1. Judul Penelitian

“Pengenalan Citra Wajah Menggunakan Metode Orthogonal

Laplacian Faces”

2. Abstrak

Pengenalan citra wajah salah satu bidang yang banyak diteliti karena dapat

diterapkan di berbagai bidang. Para peneliti telah melakukan penelitian yang

tekah menghasilkan metode yang terbarukan dan dapat diaplikasikan lebih

baik dari metode sebelumnya akan tetapi hal tersebut tidak menutup

kemungkinan metode tersebut hanya dapat memberikan akurasi yang

kurang optimal sehingga dibutuhkan metode yang lebih baik lagi.metode

yang telah ada memiliki beberapa kelamahan yang akurasi yang kurang

optimal. Pada penelitian ini diusulkan suatu metode yang diharapkan

memiliki tingkat akurasi yang lebih baik yaitu dengan menggunakan metode

Orthogonal Laplacianfaces, yang merupakan metode gabungan antara

metode Principal Component Analysis(PCA) yang mengekraksi ciri citra

wajah dan Locality Preserving Projection (LPP) sebagai esktraksi kedua.

Kata kunci: Pengenalan citra wajah, Orthogonal Laplacianfaces, PCA

1

3. Latar Belakang

Pengenalan citra wajah merupakan salah satu bidang yang banyak

diteliti saat ini. Hal ini dikembangkan guna kepentingan dalam penerapan

sistem keamanan pemerintah, sistem pengamanan dan identifikasi warga

negara serta masih banyak lagi penggunan teknik pengenalan wajah dalam

menunjang kemudahan di dalam masyarakat. Para peneliti telah melakukan

penelitian yang tekah menghasilkan metode yang terbarukan dan dapat

diaplikasikan lebih baik dari metode sebelumnya akan tetapi hal tersebut

tidak menutup kemungkinan metode tersebut hanya dapat memberikan

akurasi yang kurang optimal sehingga dibutuhkan metode yang lebih baik

lagi. Terdapat dua hal yang dapat mempengaruhi dalam pengenalan wajah

yaitu metode ekstraksi fitur dan metode klasifikasi yang digunakan. Metode

ekstraksi fitur memberikan informasi berupa diskriman matrik yang dapat

membedakan satu citra wajah individu dengan individu lainnya, faktor ini

sangat penting dalam membangun sistem pengenalan wajah karena pada

hakikatnya citra wajah manusia tidaklah selalu sama. Oleh karena itu,

diperlukan metode yang dapat menangkap fitur utama citra wajah individu

secara optimal.

Orthogonal laplacianfaces (OLPP) merupakan salah satu metode

untuk merepresentasikan citra wajah sehingga diperoleh fitur utama yang

digunakan sebagai pencocokkan. Metode ini menghasilkan fitur wajah

dengan melakukan proyeksi data menggunakan PCA dan menghitung

vektor – vektor basis orthogonal dari data agar dapat mendapatkan fitur

utama citra wajah.

4. Perumusan Masalah

Adapun masalah yang dapat dimuncilkan dari latar belakang yang telah

dijelaskan sebelumnya,yaitu:

1. Bagaimana ekstraksi fitur menggunakan metode orthogonal laplacian

face mendiskriman citra?

2. Bagaimana hasil yang diperoleh dari metode orthogonal laplacian face?

2

3. Bagaimana membangun sistem pengenelan wajah menggunakan

Orthogonal Laplacianfaces?

5. Tujuan dan Manfaat

Tujuan dari penelitian ini adalah sebagai berikut:

1. Membangun sistem pengenalan wajah menggunakan Orthogonal

Laplacianfaces.

2. Mengukur dan menganalisis akurasi sistem dan faktor – faktor yang

mempengaruhi proses pengenalan wajah menggunakan metode

Orthogonal Laplacianfaces.

6. Batasan Masalah

Dari perumusan permasalahan diatas maka perlu adanya sebuah batasan

masalah sebagai berikut :

1. Sistem dituujukkan hanya untuk sebatas citra wajah saja.

2. Citra wajah tidak memiliki noise apapun.

3. Menggunakan database ORL (Olivetti Research Lab).

4. Citra wajah masukan berupa citra abu-abu.

7. Studi Pustaka

Adapun beberapa tinjauan pustaka yang digunakan dalam penelitian ini

yaitu:

1.1. Principal Component Analysis (PCA)

Pengenalan wajah adalah suatu masalah pada pengenalan pola visual. Dimana

dalam suatu wajah yang direpresentasikan menjadi suatu citra tiga dimensi (3D)

terdapat didalamnya variasi tingkat pecerahan, pencahayaan, pose, ekspresi dan

lain-lain yang kemudian dilakukan proses identifikasi berdasarkan informasi

citra dua dimensinya (2D). Suatu parameter terdekat yang digunakan untuk

proses pengenalan wajah ini salah satunya yaitu melalui pencarian lokasi fitur

khusus (Local fitur-based) dari citra, seperti mata, hidung dan mulut, yang

kemudian dilakukan perhitungan jarak antar fiturnya. Metode lain untuk

3

pengenalan wajah dapat dilakukan dengan membandingkan citra yang telah

diproyeksikan menjadi level grayscale menjadi citra yang memiliki

dimensi rendah, metode ini biasa disebut dengan metode eigenfaces (Holistic fitur-based).

Untuk reduksi dimensi data (Dimensional Reduction) Ekstraksi struktur data dari dataset high dimenson dimenson. Mencari basis signal berdasarkan data statistik objek objek.

Matriks covariance dengan dimensi m x m, dimana m adalah jumlah image

training. Dengan dekomposisi eigen berlaku :

V V C

4

Hitungi eigen value () dan eigen vector (V) dari matriks C menggunakan

metode Jacobi. Eigen value dan eigen vector yang bersesuaian diurutkan secara

descending . Eigen faces yang didapatkan ini dapat dilihat dalam ilustrasi di

bawah ini :

1.2. Orthogonal Laplacianfaces

Metode Orthogonal Lapalcianfaces juga dikenal dengan OLPP

(Orthogonal Locality Preserving Projection). Metode ini merupakan

pengembangan dari LPP yakni dengan menghasilkan fungsi basis yang

orthogonal. Fungsi basis ini digunakan untuk memproyeksikan citra

wajah. Hasil proyeksi yang dihasilkan merupakan fitur wajah yang

bersifat diskriminan (membedakan dengan citra wajah individu lain).

8. Metodologi

Pada pelaksanaan program penelitian proposal pengajuan tugas akhir, akan

dijelaskan tentang parameter yang digunakan, ide penelitiannya sebagai

berikut:

8.1. Studi Literatur

Studi literatur meliputi referensi-referensi mencakup beberapa hal

seperti skripsi, jurnal, buku, atau paper yang berkaitan teori dasar

pengenalan wajah, Principal Component Analysis (PCA) dan

Orthognal Laplacianfaces.

8.2. Studi Lapangan

5

Pada tahapan ini akan dilakukan pengumpulan data sebagai uji coba

skenarion nantinya, data tersebut berupa kumpulan variasi citra wajah

tiap individu menggunakan database ORL (Olivetti Research Lab).

8.3. Analisa Sistem

Setelah melakukan studi literatur dan lapangan, langkah selanjutnya

yakni analisis sistem yang ada saat ini. Dalam hal ini yang perlu

dikerjakan adalah menganalisis keperluan apa saja yang nantinya

digunakan dalam membangun sistem.

8.4. Perancangan Sistem

Perancangan sistem ini berupa deskripsi sistem berupa flowchart.

8.5. Implementasi

Pada tahap impelementasi, perancangan yang ada diaplikasikan

berdasarkan tahap-tahap dalam perancangan impelementasi sistem

menggunakan MATLAB 2014a.

8.6. Verifikasi dan Pengujian Sistem

Pengujian bertujuan untuk memperoleh akurasi sistem pengenalan

wajah. Dari hasil pengujian tersebut diperoleh nilai akurasi sistem

dalam skenario tertentu.

8.7. Dokumentasi dan Penarikan Kesimpulan

Tahapan ini merupakan langkah akhir yang nantinya berisi kesimpulan

dari penelitian yang dilakukan yang dituangkan dalam penulisan

laporan.

9. Rancangan Sistem

9.1. Flowchat

Adapaun flowchat system yang dibangun adalah sebagai berikut:

6

Database training Citra wajah Orthogonal PCA

9.2. Rancangan skenario

Skenario pada penelitian ini adalah menyediakan database ORL yang

akan dipisah menjadi dataset training dan dataset testing, dengan

variasi fitur sebesar, 4, 5 dan 7 untuk dimensi sebesar 32 piksel.

Skenario ini dibuktikan dengan pencapaian hasil akurasi yang didapat

menggunakan metode Orthogonal Laplacianfaces.

10. Jadwal Kegiatan

Tabel 10.1 Tabel Jadwal Kegiatan

No KegiatanBulan

9 10 11 12 1

1 Studi Literatur

2 Studi Lapangan

3 Analisa Sistem

4Perancangan

Sistem

5 Implementasi

6Verifikasi dan

Pengujian Sistem

7

Ektraksi fitur

OLPP

Pengenalan

7

Dokumentasi dan

Penarikan

Kesimpulan

11. Daftar Pustaka

[1].Fitri Damayanti, Agus Zainal Arifin, Rully Soelaiman. 2010

“Pengenalan Citra Wajah Menggunakan Metode Two-Dimensional

Linear Discriminant Analysis dan Support Vector Machine” Jurnal

Imliah Kursor , Vol. 5, No. 3, ISSN: 0216-0544.

[2].Muntasa, Arif. 2014. “The Gaussian Orthogonal Laplacianfaces

Modelling in Feature Space for Facial Image Recognition”,Makara J

.Technol Vol. 18. No. 2

[3].Ni Wayan Marti dan Ditari Salsabila. 2010. “Evaluasi Kinerja

Metode PCA/LPP Pada Sistem Pengenalan Citra Wajah Manusia”

8