DAFTAR ISI v. ABSTRACT ii KATA PENGANTAR iii. DAFTAR GAMBAR.vii DAFTAR TABEL...ix

dokumen-dokumen yang mirip
PENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS

PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH SEBAGAI HASIL SINTESIS DENGAN TEKNIK MULTISCALE MARKOV RANDOM FIELD (MRF)

PERBANDINGAN PCA (PRINCIPAL COMPONENT ANALYSIS) DAN KERNEL PCA DALAM PENGENALAN WAJAH AKIBAT VARIASI POSE ABSTRAK

PENGENALAN WAJAH MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS ABSTRAK

PENGENALAN WAJAH MELALUI WEBCAM DENGAN METODA GABOR WAVELET-KERNEL FISHER ANALYSIS

PENGENALAN WAJAH DENGAN METODE ORTHOGONAL LAPLACIANFACES. Luhur Pribudhi ( )

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

FACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) ABSTRAK

Pengenalan Wajah Menggunakan Metode Support Vector Machine (SVM)

BAB I PENDAHULUAN. Sistem biometrik merupakan penerapan teknologi yang mempelajari

TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR

Pengenalan Warna Kulit Untuk Klasifikasi Ras Manusia Andy Putra P. Zebua /

PENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS)

Perbandingan Dua Citra Bibir Manusia Menggunakan Metode Pengukuran Lebar, Tebal dan Sudut Bibir ABSTRAK

PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE

REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION

IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK

Principal Component Analysis

IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION

PERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN ABSTRAK

BAB 1 PENDAHULUAN 1-1

PERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI

Kata kunci : citra, pendeteksian warna kulit, YCbCr, look up table

BAB I PENDAHULUAN. 1.1 Latar Belakang

Pengenalan Pola Karakter Tulisan Tangan Dengan Menggunakan Metoda Clustering Melalui Similarity Measure Approach

UNIVERSITAS BINA NUSANTARA

IDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET ABSTRAK

Ardhi Prasetya /

PENGENALAN WAJAH MENGGUNAKAN METODE REGRESI LINIER

Journal of Control and Network Systems

BAB I PENDAHULUAN. satu bagian sistem biometrika adalah face recognition (pengenalan wajah). Sistem

REALISASI SISTEM PENJEJAKAN WAJAH DENGAN ALGORITMA FISHERFACE BERBASIS RASPBERRY PI ABSTRAK

IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE ABSTRAK

PENGELOMPOKAN CITRA WAJAH DENGAN TEKNIK SUBSPACE CLUSTERING MENGGUNAKAN ALGORITMA LSA SC (LOCAL SUBSPACE AFFINITY SPECTRAL CLUSTERING)

PENERAPAN ALGORITMA EIGENFACE PADA SISTEM ABSENSI KARYAWAN BERBASIS WEBCAM SKRIPSI MAULINA SARI

BAB I PENDAHULUAN. individu dapat dibedakan dengan individu yang lain.

ABSTRAK. Michael Parlindungan ( ) Jurusan Teknik Elektro Universitas Kristen Maranatha

BAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,

Jurnal String Vol.1 No.2 Tahun 2016 ISSN : PRINCIPAL COMPONENT ANALYSIS UNTUK SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACE

DAFTAR ISI ABSTRAK... KATA PENGANTAR... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR LAMPIRAN Latar Belakang... 1

Pengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis)

ABSTRAK. Aplikasi Metode Viola Jones dan Eigenface Untuk Pengenalan Ekspresi Wajah Manusia

PENGENALAN WAJAH MANUSIA DENGAN METODE PRINCIPLE COMPONENT ANALYSIS (PCA)

ABSTRAK. Kata kunci : Principal Component Analysis, Linear Discriminant Analysis, Pengenalan wajah

UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MELALUI PENGENALAN CITRA WAJAH MENGGUNAKAN ALGORITMA EIGENFACE

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

SISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE TUGAS AKHIR. Febrian Ardiyanto NIM :

PERANCANGAN DAN PENGEMBANGAN SISTEM DETEKSI RINTANGAN MENGGUNAKAN METODE HAAR-LIKE FEATURE PADA BRAIN-CONTROLLED WHEELCHAIR

PENGGABUNGAN DUA CITRA DENGAN METODE COMPRESSIVE SENSING MENGGUNAKAN MATLAB

IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK

PENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

DAFTAR ISI. ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI...v DAFTAR GAMBAR...viii DAFTAR TABEL...x

Kata kunci : Slant correction, jaringan saraf tiruan, multilayer perceptron, backpropagation.

BAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem

BAB 3 PERANCANGAN SISTEM

IDENTIFIKASI WAJAH MANUSIA BERDASARKAN PERBANDINGAN PARAMETER TINGGI HIDUNG, LEBAR HIDUNG DAN JARAK MATA. Yusriani Laa Baan

IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK

PENGARUH UJI TUKEY TERHADAP VERIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN

PENGENALAN WAJAH MANUSIA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN JARINGAN SYARAF TIRUAN ADAPTIVE RESONANCE THEORY TWO (ART-2)

VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK

BAB 2 LANDASAN TEORI

SISTEM PENGAMANAN HANDPHONE MENGGUNAKAN FACE RECOGNITION BERBASIS ANDROID

UNIVERSITAS BINA NUSANTARA

SISTEM VERIFIKASI ONLINE MENGGUNAKAN BIOMETRIKA WAJAH

BAB I PERSYARATAN PRODUK

PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION

IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK

IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM

ABSTRAK Pada Tugas Akhir ini dirancang dan direalisasikan perangkat pendeteksi nilai

PERANCANGAN PERANGKAT LUNAK PENGENALAN WAJAH DENGAN METODE EIGENFACE SKRIPSI MUHAMMAD SYUKUR HUTAGALUNG

EKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH. Oleh: Kholistianingsih

Perancangan Perangkat Lunak Pengenal Tulisan Tangan Sambung Menggunakan Jaringan Saraf Tiruan Dengan Metode Hopfield

PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS

Blind Watermarking Citra Digital Pada Komponen Luminansi Berbasis DCT (Discrete Cosine Transform) Irfan Hilmy Asshidiqi ( )

BAB 1 PENDAHULUAN. 1. Sistem pengawasan atau surveillance system

PENGKODEAN CITRA MENJADI DUA BUAH CITRA BAYANG DAN PENDEKODEAN MENJADI CITRA ASAL ABSTRAK

BAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media

PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI JARAK EUCLIDEAN TERNORMALISASI SKRIPSI FUJI FRILLA KURNIA

BAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.

Pengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA)

PENGENALAN EMOSI SESEORANG BERDASARKAN BENTUK BIBIR DENGAN METODE DISCRETE HARTLEY TRANSFORM ABSTRAK

PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR

Perbandingan Metode K Nearest Neighbor dan K Means Clustering dalam Segmentasi Warna pada Citra ABSTRAK

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D

BAB 3 PROSEDUR DAN METODOLOGI

FUSI CITRA BERBASIS COMPRESSIVE SENSING

SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST)

REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)

APLIKASI PENGOLAHAN CITRA DIGITAL DALAM MENGHITUNG JUMLAH SUATU OBJEK PADA SUATU DAERAH PENGAMATAN ABSTRAK

PENGEMBANGAN APLIKASI PENGENAL WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN OPENCV AHMAD BASUKI

PERBANDINGAN DUA CITRA HIDUNG MENGGUNAKAN PARAMETER JARAK DARI HIDUNG KE DAHI DAN KE DAGU, JUMLAH PIXEL, DAN SUDUT

ANALISIS KOMPONEN UTAMA MENGGUNAKAN METODE EIGENFACE TERHADAP PENGENALAN CITRA WAJAH

IDENTIFIKASI SESEORANG BERDASARKAN CITRA SILUET ORANG BERJALAN MENGGUNAKAN SUDUT SETENGAH KAKI

VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK

SEGMENTASI BARIS DAN KATA DARI TULISAN TANGAN MENGGUNAKAN METODE HOUGH TRANSFORM PADA APLIKASI GRAFOLOGI

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang

PENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS. Skripsi

Transkripsi:

ABSTRAK Dalam laporan tugas akhir ini dijelaskan mengenai suatu sistem pengenal identitas manusia dengan menggunakan wajah sebagai pengenalnya, atau yang lebih dikenal dengan Face Recognition. Tujuan dari sistem yang dibuat adalah untuk menentukan sebuah citra apakah berupa wajah atau tidak. Metode Face Recognition yang digunakan dalam tugas akhir ini adalah metode eigenface yang diperkenalkan oleh Turk dan Pentland (1991) yang menggunakan teknik PCA (Principal Component Analysis) yang dikembangkan oleh Kirby dan Sirovich (1987). Sistem yang dibuat dalam tugas akhir ini dibagi ke dalam dua modul utama, yaitu konstruksi eigenface dan pengenalan. Dalam modul pertama dibentuk suatu set eigenface dari suatu training set dan dihitung bobotnya masingmasing. Pada modul kedua dilakukan proses pengenalan dengan cara memproyeksikan gambar masukan terhadap eigenface atau menghitung jarak euklidis minimumnya dari masing-masing input terhadap eigenface yang telah dibentuk. Pengujian dilakukan dengan input gambar wajah yang terdapat pada training set dengan input gambar wajah tidak dikenal, dan bukan wajah. Hasil pengamatan yang didapat adalah bahwa jarak euklidis maksimum untuk suatu wajah kira-kira 15000 dan jarak euklidis minimumnya adalah di sekitar 11000. i

ABSTRACT In this final project is explained about human identification system using face as an identity and later we call it face recognition. The purpose from the system that is builded to make decision if a picture represent a person image or not. The method that used in this final project is eigenface method. This method is proposed by Turk and Pentland (1991) using PCA (Principal Component Analysis) technique that developed by Kirby and Sirovich (1987). The system is divided into two main stage, they are eigenface construction, and recognition. The first stage construct a set of eigenface from training set and measure the weight of every image on the training set. The recognition process is applied in the last stage to project the input face to the eigenface or measuring the minimum Euclidean distance for every input to the eigenface. Tested image are input face image from the training set, with input face image an unknown face, and not a face image. The final result represents the maximum Euclidean distance for a face is approximately 15000 and the minimum is around 11000. ii

DAFTAR ISI ABSTRAK i ABSTRACT ii KATA PENGANTAR iii DAFTAR ISI v DAFTAR GAMBAR.vii DAFTAR TABEL...ix BAB I PENDAHULUAN I.1 Latar Belakang 1 I.2 Perumusan Masalah 3 I.3 Tujuan.3 I.4 Pembatasan Masalah...3 I.5 Sistematika Pembahasan.3 BAB II DASAR TEORI II.1 Pengertian Citra..6 II.1.1 Citra.. 6 II.1.2 Bitmap...... 6 II.2 Konsep Dasar Pengolahan Citra.6 II.3 Face Recognition...7 II.4 Ekualisasi Histogram.....8 II.5 Segmentasi Warna.....8 II.6 Morfologi...9 II.7 Normalisasi... 10 II.8 Contoh Aplikasi...10 v

BAB III IMPLEMENTASI ALGORITMA EIGENFACE DAN REALISASI PERANGKAT LUNAK III.1 Eigenface.... 13 III.1.1 Algoritma Eigenface.....13 III.1.2 Pengenalan Menggunakan Eigenface...15 III.2 Realisasi Perangkat Lunak.....16 III.2.1 Konstruksi Eigenface....18 III.2.2 Perhitungan Bobot Eigenface..19 III.2.3 Pengenalan (Recognition).....20 BAB IV HASIL PENGAMATAN DAN ANALISA DATA IV.1 Konstruksi Eigenface.....22 IV.2 Pengenalan (recognition).... 25 IV.3 Pengenalan Pada Gambar Input Yang Terdapat Dalam Training Set....27 IV.4 Pengenalan Pada Gambar Input Yang Tidak Terdapat Dalam Training Set 32 IV.5 Pengenalan Pada Gambar Input Yang Tidak Terdapat Dalam Training Set Dan Bukan Wajah...37 IV.6 Hasil Pengamatan... 43 IV.7 Analisa Hasil Pengamatan.. 49 BAB V KESIMPULAN DAN SARAN V.1 Kesimpulan......51 V.2 Saran.51 DAFTAR PUSTAKA LAMPIRAN A Listing Program Eigenface...... A1 vi

DAFTAR GAMBAR Gambar II.1 Gambar II.2 : Blok Diagram Face Recognition....7 : Blok Diagram Aplikasi Sistem Autentikasi Visa Dan Paspor.11 Gambar III.1 : Diagram Blok Perancangan Sistem Pengenalan Wajah Menggunakan Metode Eigenface.....15 Gambar III.2 :Diagram Alir Proses Pengenalan Wajah Menggunakan Eigenface.. 16 Gambar III.3 : Diagram Alir Sub Program Konstruksi Eigenface..17 Gambar III.4 : Diagram Alir Sub Program Perhitungan Bobot Eigenface Pada Training Set..19 Gambar III.5 : Diagram Alir Sub Program Perhitungan Bobot Eigenface Pada Gambar Baru 19 Gambar IV.1 : Training Set Untuk Membentuk Set Eigenface...21 Gambar IV.2 : Training Set Setelah Di Normalisasi 22 Gambar IV.3 : Average Face..........23 Gambar IV.4 : Set Eigenface...23 Gambar IV.5 : Gambar Input 1 Dan Gambar Rekonstruksinya..24 Gambar IV.6 : Bobot Dan Jarak Euklidis Gambar Input 1......25 Gambar IV.7 : Training Set Untuk Gambar Input Yang Akan Dicoba....26 Gambar IV.8 : Gambar Input 8 Dan Gambar Rekonstruksinya..27 Gambar IV.9 : Bobot Dan Jarak Euklidis Gambar Input 8......27 Gambar IV.10 : Gambar Input 10 Dan Gambar Rekonstruksinya......28 Gambar IV.11 : Bobot Dan Jarak Euklidis Gambar Input 10....28 Gambar IV.12 : Gambar Input 32 Dan Gambar Rekonstruksinya...29 Gambar IV.13 : Bobot Dan Jarak Euklidis Gambar Input 32....29 Gambar IV.14 : Gambar Input 56 Dan Gambar Rekonstruksinya...30 Gambar IV.15 : Bobot Dan Jarak Euklidis Gambar Input 56....30 Gambar IV.16 : Gambar Input Baru 1 Dan Gambar Rekonstruksinya..31 vii

Gambar IV.17 : Bobot Dan Jarak Euklidis Gambar Input Baru 1.32 Gambar IV.18 : Gambar Input Baru 2 Dan Gambar Rekonstruksinya..32 Gambar IV.19 : Bobot Dan Jarak Euklidis Gambar Input Baru 3.33 Gambar IV.20 : Gambar Input Baru 3 Dan Gambar Rekonstruksinya..33 Gambar IV.21 : Bobot Dan Jarak Euklidis Gambar Input Baru 3.34 Gambar IV.22 : Gambar Input Baru 4 Dan Gambar Rekonstruksinya..34 Gambar IV.23 : Bobot Dan Jarak Euklidis Gambar Input Baru 4.35 Gambar IV.24 : Gambar Input Baru 5 Dan Gambar Rekonstruksinya..35 Gambar IV.25 : Bobot Dan Jarak Euklidis Gambar Input Baru 5.36 Gambar IV.26 : Gambar Input Bukan Wajah 1 Dan Gambar Rekonstruksinya...37 Gambar IV.27 : Bobot Dan Jarak Euklidis Gambar Input Bukan Wajah 1...37 Gambar IV.28 : Gambar Input Bukan Wajah 2 Dan Gambar Rekonstruksinya...38 Gambar IV.29 : Bobot Dan Jarak Euklidis Gambar Input Bukan Wajah 2...38 Gambar IV.30 : Gambar Input Bukan Wajah 3 Dan Gambar Rekonstruksinya...39 Gambar IV.31 : Bobot Dan Jarak Euklidis Gambar Input Bukan Wajah 3...39 Gambar IV.32 : Gambar Input Bukan Wajah 4 Dan Gambar Rekonstruksinya...40 Gambar IV.33 : Bobot Dan Jarak Euklidis Gambar Input Bukan Wajah 4...40 Gambar IV.34 : Gambar Input Bukan Wajah 5 Dan Gambar Rekonstruksinya...41 Gambar IV.35 : Bobot Dan Jarak Euklidis Gambar Input Bukan Wajah 5...41 Gambar IV.36 : Grafik Untuk Tabel IV.3 Dengan Input B1-B5...45 Gambar IV.37 : Grafik Untuk Tabel IV.3 Dengan Input B6-B10.....45 Gambar IV.38 : Grafik Untuk Tabel IV.4 Dengan Input Bw1-Bw5. 47 Gambar IV.39 : Grafik Untuk Tabel IV.4 Dengan Input Bw6-Bw10...48 viii

DAFTAR TABEL Tabel IV.1 Tabel IV.2 Tabel IV.3 Tabel IV.4 : Jarak Euklidis Maksimum Dan Minimum Semua Gambar Training Set Yang Dicoba 42 : Jarak Euklidis Maksimum Dan Minimum Input Baru Dan Bukan Wajah...43 : Beda Jarak Euklidis Minimum Antara Training Set Dengan Input Baru..43 : Beda Jarak Euklidis Min Antara Training Set Dengan Input Bukan Wajah 46 ix