UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005

Transkripsi

1 UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005 PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANS FORMAS I WAVELET DIS KRIT D AN JARINGAN S ARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jeffri Abstrak Skripsi ini membahas mengenai sistem pengenalan citra wajah dengan menggunakan Transformasi Wavelet Diskrit dan jaringan saraf tiruan back-propagation. Transformasi Wavelet Diskrit memproses citra masukan untuk mendapatkan fitur penting yang terdapat pada citra wajah. Fitur tersebut kemudian diklasifikasikan dengan menggunakan jaringan saraf tiruan back-propagation agar citra masukan dapat diidentifikasi. Pengujian sistem menggunakan citra wajah dari AT&T Database of Faces sebanyak 400 citra yang terdiri dari 40 individu dan citra wajah hasil tangkapan webcamera sebanyak 100 citra yang terdiri dari 10 individu. Tingkat akurasi pengenalan pada AT&T Database of Faces mencapai 93.5%, sedangkan tingkat akurasi pengenalan pada citra tangkapan web-camera mencapai 96%. Pengujian juga dilakukan terhadap citra AT&T Database of Faces yang diberi noise. Ternyata noise pada citra tidak memberikan pengaruh yang berarti terhadap tingkat akurasi pengenalan. Kata Kunci : Pengenalan wajah, Transformasi Wavelet Diskrit, jaringan saraf tiruan, backpropagation. vi

2 KATA PENGANTAR Puji dan syukur kami ucapkan kepada Tuhan Yang Maha Esa yang telah membimbing kami dalam menyelesaikan skripsi yang berjudul Pengenalan Citra Wajah dengan Menggunakan Transformasi Wavelet Diskrit dan Jaringan Saraf Tiruan Back- Propagation. Skripsi ini disusun dengan tujuan untuk memenuhi syarat kelulusan jenjang studi Strata-1 (S1) jurusan Teknik Informatika di Universitas Bina Nusantara. Tak lupa pada kesempatan ini kami mengucapkan terima kasih atas segala bantuan dan dorongan yang telah diberikan oleh : Bapak Evermy Vem, M.Sc selaku Pejabat Rektor Universitas Bina Nusantara yang telah memberikan kesempatan kepada kami untuk menempuh pendidikan di Universitas Bina Nusantara Bapak Ir. Sablin Yusuf, M.Sc. M.Comp.Sc. selaku Dekan Fakultas Ilmu Komputer, Bapak H. Mohammad Subekti, BE, M.Sc. selaku Ketua Jurusan Teknik Informatika, dan Freddy Purnomo, S.Kom, M.Kom. selaku Sekretaris Jurusan Teknik Informatika Universitas Bina Nusantara yang telah memberikan kesempatan, kepercayaan, serta saran dalam penyusunan skripsi ini. Ibu Anny Tandyo, S.Kom, M.Sc. selaku dosen pembimbing yang telah menyediakan banyak waktu untuk membantuk, memberikan sumbangan pemikiran, serta membimbing penulis dalam menyelesaikan masalah-masalah yang kami temui selama penyusunan skripsi. vii

3 ATL (Applied Technology Laboratory) Universitas Bina Nusantara yang telah memberikan fasilitas komputer dan peminjaman buku, pemeriksaan kelengkapan dokumen/skripsi, serta simulasi ujian pendadaran berupa pra-sidang skripsi. Orang tua serta keluarga kami yang telah memberikan dukungan dan nasehat yang membangun dalam menyelesaikan skripsi ini. Rekan-rekan mahasiswa Universitas Bina Nusantara yang secara langsung maupun tidak langsung telah memberikan dukungan kepada kami. Dengan segala kerendahan hati, kami sangat mengharapkan saran dan kritik untuk membangun skripsi ini. Akhir kata, kami berharap agar skripsi ini dapat memberikan manfaat bagi semua pembaca dan semua pihak yang berkepentingan. Atas segala perhatiannya, kami ucapkan terima kasih sebanyak-banyaknya. Jakarta, 19 Juni 2005 Tim Penulis viii

4 DAFTAR ISI Halaman Judul Luar... i Halaman Judul Dalam... ii Halaman Persetujuan Hardcover... iii Halaman Pernyataan Dewan Penguji... iv Abstrak... vi Kata Pengantar... vii Daftar Isi... ix Daftar Tabel... xiv Daftar Gambar... xvi BAB 1 PENDAHULUAN Latar Belakang Ruang Lingkup Tujuan dan Manfaat Metodologi Penelitian Sistematika Penulisan... 5 BAB 2 LANDASAN TEORI Citra Definisi Citra Pengolahan Citra Konvolusi Grayscaling... 9 ix

5 2.1.5 Normalisasi Histogram Computer Vision Sistem Pengenalan Wajah Ekstraksi Fitur Principal Component Analysis (PCA) Discrete Cosine Transform (DCT) Transformasi Wavelet Transformasi Wavelet Kontinu Transformasi Wavelet Diskrit Transformasi Wavelet dalam Sistem Pengenalan Wajah Jaringan Saraf Tiruan Definisi Jaringan Saraf Tiruan Komponen Jaringan Saraf Tiruan Fungsi Aktivasi Arsitektur Jaringan Saraf Tiruan Metode Pembelajaran Back-Propagation BAB 3 PERANCANGAN SISTEM Gambaran Umum Tahap Pengambilan Input Pemrosesan Awal Grayscaling x

6 3.3.2 Normalisasi Histogram Tahap Ekstraksi Fitur Transformasi Wavelet Diskrit Tahap Klasifikasi Pelatihan Jaringan Saraf Tiruan Back-Propagation Normalisasi Koefisien Wavelet Strategi Representasi Data Output Penentuan Nilai Weight Awal Inisialisasi Input dan Target Output Proses Komputasi Forward Proses Komputasi Backward Proses Update Weight Batas Pelatihan Penentuan Identitas Inisialisasi Input Komputasi Forward Perancangan Proses Modul Pemrosesan Awal Modul Ekstraksi Fitur Modul Klasifikasi Perancangan Database Perancangan Layar Perancangan Layar Input Pola Masukan xi

7 3.8.2 Perancangan Layar Pelatihan Pola Masukan Perancangan Layar Identifikasi Wajah Perancangan Layar Penambahan Nama Baru Perancangan Layar Konfigurasi Sistem BAB 4 IMPLEMENTASI DAN EVALUASI Spesifikasi Sistem Spesifikasi Perangkat Keras Spesifikasi Perangkat Lunak Prosedur Operasional Prosedur Evaluasi Pengujian pada AT&T Database of Faces Evaluasi Pengaruh Jumlah Node pada Hidden Layer Evaluasi Pengaruh Learning Rate Evaluasi Pengaruh Target Error Evaluasi Pengaruh Jumlah Data Pelatihan Per Subjek Evaluasi Pengaruh Jumlah Subjek Evaluasi Pengaruh Level Dekomposisi Wavelet Pengujian pada Citra Tangkapan Web-Camera Evaluasi Pengaruh Jumlah Node pada Hidden Layer Evaluasi Pengaruh Jumlah Data Pelatihan Per Subjek Evaluasi Pengaruh Jumlah Subjek Evaluasi Pengaruh Level Dekomposisi Wavelet Evaluasi Pengaruh Noise xii

8 4.7 Evaluasi Pengaruh Penggunaan Koefisien DWT Detil Evaluasi Aplikasi Secara Umum Rangkuman Hasil Evaluasi Secara Keseluruhan BAB 5 SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA RIWAYAT HIDUP LAMPIRAN... L1 A. Citra Wajah AT&T Database of Faces... L1 B. Citra Wajah AT&T Database of Faces dengan Noise... L12 C. Lampiran Citra Wajah Tangkapan Web-Camera... L15 D. Listing Program... L18 xiii

9 DAFTAR TABEL Tabel 2.1 Tabel Perbadingan Metode PCA, DCT dan DWT Tabel 3.2 Tabel Database Subjek Tabel 3.2 Tabel Database Pola Masukan Tabel 4.1 Tabel Data Hasil Pengujian Pengaruh Jumlah Node Hidden Layer pada AT&T Database of Faces Tabel 4.2 Tabel Data Hasil Pengujian Pengaruh Learning Rate pada AT&T Database of Faces Tabel 4.3 Tabel Data Hasil Pengujian Pengaruh Target Error pada AT&T Database of Faces Tabel 4.4 Tabel Data Hasil Pengujian Pengaruh Jumlah Data Pelatihan Per Subjek pada AT&T Database of Faces Tabel 4.5 Tabel Data Hasil Pengujian Pengaruh Jumlah Subjek pada AT&T Database of Faces Tabel 4.6 Tabel Data Hasil Pengujian Pengaruh Level Dekomposisi Wavelet pada AT&T Database of Faces Tabel 4.7 Tabel Data Hasil Pengujian Pengaruh Jumlah Node Hidden Layer pada Citra Tangkapan Web-Camera Tabel 4.8 Tabel Data Hasil Pengujian Pengaruh Jumlah Data Pelatihan Per Subjek pada Citra Tangkapan Web-Camera Tabel 4.9 Tabel Data Hasil Pengujian Pengaruh Jumlah Subjek pada Citra Tangkapan Web-Camera xiv

10 Tabel 4.10 Tabel Data Hasil Pengujian Pengaruh Level Dekomposisi Wavelet pada Citra Tangkapan Web-Camera Tabel 4.11 Tabel Data Hasil Pengujian Pengaruh Noise Tabel 4.12 Tabel Data Hasil Pengujian Pengaruh Penggunaan Koefisien DWT Detil Tabel 4.13 Tabel Konfigurasi Sistem yang Optimal Tabel 4.14 Tabel Rangkuman Hasil Pengujian yang Optimal Tabel 4.15 Tabel Rangkuman Hasil Pengujian Pengaruh Noise xv

11 DAFTAR GAMBAR Gambar 2.1 Ilustrasi Citra Kecil (kiri) dan Kernel (kanan) pada Konvolusi... 9 Gambar 2.2 Sistem Computer Vision Gambar 2.3 Perbandingan Proses pada PCA dengan DCT / DWT Gambar 2.4 Ilustrasi Algoritma Dekomposisi Wavelet Gambar 2.5 Transformasi Wavelet pada Sinyal 1-D dan Sinyal 2-D (Citra) Gambar 2.6 Model Neuron Gambar 2.7 Fungsi Identitas Gambar 2.8 Fungsi Tangga Gambar 2.9 Fungsi Sigmoid Gambar 2.10 Fungsi Hypertangent Gambar 2.11 Jaringan Saraf Tiruan Lapis Tunggal Gambar 2.12 Jaringan Saraf Tiruan Lapis Banyak Gambar 3.1 Tahap-Tahap dalam Sistem Pengenalan Wajah Gambar 3.2 Tahap Pengambilan Input Gambar 3.3 Tahap Pemrosesan Awal Gambar 3.4 Proses Grayscaling Gambar 3.5 Histogram Citra Asli dan Histogram Hasil Normalisasi Gambar 3.6 Tahap Ekstraksi Fitur Gambar 3.7 Dekomposisi Wavelet pada Level Gambar 3.8 Dekomposisi Wavelet 3 Level Gambar 3.9 Koefisien DWT Citra Global pada Level xvi

12 Gambar 3.10 Tahap Klasifikasi Gambar 3.11 Tahap Pelatihan Jaringan Saraf Tiruan Back-Propagation Gambar 3.12 Ilustrasi Strategi Representasi Data Output Gambar 3.13 Ilustrasi Tahap Inisialisasi Input dan Target Output pada Jaringan Saraf Tiruan Back-Propagation Gambar 3.14 Tahap Komputasi Forward Gambar 3.15 Tahap Komputasi Backward Gambar 3.16 Tahap Eksekusi Jaringan Saraf Tiruan Back-Propagation Gambar 3.17 Rancangan Layar Input Pola Masukan Gambar 3.18 Rancangan Layar Pelatihan Pola Masukan Gambar 3.19 Rancangan Layar Identifikasi Wajah Gambar 3.20 Rancangan Layar Penambahan Nama Baru Gambar 3.21 Rancangan Layar Konfigurasi Umum Gambar 3.22 Rancangan Layar Konfigurasi Jaringan Saraf Tiruan Back- Propagation Gambar 4.1 Layar Mode Input Pola Masukan Gambar 4.2 Layar Mode Pelatihan Pola Gambar 4.3 Layar Mode Pengenalan Wajah Gambar 4.4 Layar Capture Menggunakan Web-Camera Gambar 4.5 Layar Konfigurasi Sistem Gambar 4.6 Layar Informasi Pola yang Terdapat di Database Gambar 4.7 Layar Penambahan Nama Subjek Baru Gambar 4.8 Layar Informasi Aplikasi xvii

13 Gambar 4.9 Contoh Citra Wajah pada AT&T Database of Faces Gambar 4.10 Grafik Pengaruh Jumlah Node Hidden Layer Terhadap Perubahan Tingkat Akurasi Pengenalan pada AT&T Database of Faces Gambar 4.11 Grafik Pengaruh Learning Rate Terhadap Perubahan Tingkat Akurasi Pengenalan pada AT&T Database of Faces Gambar 4.12 Grafik Pengaruh Target Error Terhadap Perubahan Tingkat Akurasi Pengenalan pada AT&T Database of Faces Gambar 4.13 Grafik Pengaruh Jumlah Data Pelatihan Per Subjek Terhadap Tingkat Akurasi Pengenalan pada AT&T Database of Faces Gambar 4.14 Grafik Pengaruh Jumlah Subjek Terhadap Tingkat Akurasi Pengenalan pada AT&T Database of Faces Gambar 4.15 Grafik Pengaruh Level Dekomposisi Wavelet Terhadap Tingkat Akurasi Pengenalan pada AT&T Database of Faces Gambar 4.16 Contoh Citra Wajah pada Citra Tangkapan Web-Camera Gambar 4.17 Grafik Pengaruh Jumlah Node Hidden Layer Terhadap Perubahan Tingkat Akurasi Pengenalan pada Citra Tangkapan Web-Camera Gambar 4.18 Grafik Pengaruh Jumlah Data Pelatihan Per Subjek Terhadap Perubahan Tingkat Akurasi Pengenalan pada Citra Tangkapan Web- Camera Gambar 4.19 Grafik Pengaruh Jumlah Subjek Terhadap Perubahan Tingkat Akurasi Pengenalan pada Citra Tangkapan Web-Camera Gambar 4.20 Grafik Pengaruh Level Dekomposisi Wavelet Terhadap Tingkat Akurasi Pengenalan pada Citra Tangkapan Web-Camera xviii

14 Gambar 4.21 Contoh Citra Wajah pada AT&T Database of Faces dengan Noise Gambar 4.22 Grafik Perbandingan Tingkat Akurasi Pengenalan Akibat Pengaruh Noise Gambar 4.23 Grafik Perbandingan Tingkat Akurasi Pengenalan Akibat Pengaruh Penggunaan Koefisien DWT Detil xix