BAB 4

IMPLEMENTASI DAN EVALUASI

4.1 Spesifikasi Sistem

Sistem – sistem pendukung yang dipakai penulis untuk membuat dan

menjalankan program aplikasi ini terbagi menjadi dua bagian yaitu spesifikasi

perangkat keras dan spesifikasi perangkat lunak.

4.1.1 Spesifikasi Perangkat Keras

Motherboard : Intel D975XBX2

Prosessor : Intel Core 2 Duo E6400 2.13 GHz

Memory : 1024 MB

Storage : 660 GB

Graphic Card : ATI Radeon HD 5570

Monitor : Viewsonic LCD 22”

Others : Keyboard dan Mouse

4.1.2 Spesifikasi Perangkat Lunak

Operating System : Microsoft Windows XP Professional SP3

Compiler : MS Visual C# 2008 Express Edition & Matlab R2010a

45 

 

4.2 Mekanisme Kerja Sistem

4.2.1 Tampilan Awal dan Inisialisasi

Pada saat “Orthogonal Laplacianfaces.exe” dijalankan, maka akan tampil

sebuah form seperti tampak pada Gambar 4.1. Pada bagian kiri atas terdapat

bagian untuk inisialisasi yang merupakan tahap awal yang dikerjakan pada saat

program dijalankan. Inisialisasi berguna untuk mendapatkan banyaknya citra

yang akan di-training, ukuran citra, banyaknya citra yang dimiliki tiap subjek,

dan menentukan batasan minimal untuk nilai eigen saat proses pengurangan

dimensi.

Gambar 4. 1 Tampilan awal dan inisialisasi

46 

 

4.2.2 Modul Hitung Orthogonal Laplacianfaces

Tahap ini adalah untuk menghitung nilai Orthogonal Laplacianfaces

yang akan digunakan untuk melakukan pengenalan citra. Saat tombol “Train

Image” ditekan, maka semua text box pada halaman tersebut akan di-lock

sehingga tidak memungkinkan memasukkan nilai lain saat proses penghitungan

berlangsung. Ketika proses penghitungan berlangsung, nilai dari progress bar

akan bertambah dan proses yang sudah selesai akan diberi tanda berupa tulisan

“Completed” di sebelah kanan nama proses. Setelah proses penghitungan selesai,

rincian dari proses penghitungan, dimensi yang tereduksi (“Dimension

Reduced”) dan waktu proses (“Processing Time”), akan ditampilkan.

Gambar 4.2 Modul hitung Orthogonal Laplacianfaces

47 

 

4.2.3 Modul Pengenalan

Tahap ini bertujuan untuk melakukan proses pada citra yang ingin

dikenal. Proses ini merupakan langkah akhir dan tujuan dari program aplikasi ini.

Langkah awal untuk melakukan pengenalan adalah dengan menekan tombol

“Browse Image” untuk memasukkan citra ke dalam program aplikasi, citra akan

muncul di picture box bagian atas. Setelah memasukkan citra yang ingin

dikenali, tombol “Recognize” ditekan dan hasilnya dapat dilihat di bagian

“Recognized as”. Profile merupakan nomor subyek pemilik citra dan Image

merupakan citra yang paling mirip dengan citra yang ingin dikenali.

Gambar 4.3 Modul pengenalan

48 

 

4.3 Evaluasi Hasil Pengujian Program

Pengujian dilakukan sebanyak dua kali dengan membedakan besarnya

batasan nilai eigen untuk mengetahui dampaknya pada tingkat keakuratan

pengenalan wajah. Berdasarkan hasil pengujian program dalam melakukan

proses penghitungan terhadap 350 citra wajah untuk mendapat nilai Orthogonal

Laplacianfaces-nya, didapat data sebagai berikut:

No Data Hasil

e-12 e-14

1. Dimensi Tereduksi 19 1

2. Waktu Proses 18 menit 1 detik 21 menit 16 detik

Tabel 4.1 Keterangan dimensi yang tereduksi dan waktu proses

Berdasarkan Tabel 4.1 dapat dilihat bahwa batasan nilai eigen yang lebih

besar pada tahap pengurangan dimensi akan membuat dimensi yang tereduksi

lebih banyak, namun akan mempersingkat proses penghitungan.

4.3.1 Pengujian Terhadap Citra yang Berada di Dalam Training Set

Program aplikasi ini diuji dengan menggunakan 35 subyek yang masing –

masing memiliki 10 sampel citra wajah. Total citra wajah yang berada di dalam

training set adalah 350 citra.

49 

 

Citra Subyek Hasil

Citra Subyek Hasil

e-12 e-14 e-12 e-14

1.bmp 1 1 176.bmp 18 18

2.bmp 1 1 177.bmp 18 18

3.bmp 1 1 178.bmp 18 18

4.bmp 1 1 179.bmp 18 18

5.bmp 1 1 180.bmp 18 18

6.bmp 1 1 181.bmp 19 19

7.bmp 1 1 182.bmp 19 19

8.bmp 1 1 183.bmp 19 19

9.bmp 1 1 184.bmp 19 19

10.bmp 1 1 185.bmp 19 19

11.bmp 2 2 186.bmp 19 19

12.bmp 2 2 187.bmp 19 19

13.bmp 2 2 188.bmp 19 19

14.bmp 2 2 189.bmp 19 19

15.bmp 2 2 190.bmp 19 19

16.bmp 2 2 191.bmp 20 20

50 

 

17.bmp 2 2 192.bmp 20 20

18.bmp 2 2 193.bmp 20 20

19.bmp 2 2 194.bmp 20 20

20.bmp 2 2 195.bmp 20 20

21.bmp 3 3 196.bmp 20 20

22.bmp 3 3 197.bmp 20 20

23.bmp 3 3 198.bmp 20 20

24.bmp 3 3 199.bmp 20 20

25.bmp 3 3 200.bmp 20 20

26.bmp 3 3 201.bmp 21 21

27.bmp 3 3 202.bmp 21 21

28.bmp 3 3 203.bmp 21 21

29.bmp 3 3 204.bmp 21 21

30.bmp 3 3 205.bmp 21 21

31.bmp 4 4 206.bmp 21 21

32.bmp 4 4 207.bmp 21 21

33.bmp 4 4 208.bmp 21 21

34.bmp 4 4 209.bmp 21 21

51 

 

35.bmp 4 4 210.bmp 21 21

36.bmp 4 4 211.bmp 22 22

37.bmp 4 4 212.bmp 22 22

38.bmp 4 4 213.bmp 22 22

39.bmp 4 4 214.bmp 22 22

40.bmp 4 4 215.bmp 22 22

41.bmp 5 5 216.bmp 22 22

42.bmp 5 5 217.bmp 22 22

43.bmp 5 5 218.bmp 22 22

44.bmp 5 5 219.bmp 22 22

45.bmp 5 5 220.bmp 22 22

46.bmp 5 5 221.bmp 23 23

47.bmp 5 5 222.bmp 23 23

48.bmp 5 5 223.bmp 23 23

49.bmp 5 5 224.bmp 23 23

50.bmp 5 5 225.bmp 23 23

51.bmp 6 6 226.bmp 23 23

52.bmp 6 6 227.bmp 23 23

52 

 

53.bmp 6 6 228.bmp 23 23

54.bmp 6 6 229.bmp 23 23

55.bmp 6 6 230.bmp 23 23

56.bmp 6 6 231.bmp 24 24

57.bmp 6 6 232.bmp 24 24

58.bmp 6 6 233.bmp 24 24

59.bmp 6 6 234.bmp 24 24

60.bmp 6 6 235.bmp 24 24

61.bmp 7 7 236.bmp 24 24

62.bmp 7 7 237.bmp 24 24

63.bmp 7 7 238.bmp 24 24

64.bmp 7 7 239.bmp 24 24

65.bmp 7 7 240.bmp 24 24

66.bmp 7 7 241.bmp 25 25

67.bmp 7 7 242.bmp 25 25

68.bmp 7 7 243.bmp 25 25

69.bmp 7 7 244.bmp 25 25

70.bmp 7 7 245.bmp 25 25

53 

 

71.bmp 8 8 246.bmp 25 25

72.bmp 8 8 247.bmp 25 25

73.bmp 8 8 248.bmp 25 25

74.bmp 8 8 249.bmp 25 25

75.bmp 8 8 250.bmp 25 25

76.bmp 8 8 251.bmp 26 26

77.bmp 8 8 252.bmp 26 26

78.bmp 8 8 253.bmp 26 26

79.bmp 8 8 254.bmp 26 26

80.bmp 8 8 255.bmp 26 26

81.bmp 9 9 256.bmp 26 26

82.bmp 9 9 257.bmp 26 26

83.bmp 9 9 258.bmp 26 26

84.bmp 9 9 259.bmp 26 26

85.bmp 9 9 260.bmp 26 26

86.bmp 9 9 261.bmp 27 27

87.bmp 9 9 262.bmp 27 27

88.bmp 9 9 263.bmp 27 27

54 

 

89.bmp 9 9 264.bmp 27 27

90.bmp 9 9 265.bmp 27 27

91.bmp 10 10 266.bmp 27 27

92.bmp 10 10 267.bmp 27 27

93.bmp 10 10 268.bmp 27 27

94.bmp 10 10 269.bmp 27 27

95.bmp 10 10 270.bmp 27 27

96.bmp 10 10 271.bmp 28 28

97.bmp 10 10 272.bmp 28 28

98.bmp 10 10 273.bmp 28 28

99.bmp 10 10 274.bmp 28 28

100.bmp 10 10 275.bmp 28 28

101.bmp 11 11 276.bmp 28 28

102.bmp 11 11 277.bmp 28 28

103.bmp 11 11 278.bmp 28 28

104.bmp 11 11 279.bmp 28 28

105.bmp 11 11 280.bmp 28 28

106.bmp 11 11 281.bmp 29 29

55 

 

107.bmp 11 11 282.bmp 29 29

108.bmp 11 11 283.bmp 29 29

109.bmp 11 11 284.bmp 29 29

110.bmp 11 11 285.bmp 29 29

111.bmp 12 12 286.bmp 29 29

112.bmp 12 12 287.bmp 29 29

113.bmp 12 12 288.bmp 29 29

114.bmp 12 12 289.bmp 29 29

115.bmp 12 12 290.bmp 29 29

116.bmp 12 12 291.bmp 30 30

117.bmp 12 12 292.bmp 30 30

118.bmp 12 12 293.bmp 30 30

119.bmp 12 12 294.bmp 30 30

120.bmp 12 12 295.bmp 30 30

121.bmp 13 13 296.bmp 30 30

122.bmp 13 13 297.bmp 30 30

123.bmp 13 13 298.bmp 30 30

124.bmp 13 13 299.bmp 30 30

56 

 

125.bmp 13 13 300.bmp 30 30

126.bmp 13 13 301.bmp 31 31

127.bmp 13 13 302.bmp 31 31

128.bmp 13 13 303.bmp 31 31

129.bmp 13 13 304.bmp 31 31

130.bmp 13 13 305.bmp 31 31

131.bmp 14 14 306.bmp 31 31

132.bmp 14 14 307.bmp 31 31

133.bmp 14 14 308.bmp 31 31

134.bmp 14 14 309.bmp 31 31

135.bmp 14 14 310.bmp 31 31

136.bmp 14 14 311.bmp 32 32

137.bmp 14 14 312.bmp 32 32

138.bmp 14 14 313.bmp 32 32

139.bmp 14 14 314.bmp 32 32

140.bmp 14 14 315.bmp 32 32

141.bmp 15 15 316.bmp 32 32

142.bmp 15 15 317.bmp 32 32

57 

 

143.bmp 15 15 318.bmp 32 32

144.bmp 15 15 319.bmp 32 32

145.bmp 15 15 320.bmp 32 32

146.bmp 15 15 321.bmp 33 33

147.bmp 15 15 322.bmp 33 33

148.bmp 15 15 323.bmp 33 33

149.bmp 15 15 324.bmp 33 33

150.bmp 15 15 325.bmp 33 33

151.bmp 16 16 326.bmp 33 33

152.bmp 16 16 327.bmp 33 33

153.bmp 16 16 328.bmp 33 33

154.bmp 16 16 329.bmp 33 33

155.bmp 16 16 330.bmp 33 33

156.bmp 16 16 331.bmp 34 34

157.bmp 16 16 332.bmp 34 34

158.bmp 16 16 333.bmp 34 34

159.bmp 16 16 334.bmp 34 34

160.bmp 16 16 335.bmp 34 34

58 

 

161.bmp 17 17 336.bmp 34 34

162.bmp 17 17 337.bmp 34 34

163.bmp 17 17 338.bmp 34 34

164.bmp 17 17 339.bmp 34 34

165.bmp 17 17 340.bmp 34 34

166.bmp 17 17 341.bmp 35 35

167.bmp 17 17 342.bmp 35 35

168.bmp 17 17 343.bmp 35 35

169.bmp 17 17 344.bmp 35 35

170.bmp 17 17 345.bmp 35 35

171.bmp 18 18 346.bmp 35 35

172.bmp 18 18 347.bmp 35 35

173.bmp 18 18 348.bmp 35 35

174.bmp 18 18 349.bmp 35 35

175.bmp 18 18 350.bmp 35 35

Tabel 4.2 Hasil pengenalan citra yang terdapat pada training set

Berdasarkan Tabel 4.2, metode Orthogonal Laplacianfaces mampu

mengenali seluruh citra pada training set dengan tingkat keakuratan 100% yang

didapat dari (350 / 350) * 100%, dengan menggunakan batasan e-12 dan e-14

59 

 

terhadap nilai eigen untuk melakukan pengurangan dimensi pada tahap

pengurangan dimensi dengan PCA. Tingkat keakuratan pengenalan dapat

dihitung dengan rumus % pengenalan citra = (jumlah citra yang dikenali / jumlah

citra yang diuji) * 100%.

4.3.2 Pengujian Terhadap Citra yang Berada di Luar Training Set

Berikut adalah hasil pengujian terhadap citra yang tidak berada di dalam

training set. Untuk pengujian ini, citra diambil dari 35 subyek yang masing –

masing memiliki 5 sampel citra wajah. Total citra wajah yang tidak berada di

dalam training set adalah 175 citra.

Citra Subyek Hasil

Citra Subyek Hasil

e-12 e-14 e-12 e-14

1-1.bmp 1 1 19-1.bmp

19 19

1-2.bmp 1 1 19-2.bmp

19 19

1-3.bmp 1 1 19-3.bmp

18* 19

1-4.bmp 1 1 19-4.bmp

19 19

1-5.bmp 1 1 19-5.bmp

19 19

2-1.bmp 2 2 20-1.bmp

20 20

2-2.bmp 2 2 20-2.bmp

20 20

60 

 

2-3.bmp 2 2 20-3.bmp

20 20

2-4.bmp 2 2 20-4.bmp

20 20

2-5.bmp 2 2 20-5.bmp

20 20

3-1.bmp 15* 3 21-1.bmp

21 21

3-2.bmp 3 3 21-2.bmp

21 21

3-3.bmp 3 33* 21-3.bmp

21 21

3-4.bmp 3 3 21-4.bmp

21 21

3-5.bmp 3 3 21-5.bmp

21 21

4-1.bmp 4 4 22-1.bmp

27* 22

4-2.bmp 4 4 22-2.bmp

22 22

4-3.bmp 4 4 22-3.bmp

22 22

4-4.bmp 4 4 22-4.bmp

22 22

4-5.bmp 4 4 22-5.bmp

22 22

5-1.bmp 9* 16* 23-1.bmp

31* 30*

5-2.bmp 5 5 23-2.bmp

23 23

5-3.bmp 5 5 23-3.bmp

13* 23

5-4.bmp 5 5 23-4.bmp

23 23

5-5.bmp 5 5 23-5.bmp

23 7*

61 

 

6-1.bmp 6 6 24-1.bmp

31* 24

6-2.bmp 6 6 24-2.bmp

24 24

6-3.bmp 6 6 24-3.bmp

13* 24

6-4.bmp 6 6 24-4.bmp

24 24

6-5.bmp 6 6 24-5.bmp

24 24

7-1.bmp 7 7 25-1.bmp

25 25

7-2.bmp 7 7 25-2.bmp

25 25

7-3.bmp 7 7 25-3.bmp

25 11*

7-4.bmp 7 7 25-4.bmp

25 25

7-5.bmp 7 7 25-5.bmp

25 25

8-1.bmp 8 8 26-1.bmp

26 26

8-2.bmp 8 8 26-2.bmp

26 26

8-3.bmp 8 8 26-3.bmp

26 26

8-4.bmp 8 8 26-4.bmp

26 26

8-5.bmp 8 8 26-5.bmp

26 26

9-1.bmp 9 9 27-1.bmp

27 27

9-2.bmp 9 9 27-2.bmp

27 27

9-3.bmp 9 9 27-3.bmp

27 27

62 

 

9-4.bmp 9 9 27-4.bmp

27 27

9-5.bmp 9 9 27-5.bmp

27 27

10-1.bmp 10 10 28-1.bmp

28 28

10-2.bmp 10 10 28-2.bmp

28 28

10-3.bmp 10 10 28-3.bmp

31* 31*

10-4.bmp 4* 10 28-4.bmp

28 28

10-5.bmp 10 27* 28-5.bmp

28 28

11-1.bmp 11 11 29-1.bmp

29 29

11-2.bmp 11 11 29-2.bmp

29 29

11-3.bmp 11 11 29-3.bmp

29 29

11-4.bmp 11 11 29-4.bmp

29 29

11-5.bmp 11 11 29-5.bmp

29 29

12-1.bmp 12 12 30-1.bmp

30 30

12-2.bmp 12 12 30-2.bmp

30 30

12-3.bmp 12 12 30-3.bmp

30 30

12-4.bmp 12 12 30-4.bmp

30 30

12-5.bmp 12 12 30-5.bmp

30 30

13-1.bmp 13 13 31-1.bmp

31 31

63 

 

13-2.bmp 13 13 31-2.bmp

31 31

13-3.bmp 13 13 31-3.bmp

31 31

13-4.bmp 13 13 31-4.bmp

31 31

13-5.bmp 13 13 31-5.bmp

31 31

14-1.bmp 14 14 32-1.bmp

32 32

14-2.bmp 14 14 32-2.bmp

32 32

14-3.bmp 14 14 32-3.bmp

32 32

14-4.bmp 14 2* 32-4.bmp

32 32

14-5.bmp 14 14 32-5.bmp

32 32

15-1.bmp 15 15 33-1.bmp

33 33

15-2.bmp 15 15 33-2.bmp

33 33

15-3.bmp 15 15 33-3.bmp

33 33

15-4.bmp 15 15 33-4.bmp

33 33

15-5.bmp 15 15 33-5.bmp

33 33

16-1.bmp 16 16 34-1.bmp

34 34

16-2.bmp 16 16 34-2.bmp

34 34

16-3.bmp 16 16 34-3.bmp

34 34

16-4.bmp 16 16 34-4.bmp

34 34

64 

 

16-5.bmp 16 16 34-5.bmp

34 34

17-1.bmp 17 17 35-1.bmp

35 35

17-2.bmp 17 17 35-2.bmp

35 35

17-3.bmp 17 17 35-3.bmp

35 35

17-4.bmp 17 17 35-4.bmp

35 35

17-5.bmp 17 17 35-5.bmp

35 35

18-1.bmp 18 16*

18-2.bmp 18 18

18-3.bmp 18 18

18-4.bmp 29* 18

18-5.bmp 18 18

Tabel 4.3 Hasil pengenalan citra yang tidak terdapat pada training set

Berdasarkan Tabel 4.3, metode Orthogonal Laplacianfaces mampu

mengenali 164 citra yang tidak berada di dalam training set dengan tingkat

keakuratan 93,714% ([164 / 175] * 100%) dengan menggunakan batasan e-12 dan

tingkat keakuratan 94,857% ([166 / 175] * 100%) dengan menggunakan batasan

e-14 terhadap nilai eigen untuk melakukan pengurangan dimensi pada tahap

pengurangan dimensi dengan PCA. Kesalahan pengenalan citra wajah ditandai

dengan tanda bintang (*).

65 

 

Dengan menggunakan rumus yang sama, persentase pengenalan citra

secara keseluruhan baik yang terdapat pada training set maupun yang tidak

terdapat pada training set adalah 97,905% ([514 / 525] * 100%) dengan batasan

nilai eigen e-12 dan 98,286% ([516 / 525] * 100%) dengan batasan nilai eigen e-

14.