BAB 3 PERANCANGAN SISTEM
3. 1
Perangkat Keras dan Perangkat Lunak yang Digunakan
Pada pengerjaan tugas akhir ini, penggunaan perangkat keras dan perangkat lunak bertujuan untuk mendukung rancangan sistem yang dibuat. Spesifikasi perangkat keras dan perangkat lunak yang telah digunakan disesuaikan dengan analisis kebutuhan sistem agar implementasi sistem tidak mengalami hambatan. Perangkat lunak dan perangkat yang digunakan dalam tugas akhir ini : 3.1.1. Perangkat Keras
Untuk Pembuatan Program Acer
4720
AMD
Athlon X2 dual core processor L310 1,20 GHz
RAM
2.00 GB
Hard
Disk 250 GB
Untuk Proses Pemotretan CANON
DSLR 1000D
3.1.2. Perangkat Lunak
Untuk Pembuatan Program Sistem
Operasi Microsoft Windows 7 home 64 bit
MATLAB
7.8.0 (R2009a)
Untuk pengolahan file gambar
Paint Editor
GIMP
1.4
Pengenalan wajah tercampur menggunakan complete complete fuzzy fisher linear linear discriminant
12
BAB III Perancangan Sistem
3.2 Perancangan sistem pengenalan wajah tercampur
Secara umum perancangan sistem pengenalan wajah tercampur, yaitu mengenali banyak wajah dalam suatu file image, dapat digambarkan dalam dua flowchart berikut ini : Mulai
Mulai
Pengambilan foto via camera
Pengambilan foto via camera
Input data dengan format .jpg
Input data dengan format .jpg
Preprocessing
Preprocessing
Adakah muka dalam Foto ?
Hasil crop muka tidak
ya
Ekstraksi ciri
Hasil crop muka Hasil ciri setiap muka Ekstraksi ciri Selesai Klasifikasi K-NN
Hasil klasifikasi
Selesai
(a)
(b)
Gambar 3.1 Flowchart Sistem Pengenalan wajah tercampur ; (a) Flowchart Pengujian Sistem, (b) Flowchart Pelatihan sistem
Pengenalan wajah tercampur menggunakan complete fuzzy fisher linear discriminant
13
BAB III Perancangan Sistem
Berdasarkan pada Gambar 3.1 yang berisikan tentang flowchart sistem pengenalan pada wajah tercampur, Mempunyai tiga tahapan dasar yaitu Preprocessing, Ekstraksi ciri dan juga klasifikasi. Ketiga tahapan ini saling berhubungan secara sekuensial.
3.2.1 Pengambilan Citra
Masukan sistem berupa citra yang ditangkap menggunakan kamera digital dengan ukuran 15 MP. Citra yang diambil adalah citra dalam bentuk atau format *.jpg, sehingga tidak diperlukan konversi.Selanjutnya citra tersebut akan di resize menjadi sebesar 600 x 400 menggunakan software GIMP dan Paint editor. Ukuran tersebut dipilih agar dalam pemrosesan citra tersebut tidak memerlukan waktu komputasi yang lama. Citra yang diambil dalam tugas akhir ini adalah citra dengan minimal satu orang dan paling maksimal tiga orang.
3.2.2 Preprocessing Preprocessing merupakan suatu langkah awal dalam penelitian tugas akhir ini.
Beberapa proses yang dipakai dalam preprocessing adalah sebagai berikut : Mulai
Input foto dengan format .jpg
Histogram equalization
Deteksi wajah
Cropping area wajah
Hasil crop wajah
Selesai
Gambar 3.2 Tahapan preprocessing sistem pengenalan wajah tercampur Pengenalan wajah tercampur menggunakan complete fuzzy fisher linear discriminant
14
BAB III Perancangan Sistem
Tujuan utama dari preprocessing ini adalah membuang informasi-informasi yang tidak diperlukan agar citra berada dalam kondisi yang sama dengan citra yang lain sehingga citra-citra tersebut bisa di ekstraksi dan dapat diklasifikasikan dengan baik. Ada beberapa proses yang diperlukan sebuah citra bisa diekstraksi dengan baik. Beberapa proses tersebut dapat dilihat pada gambar 3.2. proses-proses tersebut adalah
Histogram
equalization.
Proses
ini
bertujuan
untuk
menghilangkan noise dari citra masukkan yang diambil oleh kamera digital sehingga citra ini dapat diproses dengan baik.
Deteksi wajah. Proses ini bertujuan untuk mengetahui informasi yang berbentuk koordinat wajah pada citra. Dalam pengenalan wajah kali ini yang dibutuhkan hanyalah wajahnya sehingga proses ini merupakan proses yang sangat penting dari penelitian ini. Informasi yang didapat dari deteksi wajah ini selanjutnya akan dipakai untuk proses cropping bagian wajah.
Cropping
area
wajah.
Proses
ini
bertujuan
untuk
menghilangkan informasi yang tidak diperlukan dalam suatu citra dan mengambil informasi yang diperlukan dalam pengenalan wajah, yaitu wajahnya saja. Cropping ini dilakukkan menggunakan informasi yang didapat dari proses deteksi wajah. Setelah melakukan proses cropping pada area wajah akan dilakukan proses resize ukurannya menjadi 112x 92.
3.2.3 Ekstraksi ciri Proses selanjutnya dari pengenalan wajah tercampur adalah ekstraksi ciri. Ekstraksi ciri adalah sebuah proses yang digunakan dalam sistem untuk mengeluarkan nilai-nilai ciri dalam wajah.Dalam penelitian ini ekstraksi ciri yang digunakan adalah FLDA ( fuzzy linear discriminant analysis). FLDA merupakan suatu metode yang merupakan modifikasi dari
metode LDA ( linear discriminant analysis).
Tujuan dari metode LDA adalah mencari
proyeksi linear ( fisher image) untuk memaksimumkan matriks covariance antar objek dan Pengenalan wajah tercampur menggunakan complete fuzzy fisher linear discriminant
15
BAB III Perancangan Sistem
meminimumkan matriks covariance di dalam objek itu sendiri. FLDA merupakan metode yang menambahkan derajat keanggotaan fuzzy terhadap kelas-kelas objek tersebut, sehingga membuat FLDA lebih baik daripada LDA. : Mulai
Hasil crop wajah
Ubah matriks wajah menjadi vektor
Masukkan semua vektor ke dalam suatu matriks
Hitung matriks Hitung matriks normalisasi dan normalisasi matriks covariance-nya
Hitung nilai eigen dan vektor eigen
Hasil feature PCA
Hitung FKNN
Hitung Fsb dan FSw
Hitung matriks Covariance dan nilai eigen
Hasil feature FLDA
selesai
Gambar 3.3 Tahapan preprocessing sistem pengenalan wajah tercampur Pada proses ekstraksi ciri diatas perbedaan antara LDA dan FLDA terletak pada Pengenalan wajah tercampur menggunakan complete fuzzy fisher linear discriminant
16
BAB III Perancangan Sistem
proses FKNN ( fuzzy k-nearest neighbor ). Proses ini menghitung derajat keanggotaan fuzzy dalam kelas dan juga antar kelas, sehingga didapatkan proyeksi vector-vektor ciri yang maksimal.
3.2.3.1 FKNN FKNN ( fuzzy k-nearest neighbor ) merupakan salah satu proses yang penting dari ekstraksi ciri. Proses ini menghitung derajat keanggotaan fuzzy dengan menhitung jarak anata vector antar kelas maupun dalam kelas. Dalam prosesnya jarak antar vector ini dihitung dengan menggunakan fungsi jarak Euclidean distance. Setelah jaraknya diketahui maka selanjutnya adalah mengetahui k tetangga yang berdekatan, proses ini biasa juga disebut dengan KNN ( K-Nearest Neighbour ). Setelah itu kita hitung nilai keanggotaan fuzzy vector tersebut, oleh sebab itu metode ini dinamakan FKNN. Berikut ini adalah
beberapa proses yang digunakan untuk menghitung FKNN. Mulai
Hasil feature PCA
Hitung euclidean distance antara feature PCA
Set nilai diagonal matriks hasilnya menjadi infinity
Urutkan matriks jarak secara menaik sesuai dengan 'k' tetangga yang berdekatan
Hitung membership degree
Derajaat keanggotan fuzzy
Selesai
Gambar 3.4 Tahapan FKNN Pengenalan wajah tercampur menggunakan complete fuzzy fisher linear discriminant
17
BAB III Perancangan Sistem
Hasil dari proses ini adalah derajat keanggotaan suatu vector, nilai ini akan berpengaruh pada perhitungan scater matriks dalam kelas maupun antar kelas.
3.2.4 Klasifikasi Klasifikasi merupakan suatu proses akhir pada sistem pengenalan wajah tercampur.Metode klasifikasi yang digunakan pada penelitian ini adalah KNN. Prinsip dasar dari metode KNN adalah menghitung jarak terpendek antara vector. Jadi klasifikasi ini tidak memerlukan proses klasifikasi data latih. Klasifikasi pada KNN menggunakan tiga fungsi jarak, yaitu Euclidean, cityblock, cosine, dan correlation. Semua parameter tersebut akan diproses dengan ‘k ’ 1,3,5, dan 7 ,
dimana ‘k ’ merupakan jumlah tetangga yang berdekatan. Mulai
Input K dan fungsi jarak
Hitung jarak sesuai dengan fungsi jarak
Cek tetangga ke- I dengan kelas yang bersesuaian tidak i=i+1
i>k ya Output :kelas
Selesai
Gambar 3.5 Tahapan KNN Pengenalan wajah tercampur menggunakan complete fuzzy fisher linear discriminant
18
BAB III Perancangan Sistem
Hasil dari klasifikasi ini adalah nama yang bersesuaian dengan wajah tersebut. KNN merupakan sebuah langkah akhir dari sistem pengenalan wajah tercampur.
3.3 Klasifikasi Untuk melakukan pengujian terhadap sistem yang telah dirancang dan direalisasikan digunakan dua parameter :
Akurasi Akurasi adalah ukuran ketepatan sistem dalam mengenali input yang diberikan
sehingga menghasilkan keluaran yang benar. Secara matematis, persamaan yang dapat dituliskan : Akurasi
Jumlah _ data _ benar Jumlah _ data _ keseluruhan
100%
(3.1)
Error Error adalah tingkat kesalahan sistem dalam hal mengenali input yang diberikan
pada sistem terhadap jumlah data secara keseluruhan. Secara matematis, persamaan yang dapat dituliskan: Error
(3.2)
Jumlah _ data _ salah Jumlah _ data _ keseluruhan
100%
Pengukuran tingakt akurasi dilakukan untuk menguji parameter-parameter yang terdapat dalam sistem, baik itu metode ekstraksi ciri, parameter metode ekstraksi, maupun parameter klasifikasi. Perhitungan waktu komputasi juga dilakukan untuk menguji seberapa cepat sistem dalam mengenali suara nyanyian dan dalam mengklasifikasikan wajah yang bersesuaian.
3. 1
Sampel yang Digunakan
Dalam sistem pengenalan wajah tercampur, citra yang diujikan terdiri dari tiga wajah, dua wajah dan satu wajah. File citra dalah file dengan format *.jpg dengan ukuran 600x 400 pixel. Wajah yang di- cropping dan digunakan sebagai output sistem berukuran 112x 92 Pengenalan wajah tercampur menggunakan complete fuzzy fisher linear discriminant
19
BAB III Perancangan Sistem
Tiap wajah terdiri dari 20 data latih dalam berbagai pose. Sehingga total dari data latih yang digunakan adalah 300 data latih. Sedangkan jumlah data uji untuk tiap lagu adalah 60 data. Jadi jumlah data uji secara keseluruhan adalah 900 data. citra yang dijadikan data uji adalah citra yang berbeda dengan data latih dan juga citra yang sama dengan data latih. Hal ini bertujuan untuk menguji kemampuan sistem dalam mengenali wajah.
Pengenalan wajah tercampur menggunakan complete fuzzy fisher linear discriminant
20