategor objek dapat dlhat dar gambar berkut : nalsa Objek Vola Jones Gambar Vdeo Prncpal Component nalyss Gambar Percobaan Gambar Databse Gambar 14. lur Pengelompokan Objek

10 4.3 Perancangan Sstem Dalam pembuatan sstem untuk pengujan hasl peneltan rancang bangun sstem dbag ke dalam dua kelompok alur perancangan. Pertama adalah alur untuk memasukkan gambar objek ke dalam database dan yang kedua adalah alur perancangan sstem pengujan kecocokan objek testng terhadap gambar objek pada database. Berkut adalah alur rancangan sstem pada proses memasukkan gambar objek ke dalam database : a. Pertama objek dbdk menggunakan kamera b. Selanjutnaya objek yang masuk ke dalam kamera akan dtamplkan dalam bentuk gambar bergerak atau vdeo. c. Pada tahap n, Vola Jones akan membentuk deteks wajah d. Kemudan gambar yang terdeteks oleh metode Vola Jones tersebut akan dmasukkan kedalam axes tersendr. e. Setelah gambar tersebut masuk kedalam axes, tahap selanjutnya adalah pengamblan gambar dengan meng-capture objek bergerak yang ada pada axes tersebut dan dtamplkan sebaga sebuah foto. f. Tahap selanjutnya adalah tahap pengrman gambar hasl capture tersebut kedalam sebuah folder untuk test gambar. Untuk lebh jelasnya dapat dlhat melalu gambar berkut : LUR KOMPUTER MTLB DREKTOR SSTEM OPERS Objek kamera Deteks wajah Deteks wajah Foto wajah Database Gambar vdeo Gambar foto Gambar vdeo Vola Jones Gambar 15. lur Perancangan Sstem Smpan Fle Selanjutnya adalah alur perancangan sstem pengujan kecocokan objek testng terhadap gambar objek pada database : a. Pertama objek dbdk menggunakan kamera b. Selanjutnaya objek yang masuk ke dalam kamera akan dtamplkan dalam bentuk gambar bergerak atau vdeo. c. Pada tahap n, Vola Jones akan membentuk deteks wajah d. Kemudan gambar yang terdeteks oleh metode Vola Jones tersebut akan dmasukkan kedalam axes tersendr. e. Setelah gambar tersebut masuk kedalam axes, tahap selanjutnya adalah pengamblan gambar dengan meng-capture objek bergerak yang ada pada axes tersebut dan dtamplkan sebaga sebuah foto. f. Tahap selanjutnya adalah dar gambar tersebut akan dukur nla kecocokannya dengan kumpulan gambar yang ada d dalam folder database gambar dengam menggunakan teknk Prncpal Component nalyss. Untuk lebh jelasnya dapat dlhat melalu gambar berkut :

11 LUR KOMPUTER MTLB MTLB MTLB Objek kamera Deteks wajah Deteks wajah Gambar vdeo Foto wajah Gambar foto Proses Prncpal Component nalyss untuk Gambar foto Gambar vdeo Vola Jones Foto hasl DREKTOR SSTEM OPERS Database Proses Prncpal Component nalyss untuk kumpulan Gambar database PC Gambar 16. lur Perancangan Sstem Pencocokan Objek 4.4 Pengujan Sstem Pengujan n menggunakan model Black box. Berkut adalah gambar sstem untuk memasukkan data ke dalam drektor test : 1. Tamplan awal 2. Tamplan memasukkan foto dengan webcam Gambar 17. Tamplan awal aplkas Gambar 17. Tamplam nput Foto

12 3. Tamplan hasl Deteks Gambar 18. Tamplan Hasl Deteks foto Berdasarkan proses tersebut, ddapat hasl untuk proses pendeteksan menggunakan metode Vola Jones adalah sebaga berkut : Gambar 19. Hasl analss dengan Vola Jones 5. PEUTUP 5.1 Kesmpulan Berdasarkan pada hasl peneltan datas dapat dsmpulkan bahwa : Cara menguj kedua algortma tersebut adalah dengan menggunakan beberapa teknk pengamblan gambar, untuk Vola Jones, pengujan dlakukan dengan menggunakan sudut toleh, penghlangan komponen dan poss objek, sedangkan untuk PC menggunakan beberapa tahap penympanan objek dalam database, penggunaan aksesors pada objek, sudut toleh, penghlangan komponen, pencahayaan dan ekspres objek. 5.2 Saran Saran untuk peneltan selanjutnya dalam aspek metode adalah untuk dapat dtngkatkan ke pendeteksan multple objek secara bersamaan dan penngkatan kualtas gambar dengan metode-metode tertentu sebelum dlakukan perhtungan nla egenface, serta penngkatan d bdang perhtungan jarak antara data testng dengan data dalam database yang telah dlakukan perhtungan nla egenface-nya. Kemudan dar aspek perangkat keras, peneltan n juga dalap dtngkatkan lag, msalnya dengan penngkatan kualtas kamera dan komputer yang dgunakan. Dar seg mplementas, tentunya dperlukan

13 penngkatan terhadap berbaga macam model percobaan yang dlakukan, sehngga memperkecl kemungknan terjadnya kesalahan yang terjad oleh sstem yang dbuat. DFTR PUSTK ndr, Deteks cacat ubn kramk menggunakan teknk FS, Unverstas Bud Luhur Jakarta, Murnto, M, nalss Perbandngan Metode ntensty Flterng dengan Metede Frequency Flterng sebaga Reduks ose Ctra dgtal, ( Dakses 30 ovember ahla, Gentang Syabba, Trackng Bola Menggunakan Robotno, ( Undergraduate /14629), Dakses 30 ovember azor Z, Komputas Terapan Lanjutan, Unverstas Bud Luhur.2012 Praytno, Yustnus Pancasla, Haranto dan Madha Chrstan Wbowo, Rancang Bangun plkas Pendeteksan Bentuk dan Warna Benda pada Moble Robot Berbass Webcam, Jurnal STKOM, Vola, Paul dan Mchael Jones, Rapd Object Detecton usng a Boosted Cascade of Smple Features,CCEPTED COFERECE O COMPUTER VSO D PTTER RECOGTO, 2001.