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 201010130311123 JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2015 i
ii
iii
iv
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 2010. 5. 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 2010 9. Teman-teman Kost (Elza, Atika, Indri, Ayu, Santi, Andini, dll) trimakasih atas dukungan dan suportnya selama pengerjaan sekripsi. v
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
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... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 3 1.3 Batasan Masalah... 3 1.4 Tujuan Penelitian... 3 1.5 Metodologi... 4 1.6 Sistematika Penulisan... 4 BAB II LANDASAN TEORI... 6 2.1 Computer Vision... 6 2.1.1 Computer Vision... 6 2.1.2 Proses Pada Computer Vision... 7 2.1.2.1 Proses Penangkapan Citra ( Image Acquisition )... 7 2.1.2.2 Proses Pengolahan Citra ( Image Processing )... 8 2.1.2.3 Analisa Data Citra ( Image Analysis )... 8 2.1.2.4 Proses Pemahaman Data Citra ( Image Understanding ) 8 2.2 Webcam... 9 2.2.1 Pengertian Webcam... 9 vii
2.2.2 Sejarah Webcam... 10 2.2.3 Cara Kerja Webcam... 11 2.3 Open CV... 12 2.4 C Sharp ( C # )... 13 2.4.1 Pengertian C Sharp... 13 2.4.2 Sejarah C Sharp... 14 2.5 Pengertian Pola... 16 2.5.1 Pengertian Pola... 16 2.5.2 Pengenalan Pola... 16 2.5.3 Sistem Pengenalan Pola... 16 2.5.4 Konsep Dasar Pengenalan Pola... 19 2.6 Pengenalan Wajah... 20 2.6.1 Pengenalan Wajah... 20 2.6.2 Sejarah Pengenalan Wajah... 22 2.7 VIOLA JONES... 23 2.7.1 Fitur Haar... 23 2.7.2 Integral Image... 25 2.7.3 Adaboost ( Adaptive Boosting )... 27 2.7.4 Cascade Of Classifier... 28 BAB III ANALISA DAN PERANCANGAN SYSTEM... 31 3.1 Diagram Sistem... 31 3.2 Wavelet Haar... 32 3.3 Flowchart... 41 3.4 Source Code Sistem Deteksi Wajah... 42 3.5 Perancangan Pengujian Sistem... 44 3.6 Tampilan Sistem... 44 BAB IV IMPLEMENTASI SISTEM DAN ANALISA... 46 4.1 Pengujian Jarak Wajah Terhadap Kamera... 46 4.1.1 Tujuan... 46 4.1.2 Peralatan Pengujian... 46 viii
4.1.3 Prosedur Pengujian... 46 4.1.4 Siang... 47 4.1.5 Malam... 50 4.1.6 Kesimpulan Pengujian... 54 4.2 Pengujian Pendeteksian Ketika Diberi Kondisi Lain... 54 4.2.1 Tujuan... 54 4.2.2 Peralatan Pengujian... 54 4.2.3 Prosedur Pengujian... 55 4.2.4 Pengujian... 55 4.2.5 Kesimpulan Pengujian... 61 4.3 Pengujian Pendeteksian Cahaya... 61 4.3.1 Tujuan... 61 4.3.2 Peralatan Pengujian... 61 4.3.3 Prosedur Pengujian... 61 4.3.4 Pengujian... 61 4.3.5 Kesimpulan Pengujian... 63 BAB V PENUTUP... 64 5.1 Kesimpulan... 64 5.2 Saran... 64 DAFTAR PUSTAKA... 65 ix
DAFTAR GAMBAR Gambar 2.1 Contoh Webcam... 9 Gambar 2.2 Sistem Pengenalan Pola dengan Pendekatan Statistik... 17 Gambar 2.3 Sistem Pengenalan Pola dengan Pendekatan Sintaktik... 18 Gambar 2.4 Rangkaian Pengenalan Pola... 19 Gambar 2.5 Macam macam variasi feature Pada Haar... 24 Gambar 2.6 Skema Kerja Haar Like Feature... 24 Gambar 2.7 Contoh Perhitungan Integral Image... 26 Gambar 2.8 Perhitungan Integral Image... 26 Gambar 2.9 Alat Kerja Klasifikasi Bertingkat... 28 Gambar 3.1 Diagram Sistem... 31 Gambar 3.2 Flowchart... 38 Gambar 3.3 Tampilan Awal Sistem... 41 Gambar 3.4 Tampilan Training Form... 42 Gambar 4.1 Jarak 25 cm Pada Siang Hari... 47 Gambar 4.2 Jarak 50 cm Pada Siang Hari... 47 Gambar 4.3 Jarak 75 cm Pada Siang Hari... 47 Gambar 4.4 Jarak 100 cm Pada Siang Hari... 48 Gambar 4.5 Jarak 125 cm Pada Siang Hari... 48 Gambar 4.6 Jarak 150 cm Pada Siang Hari... 48 Gambar 4.7 Jarak 175 cm Pada Siang Hari... 49 Gambar 4.8 Jarak 200 cm Pada Siang Hari... 49 Gambar 4.9 Jarak 225 cm Pada Siang Hari... 49 Gambar 4.10 Jarak 250 cm Pada Siang Hari... 50 Gambar 4.11 Jarak 25 cm Pada Malam Hari... 50 Gambar 4.12 Jarak 50 cm Pada Malam Hari... 50 Gambar 4.13 Jarak 75 cm Pada Malam Hari... 51 Gambar 4.14 Jarak 100 cm Pada Malam Hari... 51 x
Gambar 4.15 Jarak 125 cm Pada Malam Hari... 51 Gambar 4.16 Jarak 150 cm Pada Malam Hari... 52 Gambar 4.17 Jarak 175 cm Pada Malam Hari... 52 Gambar 4.18 Jarak 200 cm Pada Malam Hari... 52 Gambar 4.19 Jarak 225 cm Pada Malam Hari... 53 Gambar 4.20 Jarak 250 cm Pada Malam Hari... 53 Gambar 4.21 Kondisi Saat Menutup Mata Kanan... 55 Gambar 4.22 Kondisi Saat Menutup Mata Kiri... 55 Gambar 4.23 Kondisi Saat Menutup Kedua Mata... 56 Gambar 4.24 Kondisi Saat Menutup Bagian Wajah Sebelah Kiri... 56 Gambar 4.25 Kondisi Saat Menutup Bagian Wajah Sebelah Kanan... 56 Gambar 4.26 Kondisi Saat Menutup Mulut... 57 Gambar 4.27 Kondisi Saat Wajah Miring Ke Kanan 15... 57 Gambar 4.28 Kondisi Saat Wajah Miring Ke Kanan 30... 57 Gambar 4.29 Kondisi Saat Wajah Miring Ke Kanan 45... 58 Gambar 4.30 Kondisi Saat Wajah Miring Ke Kiri 15... 58 Gambar 4.31 Kondisi Saat Wajah Miring Ke Kiri 30... 58 Gambar 4.32 Kondisi Saat Wajah Miring Ke Kiri 45... 59 Gambar 4.33 Kondisi Saat Wajah Mendongak Ke Atas 15... 59 Gambar 4.34 Kondisi Saat Wajah Mendongak Ke Atas 30... 59 Gambar 4.35 Kondisi Saat Wajah Menunduk 15... 60 Gambar 4.36 Kondisi Saat Wajah Menunduk 30... 60 Gambar 4.37 Kondisi Saat Cahaya Sebesar 35 lux... 61 Gambar 4.38 Kondisi Saat Cahaya Sebesar 980 lux... 62 Gambar 4.39 Kondisi Saat Cahaya Sebesar 1212 lux... 62 Gambar 4.40 Kondisi Saat Cahaya Sebesar 1625 lux... 62 Gambar 4.41 Kondisi Saat Cahaya Sebesar 1765 lux... 63 xi
DAFTAR TABEL Tabel 4.1 Hasil Pengujian Jarak Wajah Terhadap Kamera... 53 xii
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 900-903. [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