PENGENALAN WAJAH MENGGUNAKAN METODE VIOLA JONES PADA INTELLIGENT HOME SECURITY SKRIPSI

Transkripsi

1 PENGENALAN WAJAH MENGGUNAKAN METODE VIOLA JONES PADA INTELLIGENT HOME SECURITY SKRIPSI Diajukan untuk memenuhi persyaratan guna meraih gelar Sarjana Strata I Teknik Elektro Universitas Muhammadiyah Malang Disusun Oleh : OKKY PALUPI WULANDARI JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2015 i

2 ii

3 iii

4 iv

5 LEMBAR PERSEMBAHAN Puji syukur kepada Allah SWT atas rahmat dan karunia-nya sehingga penulis dapat menyelesaikan Tugas Akhir ini. Penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada: 1. Kedua orang tua saya, Drs Bambang Pudjo Kisworo dan Raj. Emmy Herawati yang selalu mendoakan dan mendukung saya tiada bosannya. 2. Bapak Ir. M. Irfan, MT dan M. Chasrun Hasani,ST.,MT selaku pembimbing Tugas Akhir. 3. Ibu Ir. Nur Alif Mardiyah,MT selaku Kepala Jurusan Teknik Elektro Universitas Muhammadiyah Malang. 4. Bapak M. Chasrun Hasani,ST.,MT selaku Dosen Wali Jurusan Teknik Elektro C Angkatan Seluruh Bapak/Ibu Dosen dan Staf Kantor Jurusan Teknik Elektro Universitas Muhammadiyah Malang. 6. Kakag saya Ajeng Puspitasari dan adik saya Herlambang Putra yang selalu memberikan semangat. 7. M. Rizal Rahmansyah yang selalu menyemangati dan membantu selama proses pengerjaan skripsi hingga selesai. 8. Teman-teman seperjuangan, Ninin Krisinda, Rosmala Rachmawati, Rengga Maulana, Irfan Attamimi,, serta teman-teman Teknik Elektro C Angkatan Teman-teman Kost (Elza, Atika, Indri, Ayu, Santi, Andini, dll) trimakasih atas dukungan dan suportnya selama pengerjaan sekripsi. v

6 KATA PENGANTAR Dengan memanjatkan puji syukur kehadirat Allah SWT atas limpahan rahmat, nikmat, hidayah, dan ridho-nya, sehingga peneliti dapat menyelesaikan Tugas Akhir yang berjudul: PENGENALAN WAJAH MENGGUNAKAN METODE VIOLA JONES PADA INTELLIGENT HOME SECURITY Di dalam tulisan ini disajikan pokok-pokok bahasan yang meliputi perancangan sistem pengenalan wajah menggunakan metode Viola Jones secara real time. Selain itu, juga akan disampaikan mengenai pengujian-pengujian yang dilakukan dalam penelitian ini. Peneliti menyadari sepenuhnya bahwa dalam penulisan Tugas Akhir ini masih banyak kekurangan dan keterbatasan. Oleh karena itu peneliti mengharapkan saran yang membangun agar tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan kedepan. Malang, 06 Agustus 2015 Okky Palupi Wulandari vi

7 DAFTAR ISI Lembar Judul... Lembar Persetujuan... Lembar Pengesahan... Lembar Pernyataan... Abstrak... Abstract... Lembar Persembahan... Kata Pengantar... Daftar Isi... Daftar Gambar... Daftar Tabel... i ii iii iv v vi vii viii ix xii xiv BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Metodologi Sistematika Penulisan... 4 BAB II LANDASAN TEORI Computer Vision Computer Vision Proses Pada Computer Vision Proses Penangkapan Citra ( Image Acquisition ) Proses Pengolahan Citra ( Image Processing ) Analisa Data Citra ( Image Analysis ) Proses Pemahaman Data Citra ( Image Understanding ) Webcam Pengertian Webcam... 9 vii

8 2.2.2 Sejarah Webcam Cara Kerja Webcam Open CV C Sharp ( C # ) Pengertian C Sharp Sejarah C Sharp Pengertian Pola Pengertian Pola Pengenalan Pola Sistem Pengenalan Pola Konsep Dasar Pengenalan Pola Pengenalan Wajah Pengenalan Wajah Sejarah Pengenalan Wajah VIOLA JONES Fitur Haar Integral Image Adaboost ( Adaptive Boosting ) Cascade Of Classifier BAB III ANALISA DAN PERANCANGAN SYSTEM Diagram Sistem Wavelet Haar Flowchart Source Code Sistem Deteksi Wajah Perancangan Pengujian Sistem Tampilan Sistem BAB IV IMPLEMENTASI SISTEM DAN ANALISA Pengujian Jarak Wajah Terhadap Kamera Tujuan Peralatan Pengujian viii

9 4.1.3 Prosedur Pengujian Siang Malam Kesimpulan Pengujian Pengujian Pendeteksian Ketika Diberi Kondisi Lain Tujuan Peralatan Pengujian Prosedur Pengujian Pengujian Kesimpulan Pengujian Pengujian Pendeteksian Cahaya Tujuan Peralatan Pengujian Prosedur Pengujian Pengujian Kesimpulan Pengujian BAB V PENUTUP Kesimpulan Saran DAFTAR PUSTAKA ix

10 DAFTAR GAMBAR Gambar 2.1 Contoh Webcam... 9 Gambar 2.2 Sistem Pengenalan Pola dengan Pendekatan Statistik Gambar 2.3 Sistem Pengenalan Pola dengan Pendekatan Sintaktik Gambar 2.4 Rangkaian Pengenalan Pola Gambar 2.5 Macam macam variasi feature Pada Haar Gambar 2.6 Skema Kerja Haar Like Feature Gambar 2.7 Contoh Perhitungan Integral Image Gambar 2.8 Perhitungan Integral Image Gambar 2.9 Alat Kerja Klasifikasi Bertingkat Gambar 3.1 Diagram Sistem Gambar 3.2 Flowchart Gambar 3.3 Tampilan Awal Sistem Gambar 3.4 Tampilan Training Form Gambar 4.1 Jarak 25 cm Pada Siang Hari Gambar 4.2 Jarak 50 cm Pada Siang Hari Gambar 4.3 Jarak 75 cm Pada Siang Hari Gambar 4.4 Jarak 100 cm Pada Siang Hari Gambar 4.5 Jarak 125 cm Pada Siang Hari Gambar 4.6 Jarak 150 cm Pada Siang Hari Gambar 4.7 Jarak 175 cm Pada Siang Hari Gambar 4.8 Jarak 200 cm Pada Siang Hari Gambar 4.9 Jarak 225 cm Pada Siang Hari Gambar 4.10 Jarak 250 cm Pada Siang Hari Gambar 4.11 Jarak 25 cm Pada Malam Hari Gambar 4.12 Jarak 50 cm Pada Malam Hari Gambar 4.13 Jarak 75 cm Pada Malam Hari Gambar 4.14 Jarak 100 cm Pada Malam Hari x

11 Gambar 4.15 Jarak 125 cm Pada Malam Hari Gambar 4.16 Jarak 150 cm Pada Malam Hari Gambar 4.17 Jarak 175 cm Pada Malam Hari Gambar 4.18 Jarak 200 cm Pada Malam Hari Gambar 4.19 Jarak 225 cm Pada Malam Hari Gambar 4.20 Jarak 250 cm Pada Malam Hari Gambar 4.21 Kondisi Saat Menutup Mata Kanan Gambar 4.22 Kondisi Saat Menutup Mata Kiri Gambar 4.23 Kondisi Saat Menutup Kedua Mata Gambar 4.24 Kondisi Saat Menutup Bagian Wajah Sebelah Kiri Gambar 4.25 Kondisi Saat Menutup Bagian Wajah Sebelah Kanan Gambar 4.26 Kondisi Saat Menutup Mulut Gambar 4.27 Kondisi Saat Wajah Miring Ke Kanan Gambar 4.28 Kondisi Saat Wajah Miring Ke Kanan Gambar 4.29 Kondisi Saat Wajah Miring Ke Kanan Gambar 4.30 Kondisi Saat Wajah Miring Ke Kiri Gambar 4.31 Kondisi Saat Wajah Miring Ke Kiri Gambar 4.32 Kondisi Saat Wajah Miring Ke Kiri Gambar 4.33 Kondisi Saat Wajah Mendongak Ke Atas Gambar 4.34 Kondisi Saat Wajah Mendongak Ke Atas Gambar 4.35 Kondisi Saat Wajah Menunduk Gambar 4.36 Kondisi Saat Wajah Menunduk Gambar 4.37 Kondisi Saat Cahaya Sebesar 35 lux Gambar 4.38 Kondisi Saat Cahaya Sebesar 980 lux Gambar 4.39 Kondisi Saat Cahaya Sebesar 1212 lux Gambar 4.40 Kondisi Saat Cahaya Sebesar 1625 lux Gambar 4.41 Kondisi Saat Cahaya Sebesar 1765 lux xi

12 DAFTAR TABEL Tabel 4.1 Hasil Pengujian Jarak Wajah Terhadap Kamera xii

13 DAFTAR PUSTAKA [1] Lim, Resmana Pelacakan dan Pengenalan Wajah Menggunakan Webcam dan Metode Gabor Filter Jurusan Teknik Informatika, Universitas Kristen Petra [2] Nur Azizah, Ratna Pengenalan Wajah Dengan Subspace LDA ( Linear Discriminant Analysis ) Jurusan Teknik Elektro, Institut Teknologi Sepuluh November [3] Hengki Prima Ari Pradana, Setiawardhana, Sigit Wasista Verifikasi Wajah untuk Keamanan Ruangan Menggunakan Fuzzy C Means Jurusan Teknik Elektro, Poloteknik Elektronika Negeri Surabaya [4] Munir, Renaldi Pengolahan Citra Digital Jurusan Teknik Informatika, Institut Teknologi Bandung [5] Belance,L. Dan Nebot, A. (2002) Inteligence Data Analysis and Data Mining, Wright State University. Dayton USA. [6] Lienhart, Rainer and Jochen Maydt (2002). An extended set of haarlike features for rapid object detection. In: IEEE ICIP 2002, Vol.1, pp [7] Viola, P., Jones, M. J., Robust Real-Time Face Detection,International Journal of Computer Vision, Kluwer Academic, Netherlands, 2004 [8] Pratama Hakim, Jerry and Agung Santoso, Alexander and Sanjaya, Benny Perancangan Program Aplikasi Pendeteksian Bagian Tubuh dengan Metode Viola Jones Fakultas Ilmu Komputer, Universitas Bina Nusantara. [9] Dzulkamain, A. D., Dewantara, B. S., & Besar i, A. A. (2011). Pengendalian Robot Lengan Beroda Dengan Kamera Untuk Pengambilan Obyek. [10] Dina Chahyati (staf.cs.ui.ac.id/webkuliah/citra/2003/wavelet1.doc) diakses pada tanggal 28 Januari 2015 xiii