Powered by TCPDF (www.tcpdf.org) WAJAH DENGAN PENGOLAHAN CITRA DIGITAL Marlina Novalinda Br Purba¹, Achmad Rizal², Suryo Adhi Wibowo³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Teknologi pengolahan citra semakin berkembang belakangan ini. Banyak aplikasi pengolahan citra yang sangat bermanfaat untuk keperluan deteksi, security, kesehatan dan lainnya, sehingga banyak bidang yang menggunakan teknologi pengolahan citra sebagai teknologi dasar untuk membantu menyelesaikan masalah yang terkait dengan bidang tersebut. Identifikasi wajah merupakan hal yang sangat penting dan sangat diperlukan khususnya dalam bidang keamanan untuk mengetahui identitas seseorang karena banyak informasi yang dapat kita peroleh dari identifikasi wajah seseorang. Pada Tugas Akhir ini dirancang suatu sistem yang mampu mendeteksi kelompok umur dan gender pada wajah berdasarkan pada kontur wajah. Adapun sistem yang dirancang menggunakan metode thresholding untuk proses klasifikasi yang diperoleh dari ekstraksi fitur wajah pada citra. Untuk fitur wajah yang diekstraksi hanya menggunakan fitur geometri meliputi jarak antar komponen penting wajah dan fitur kerutan pada bagian dahi, sudut mata dan daerah pipi. Berdasarkan hasil penelitian yang telah dilakukan terhadap 49 citra, sistem yang dirancang telah mampu mendeteksi usia dan gender dari citra wajah input dengan tingkat akurasi 71,42% untuk klasifikasi usia dan 82,5% untuk klasifikasi gender. Kata Kunci : Thresholding, fitur geometri, fitur kerutan, kontur wajah Abstract Image processing technology is growing lately. Many image processing applications are very useful for the purposes of detection, security, health and others, so many areas that use image processing technology as the basic technology to help solve problems associated with that field. Facial identification is very important and very necessary, especially in the security field to determine a person's identity because a lot of information that can be obtained from the identification of a person's face. In the Final Project was designed a system capable of detecting age group and gender of the face based on facial contour. The system is designed using a thresholding method to the classification obtained from the extraction of facial features in images. For the facial features are extracted using only geometric features include an important component of the distance between facial features and wrinkles on the forehead, corners of the eyes and cheek area. Based on the results of the research has been done on 49 images, which are designed system has been able to detect age and gender of the input face image with an accuracy of age group is 71,42% and for gender is 82,5%. Keywords : Thresholding, feature geometry, feature wrinkles, facial contours
BAB I PENDAHULUAN BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi pengolahan citra terutama dalam hal recognition dari waktu ke waktu berkembang dengan semakin cepat dan banyak dimanfaatkan dalam kehidupan sehari-hari. Seiring perkembangan ini, banyak sekali sistem pengenalan manusia yang dilakukan dengan memanfaatkan teknologi pengolahan citra. Salah satu bagian tubuh manusia yang banyak digunakan untuk sistem recognition ini adalah wajah. Hal ini dikarenakan berdasarkan penelitian yang telah dilakukan selama bertahun-tahun, diketahui bahwa wajah manusia menyimpan begitu banyak informasi yang bisa digali. Begitu banyak teknologi yang digunakan untuk proses pengenalan wajah. Salah satu proses yang paling sering digunakan dan sangat berhubungan erat dengan sistem pengenalan wajah itu sendiri adalah teknologi biometrik. Teknologi biometrik ini bekerja dengan memanfaatkan bagian tubuh manusia, dalam hal ini wajah, untuk proses pengenalan yang dilakukan, dimana sistem ini akan melakukan pengenalan bentuk dan kecenderungan sifat dari ciri dan karakteristik wajah seseorang. Secara umum, teknik pengolahan citra untuk mengidentifikasi wajah melalui beberapa tahapan penting yaitu pendeteksian wajah, ekstraksi ciri dan yang terakhir adalah pengenalan. Deteksi wajah merupakan tahap untuk menentukan dan memisahkan bagianbagian dari suatu citra diam yang dianggap sebagai wajah menjadi beberapa bagian yang lebih spesifik. Tahap kedua adalah tahap ekstraksi, dimana kita mengambil dan mengolah fitur-fitur atau bagian-bagian spesifik sebelumnya untuk memperoleh ciri khususnya yang akan membedakannya dengan citra wajah lainnya dan tahap yang terakhir adalah tahap pengenalan wajah untuk identifikasi identitas seseorang. Melalui sistem pengenalan wajah ini, kita bisa memperoleh usia, gender, ras dan berbagai informasi lainnya dari citra wajah yang kita teliti. Namun, dalam Tugas Akhir ini, penulis melakukan sistem pengenalan wajah untuk melakukan klasifikasi usia yang terdiri dari bayi, anak-anak, remaja, dewasa dan tua WAJAH DENGAN PENGOLAHAN CITRA DIGITAL 1
BAB I PENDAHULUAN serta klasifikasi gender yang terdiri dari pria dan wanita. Klasifikasi ini dilakukan dengan proses thesholding terhadap fitur-fitur wajah yang diekstraksi, yaitu fitur geometri (fitur jarak) dan fitur kerutan. 1.2 Tujuan Adapun tujuan dari Tugas Akhir ini adalah : 1. Merancang suatu sistem yang mampu mendeteksi kelompok usia dan gender suatu citra diam berbasis pengolahan citra digital. 2. Melakukan simulasi hasil perancangan sistem dengan membuat program menggunakan matlab. 3. Menganalisa akurasi dari hasil deteksi kelompok usia dan gender melalui citra wajah yang telah dilakukan. 1.3 Rumusan Masalah Adapun masalah yang dibahas dan diteliti dalam Tugas Akhir ini dapat dirumuskan sebagai berikut 1. Bagaimana merancang suatu sistem yang mampu mendeteksi kelompok usia dan gender berbasis pengolahan citra digital? 2. Bagaimana melakukan simulasi perancangan sistem dengan menggunakan program pada matlab? 3. Berapa besar tingkat akurasi dari hasil deteksi kelompok usia dan gender melalui citra wajah berbasiskan pengolahan citra digital yang telah dilakukan? 1.4 Batasan Masalah Untuk penelitian yang dilakukan pada Tugas akhir ini diberi beberapa batasan antara lain: 1. Perangkat lunak yang digunakan adalah matlab R2009a 2. Parameter yang diukur dan digunakan untuk klasifikasi adalah nilai threshold dari densitas dan kedalaman kerutan pada area wajah dan jarak antara titik-titik penting komponen wajah. 3. Klasifikasi usia dibagi menjadi bayi, anak-anak, remaja, dewasa dan tua. 4. Proses yang dilakukan bersifat off line. WAJAH DENGAN PENGOLAHAN CITRA DIGITAL 2
BAB I PENDAHULUAN 5. Citra wajah tidak menggunakan aksesoris dan kacamata. 1.5 Metodologi Metodologi yang digunakan pada Tugas akhir ini adalah : 1. Tinjauan Pustaka Mencari sumber-sumber kepustakaan yang ada untuk menunjang penyusunan Tugas Akhir ini. 2. Pengumpulan Data Mencari dan mengumpulkan data-data/ sampel citra wajah pria dan wanita dari berbagai usia yang akan di uji dalam sistem. 3. Pembuatan perangkat lunak Membuat suatu sistem yang dapat disimulasikan untuk melakukan deteksi wajah serta mengklasifikasikannya dalam gender dan kelompok usia tertentu. 4. Pengujian dan analisa Melakukan pengujian dari setiap sampel yang sudah diolah dan melakukan analisa dari hasil yang didapatkan dari hasil pendeteksian. 1.6 Sistematika Penulisan Sistematika penulisan Tugas Akhir ini meliputi: BAB 1 : PENDAHULUAN Bab ini berisi pendahuluan mengenai Tugas Akhir ini yang meliputi latar belakang masalah, tujuan pembuatan Tugas Akhir, rumusan masalah, batasan masalah, metodologi dan sistematika penulisan. BAB II : LANDASAN TEORI Berisi tentang teori-teori yang menjadi landasan dan yang menunjang proses pengerjaan Tugas Akhir ini, antara lain teori dasar-dasar citra, RGB, Grayscale, Blackwhite, pengolahan citra, karakteristik wajah dan sistem segmentasi biometrik BAB III : METODOLOGI PENELITIAN Merancang suatu bentuk penelitian yang akan digunakan. WAJAH DENGAN PENGOLAHAN CITRA DIGITAL 3
Powered by TCPDF (www.tcpdf.org) BAB I PENDAHULUAN BAB IV : PENGUJIAN DAN ANALISA Meliputi proses pengujian terhadap proses deteksi yang dilakukan untuk mendapatkan tingkat keakuratan sistem dan melakukan analisa hasil serta penyebab kegagalan sistem apabila terjadi kesalahan klasifikasi. BAB V : PENUTUP Berisi tentang kesimpulan dari Tugas Akhir ini dan saran untuk pengembangan di masa yang akan datang. WAJAH DENGAN PENGOLAHAN CITRA DIGITAL 4
BAB V KESIMPULAN DAN SARAN BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari hasil penelitian ini dapat disimpulkan bahwa 1. Batas threshold agar suatu citra dilasifikasikan sebagai bayi adalah nilai fitur geometri 1 lebih besar dari 0.6812 dan nilai fitur geometri 2 lebih kecil dari 1.6786. 2. Batas threshold agar suatu citra dilasifikasikan sebagai kelompok usia anak-anak adalah nilai fitur geometri 1 lebih besar dari 0.6812 dan nilai fitur geometri 2 lebih kecil dari 1.6786, serta memiliki densitas kerutan yang lebih besar dari 0.13. 3. Batas threshold agar suatu citra dilasifikasikan sebagai kelompok usia remaja adalah nilai fitur geometri 1 lebih besar dari 0.6812 dan nilai fitur geometri 2 lebih kecil dari 1.6786, serta densitas kerutan lebih kecil dari 0.13. 4. Batas threshold agar suatu citra dilasifikasikan sebagai kelompok usia dewasa adalah nilai fitur geometri 1 lebih besar dari 0.6812 dan nilai fitur geometri 2 lebih besar dari 1.6786, serta memiliki densitas kerutan lebih kecil dari 0.15 dengan kedalaman kerutan lebih kecil dari 2.7. 5. Batas threshold agar suatu citra dilasifikasikan sebagai kelompok usia tua adalah nilai fitur geometri 1 lebih besar dari 0.6812 dan nilai fitur geometri 2 lebih besar dari 1.6786, serta memiliki densitas kerutan lebih kecil dari 0.15 dengan kedalaman kerutan lebih besar dari 2.7. 6. Batas threshold untuk rasio jarak antar titik pusat mata dengan lebar wajah agar citra tergolong pria adalah lebih besar dari 1.9608. 7. Batas threshold untuk rasio jarak antar titik pusat mata dengan lebar wajah agar citra tergolong wanita adalah lebih kecil dari 1.9608. 8. Akurasi sistem dalam proses klasifikasi kelompok usia sebesar 71,42% 9. Akurasi sitem untuk proses klasifikasi gender sebesar 82,5 WAJAH DENGAN PENGOLAHAN CITRA DIGITAL 36
Powered by TCPDF (www.tcpdf.org) BAB V KESIMPULAN DAN SARAN 5.2 Saran Untuk penelitian selanjutnya disarankan untuk : 1. Melakukan proses ekstraksi ciri dan klasifikasi dengan metode lainnya untuk memperoleh akurasi yang lebih baik 2. Melakukan proses deteksi secara real time. WAJAH DENGAN PENGOLAHAN CITRA DIGITAL 37
Powered by TCPDF (www.tcpdf.org) DAFTAR PUSTAKA [1] Horng, Wen-Bing, Lee, Cheng-Ping, dan Chen, Chun-Wen. 2001. Classification of Age Groups Based on Facial features. [2] Farida. 2008. Pengklasifikasian Gender dengan Menentukan Titik-Titik Penting Pada Sistem Pengenalan Wajah menggunakan Matlab 6.5. [3] Dewi Agushinta, Karmilasari, dan Suranto Eko. 2008. Klasifikasi kelompok Usia Berdasarkan Ciri Wajah Pada Sistem Pengenalan Wajah. [4] Maulin R.Gandhi dan Martin D.Levine. A Method for Automatically Synthesis of age Human Facial Images. [5] Proses perubahan wajah manusia semasa hidupnya, 2010, http://cescbergas.blogspot.com/2010/12/proses/perubahan/wajah/manusia/semasa.html, diakses pada tanggal 20 juni 2011. [6]Krisnawati.2005. Keamanan dengan Sistem Biometrik. [7] Biometrik, 2011, http://id.wikipedia.org/wiki/biometrik, diakses pada tanggal 4 Juli 2011.