RANCANG BANGUN PENGENDALI PINTU AUTOMATISBERDASARKAN CIRI W AJAH MENGGUNAKAN

MET ODE EUCLIDEAN DISTANCE DAN FUZZY C-MEAN

Purnawarman Musa 1, Nuryuliani 2 , Missa Lamsani 3

Fakultas I1mu Komputer dan Teknologi Informasi,Universitas Gunadarma

11.Margonda Raya No. 100 Pondok CinaDEPOK 16424

p_musa@staff.gunadarma.ac.id, nryulia@staff.gunadarma.ac.id, missa@staff.gunadarma.ac.id

Abstrak

Biometrik merupakan suatu metode yang menganalisa secara statistik karakteristik biologis manusia.Karakteristik selalu dipunyai dan menjadi ciri khas setiap manusia. Ciri khas tersebut dapat dilihat dari karakterfisik (misalnya sidik jari, raut/ciri-ciri wajah dan retina mata); dari karakteristik tingkah laku (misainya tandatangan dan suara). Ciri-ciri wajah dapat digunakan untuk mengindra dari metode biometrik yang ada. Karenaciri-ciri wajah memiliki ciri khas yang bisa membedakan antara satu manusia dengan manusia yang lainnya.,sehingga dapat digunakan sebagai alat pengaman (password). Penggunaan biometric ini dipandang memilikitingkat keamanan yang lebih tinggi dibandingkan dengan sistem tradisional yang menggunakan password atauID Card untuk autentikasi pada pengaksesan suatu area.Pada metode penelitian ini dibuat perancangan secara perangkat keras dengan membuat simulasi maket rumahyang dilengkapi dengan pintu otomatis, rangkaian driver motor DC, rangkaian optocoupler sebagai penerimadata dari parallel port, komunikasi parallel port dan perencanaan sistem secara keseluruhan. Jika hasilperbandingan ciri wajah input sama/cocok dengan yang sudah tersirnpan dalam database, maka dapat membukapintu, tetapi jika tidak sama maka pintu akan tetap tertutup.Sistem ini menggunakan bantuan kamera webcam untuk mendeteksi dan mengenali ciri wajah seseorang danbahasa pemograman Microsoft Visual Basic 6.0. Algoritma yang digunakan pada ekstraksi ciri wajah untukdapat membedakan wajah seseorang dengan orang lain menggunakan algoritma Fuzzy Cluster Mean. Gambarseseorang yang diterima sensor penangkap objek bergerak akan diproses oleh komputer menggunakan "imageprocessing program". Metode yang digunakan untuk menghitung kecocokan ciri wajah menggunakan Euc\ideanDistance.Dari hasil pengujian, didapat bahwa sistem dapat mengenali ciri - ciri wajah dari 30 sampel member yang terdapatpada database, didapatkan tingkat keberhasilan mengenali ciri - ciri wajah seseorang mencapai 80%.

Kata kunci: Pengolahan Citra, Biometrik, Euclidean Distance, Fuzzy C-Mean

1. Pendahuluan

Pengamanan sangat diperlukan dalamkegiatan sehari-hari, terutama jika menyangkutsuatu otoritas. Salah satu bentuk dari pengamananyang sulit untuk ditiru, dibuka atau dimodifikasioleh orang lain adalah menggunakan pencirianotomatis dari karakteristik biologis yang selaludipunyai dan menjadi ciri khas setiap diri manusia.Pencirian dan penandaan tersebut dikenal sebagaibiometrik.Ciri khas tersebut dapat dilihat darikarakteristik fisik, misalnya sidik jari, raut wajah,retina mata, tanda tangan dan suara.

Penggunaan teknologi informasi dalampenandaan biometrik dapat digunakan dalam modelidentifikasi, dimana sistem biometrikmengidentifikasi setiap orang dan melakukanpencarian melalui kode yang sama pada databaseyang telah disusun. Penggunaan biometric inidipandang memiliki tingkat keamanan yang lebihtinggi dibandingkan dengan sistem tradisional yangmenggunakan password atau ID Card untukautentikasi pada pengaksesan suatu sistem. Rautwajah/ciri wajah dapat digunakan padapengamanan (password).

Penggunaan ciri wajah dalam pengamananadalah hal yang memungkinkan untuk tidak

321

terjadinya pembobolan kerahasiaan oleh orang-orang yang tidak berkepentingan. Karena padaprinsipnya setiap ciri wajah manusia memiliki cirikhas tersendiri yang berbeda antara satu manusiadengan manusia lainnya.

2. Keamanan Sistem dan Metode pengenalanyang digunakan

2.1. Biometik dan Keamanan Sistem

Kebanyakan sistem keamanan menggunakansebuah perlindungan yang akan mendefinisikanpemakai, sehingga sistem keamanan mengetahuiidentitas dari pemakai. Masalah identifikasipemakai ini disebut sebagai otentifikasi pemakai(user authentication). Metode otentifikasi yangbiasa digunakan yaitu : sesuatu yang diketahui olehpemakai, misalnya password, kombinasi kunci,nama kecil dan sebagainya. Sesuatu yang dirnilikipemakai seperti kartu identitas, kunci dansebagainya. Ciri biometrik dari pemakai juga dapatdigunakan sebagai pengamanan, karena biometrikmerupakan ciri khas setiap manusia yang dapatberupa sidik jari, raut ciri-ciri wajah, retina matadan dilihat dari karakteristik tingkah laku, misalnyatanda tangan dan suara,

Keamanan sistem diperlukan untukmenjamin surnber daya agar tidak digunakan ataudimodifikasi oleh orang yang tidak berhak.Keamanan meiiputi masalah teknis, manajerial,legalitas dan politis. Keamanan sistem dapatdikelompokkan menjadi tiga kelompok, yaitukeamanan eksternal (external security), keamananinterface pemakai (user interface security) dankeamanan internal (internal security).

Keamanan eksternal meliputi keamananyang berkaitan dengan fasilitas komputer daripenyusup dan bencana alam seperti kebakaran dankebanjiran. Sedangkan keamanan interface pemakaimeliputi keamanan yang berkaitan denganidentifikasi pemakai sebelum pemakai diijinkanmengakses program dan data yang disimpan. Dankeamanan internal meliputi keamanan yangberkaitan dengan keamanan beragam kendali yangdibangun pada perangkat keras (hardware) dansistem operasi yang menjamin operasi yang handaldan tidak terkorupsi untuk menjaga integritasprogram dan data, biasanya keamanan jenis inidibangun secara perangkat lunak (software).

2.2. Pengolahan Citra

Citra merupakan informasi yang secaraumum tersimpan dalam bentuk pemetaan bit - bit,atau lebih dikenal sebagai bitmap. Video adalahsusunan dari beberapa citra /gambar yangditampilkan secara bergantian dan sangat cepat,sehingga membentuk suatu pergerakan yang halus.Biasanya gambar yang disusun berasal dari gambar

322

dalam bentuk citra (bukan grafik). PengertianVideo biasanya mengacu pada proses atauteknologi dari sistem garnbar bergerak.

Setiap bit dari citra membentuk satu titikinformasi yang dikenal sebagai pixel. Satuan daripixel biasanya dinyatakan dengan posis x, posisi ydan nilai dari pixel terse but (wama atau gray).Dalam satu bidang gambar, sepenuhnya terdiri daripixel - pixel disimpan dalam bentuk bilangan biner(hanya memiliki dua kemungkinan, 0 atau I, adaatau tidak). Penggunaan pixel biner inidimaksudkan untuk menyederhanakan prosesdengan hanya memperhatikan ada atau tidak, danjuga untuk memperkecil data baik saat dikirimkanatau saat disimpan, termasukjuga saat diproses.

Gray scale dan biner sebenarnya memilikikemiripan, hanya saja kalau biner hanya memiliki 2kemungkinan nilai, tetapi gray scale memiliki lebihbanyak kemungkinan nilai, misalkan 4, 16 atau 256kemungkinan. Gray scale banyak digunakan jikaadanya perbedaan intensitas antara satu pixeldengan pixel lainnya sangat dipentingkan. Hal initerutama j ika obyek yang diamati memilikiperbedaan intensitas yang cukup kecil denganberbagai tingkat kecerahan. Jika digunakan pixelbiner, maka kemungkinan perbedaan - perbedaantersebut akan hilang hanya menjadi hitam atauputih.

Untuk mempermudah pengolahan suatu citraproses yang paling umum digunakan adalahscaling, scanning dan cropping.

Pemilihan faktor penskalaan yang sesuaiakan mempercepat operasi kerja tanpa mengurangikinerja sistem. Contoh pada gambar 2.1, jikadilakukan penskalaan 1:8, ternyata citra aslinyacukup buruk, namun dengan faktor 1:5 didapatkanhasil yang lebih baik, dan kecepatan yangdidapatkan berkurang menjadi 5 x 5 = 25(kecepatan keseluruhan sistem sangat dipengaruhioleh proses-proses yang lain) kali jikadibandingkan dengan pernrosesan citra aslinya.

Untuk menentukan sebenamya berapa nilaiyang terbaik adalah berdasarkan kebutuhan, antarakecepatan dan ketelitian. Sebagai contoh, padagambar sebelumnya memiliki ukuran 200 x 80pixel, sebut saja ukuran dari obyek sebesar itu. Jikadilakukan penskalaan 1:5, artinya akan didapatkanobyek dengan ukuran 40 x 16 pixel, dan j ikadilakukan penskalaan 1:8 akan didapatkan obyekdengan ukuran 25 x 10.

Video Video t~Gambar 2.1. Citra 200 x 80 di-skala 1:5 dan 1:8

Dengan memperkecil ukuran citra asli akandapat mempercepat proses perhitungankeseluruhan. Namun cara ini juga

secaradapat

menurunkan kinerja dari sistem, dimana suatu citrayang semula memiliki jumlah pixel yang besar akanmemiliki bentuk yang detil, dengan dilakukanpenskalaan akan didapatkan bentuk gambar yangkurang detil.

Pencarian objek bisa berdasarkan scanningyang memiliki kelebihan tersendiri, yaitu lebihcepat (kalau obyek yang dicari dekat dengan titikawal) dan mudah tetapi tidak akurat.Hal ini tentusaja menyebabkan proses menjadi lambat.Kelebihan lain dari proses scanning adalah metodeklasifikasi atau identifikasi dari proses deteksidapat beragam, artinya dapat menggunakanberbagai metode.

Jika suatu obyek dapat diketahui berdasarkanciri warnanya saja, maka dapat digunakan metodesegmentasi warna. Metode ini secara umumdigunakan untuk memisahkan suatu warna terhadapwarna lainnya. Inti dari segmentasi warna adalahmembaca warna pixel demi pixel atau daerah demidaerah dan membandingkannya dengan warna yangdikehendaki." Jika obyek yang akan dideteksidipastikan hanya berjumlah satu, artinya dalampenangkapan citra nantinya kemungkinan hanyaada satu obyek yang akan muncul, maka prosesdeteksinya menjadi sederhana. Inipun masih bisadibedakan antara obyek yang posisinya tertentu danobyek yang posisinya tidak tentu.

Jika obyek posisinya sudah tentu padasensor, maka proses deteksi dilakukan cukupdengan mengamati daerah terse but, tanpamenghiraukan daerah lainnya. Jika obyek ternyatamenempati posisi yang tidak tentu, maka harusdilakukan proses pencarian. Proses pencarian dapatdilakukan dengan dua cara, melakukan scanning diseluruh daerah citra, atau langsung menentukantitik tengah (titik berat) dari obyek yang ada dilayar.

Selain scanning, ada proses lain padapengolahan citra yaitu Cropping. Dengan cropping,cara ini mengharnskan program untuk mencaripixel demi pixel, area demi area, ukuran demiukuran dari seluruh bagian citra. Jika suatu obyekberhasil ditemukan, bagian citra yang bertepatandengan obyek terse but akan dipotong untukdiproses pada bagian berikutnya. Kelebihan daricara ini, posisi dan ukuran dari obyek dapat bebassertajumlah dari obyek dapat lebih dari satu.

Dapat menggunakan berbagai metodekiasifikasi, dimana hasil crop obyek yangditemukan dengan mudah diproses pada classifieryang dikehendaki.

2.4. Fuzzy C-Means (FCM)Fuzzy C-Means adalah suatu teknik peng-

cluster-an data dimana keberadaan dari tiap-tiaptitik data pada suatu cluster ditentukan oleh derajatkeanggotaan. Teknik ini pertama kali diperkenalkanoleh Jim Bezdek pada tahun 1981.

Konsep dasar FCM, menentukan pusatcluster, yang akan menandai lokasi rata-rata untuktiap-tiap cluster. Pada kondisi awal, pusat clusterini masih belum akurat. Tiap-tiap titik datamemiliki derajat keanggotaan untuk tiap-tiapcluster. Dengan cara memperbaiki pusat cluster danderajat keanggotaan tiap-tiap titik data secaraberulang, maka akan dapat dilihat bahwa pusatcluster akan bergerak menuju lokasi yang tepat.

Perulangan ini didasarkan pada minimasifungsi obyektif yang menggambarkan jarak darititik data yang diberikan ke pusat cluster yangterbobot oleh derajat keanggotaan titik datatersebut.

Output dari FCM bukan merupakan fuzzyinference system, namun merupakan deretan pusatcluster dan beberapa derajat keanggotaan untuktiap-tiap titik data.

2.5. Euclidean Distance

Euclidean Distance merupakan metodestatistika yang digunakan untuk mencari data yangterdekat antara parameter data referensi denganparameter data barn.

Parameter referensi : RI, R2, RJ, .... Rimdimana i = jumlah region dan R = data pada tiapregion. Sedangkan data baru: RI', R2', RJ', ....Rn',dimana n = jumlah region dan R = data pada tiapregion, banyaknya jumlah region antara data barudengan parameter sampel harus sama, sehingga i =n.

dR= ~2)Ri - Ri'i (I)

Pada pernrosesan citra, nilai yang dicarijarak perbedaannya adalah nilai rata-rata RGB ataunilai biner dari setiap komponen citra antara datainput dan data referensi. Analisa distance ini jugadapat menentukan jarak diskriminan terhadap datainput dan referensi, sehingga dapat mengetahuitermasuk dalam kelompok mana data input ituberada, dan dapat diambil kesimpulan pada prosesanalisanya. Nilai jarak yang paling minimalmerupakan citra yang memiliki kemiripan dengancitra referensi.

2.6. Komunikasi Parallel

Port parallel menyediakan metode yangmudah untuk menghubungkan PC dengan peralatanelektronik. Port parallel merupakan port data dicomputer untuk menstransmisi 8 bit data dalamsekali clock.

Paralel port adalah port yang paling banyakdigunakan dalam interfacing dengan berbagaimacam peralatan eksternal. Secara umum paralelport terdiri dari 4 jalur kontrol, 5 jalur status dan 8jalur data.

323

Hubungan pengkabelan yang umumdigunakan yaitu konektor tipe DB25. KonektorDB25 merupakan konektor yang paling banyakdijurnpai pada paralel port PC sedangkan konektorcentronic dijumpai pada printer.

Sla!u'> RCQI'!e,

~

Gambar 2.2. Pin - Pin Parallel Port

Paralel port yang telah distandarisasidibawah standard IEEE 1284, pertamadiperkenalkan pada tahun 1994. Standard tersebutdidefinisikan dalam 5 mode operasi, yaitu:1. Mode kompabilitas (Compability Mode)2. Mode 4 bit (Nibble Mode)3. Mode 8 bit (Byte Mode)4. Mode parallel port lanjutan (Enhanced Paralel

Port)5. Mode kapabilitas diperluas (Extended

Capability Port)

Register yang ada pada DB25 terdiri dari 3 jenis,antara lain :I. Register Data2. Register Control3. Register Status

3. Metode Pengenalan Wajah yang diusulkan

Perancangan Perangkat Keras

Perancangan secara perangkat kerasdilakukan dengan membuat simulasi maket rumahyang dilengkapi dengan pintu otomatis, rangkaiandriver motor DC, rangkaian optocoupler sebagaipenerima data dari parallel port, komunikasiparallel port dan perencanaan sistem secarakeseluruhan. Gambar rangkaian secara perangkatkeras untuk membuka pintu jika data yang barnmasuk cocok dengan database dan tetap akantertutup jika data yang baru masuk tidak cocokdengan database.

324

FfSUVO RJG!!THMl(. )t::r'

I

Gambar 3.1. Rangkaian Perangkat Keras PembukaPintu

Perancangan Perangkat Lunak

Perancangan secara perangkat lunakmenggunakan sebuah program Visual Basic,dimana perangkat lunak ini digunakan untukmenyimpan hasil penangkapan objek yang bergerakyaitu foto untuk dijadikan sebuah database.Kegunaan dari database ini untuk membandingkandengan data barn yang masuk, apakah data barutersebut cocok atau tidak dengan database yang ada.

Ya

~II~Pi •••• terb~

Tidak

Gambar 3.2. Flowchart Perangkat Lunak

Rancangan Secara Blok Diagram

Dalam perancangan alat identifikasi,dalam hal ini sensor untuk mengambil gambar,diperlukan suatu cara bagaimana suatu gambaryang ditangkap oleh sensor dapat diolah olehkomputer. Dari pengolahan tersebut, data yangdiperoleh kemudian dijadikan acuan untuk

melakukan suatu tindakan seperti pada gambarberikut:

P~ --+1~:11~=1o~iek bergerak Pmtu

Gambar 5. Blok Diagram Sistem

Gambaran umum dari percobaan dibagimenjadibanyak bagian yaitu :Langkah dalam percobaan ini adalah sebagaiberikut:I. Pengambilan data input dari sebuah frame

objek gambar yang sedang bergerakmenggunakan webcam. Jika frame objek sudahdidapatkan, maka dapat melakukanpenyimpanan untuk memperbanyak databaseyang ada. Data yang dapat disimpan dalamdatabase mencapai lebih dari 1000 databaseyang artinya database dapat menyimpan datawajah lebih dari 1000 orang.

2. P~n-skala-an dilakukan karena input yangdidapatkan berukuran besar, sehingga untukmendapatkan objek dengan pixel yang standaruntuk ukuran pixel citra, dipilihlah objekdengan ukuran 320 x 240 = 76800 pixel.Ukuran tersebut masih besar jika harusme~ghitung keseluruhan data yang ada,sehmgga perlu pula dilakukan pen-skala-anmenjadi 1:15. Sehingga didapatkan 16 x 16 =256 data pixel untuk 1 database wajah yangterdeteksi

3. Segmentasi digunakan untuk membedakanwama kulit dengan warna background. Padabatasan masalah ditentukan bahwa warnabackground adalah biru sehingga untuk dapatmenentukan posisi wajah maka harusmembuang warna biru dan mengambil wamakulit yang telah diasumsikan

4. Gray Scale dilakukan, karena gambar yangterekam adalah gambar berbentuk RGB atauberwama, sehingga untuk memudahkanpemrosesan gambar terse but di ubah bentuknyamenjadi gambar gray scale

5. Melakukan pendeteksian keberadaan objeksehingga objek dapat dibedakan denganbackground. Pendeteksian ini dilakukandengan cara segmentasi wama kulit dan jugamelakukan cropping

6. Kuantisasi, yaitu mengambil data pixel darisuatu objek gambar yang sudah terekam untukdimasukkan kedalam sebuah database

7. Pembandingan data pixel dari object yang barudengan data yang ada pad a database.Pembandingan ini menggunakan verifikasidengan algoritma Euclidean Distance danF~zzy C Mean. Dan setelah pembandingandilakukan, data tersebut dikirimkan kekomunikasi paralel sehingga terjadi sebuah

aksi yang berhubungan dengan kecocokan datatersebut, yaitujika data cocok maka pintu akanterbuka, tetapi j ika data tidak cocok, makanpintu akan tetap tertutup. yang kemudian akandikirirnkan

8. Hasil pendekatan suatu pencocokan data yangdidapat dengan data yang tersimpan akandikirimkan komunikasi parallel.

4. Hasil dan Pembahasan

Hasil dari penelitian berdasarkan uji cob apada pengambilan data dari setiap ciri wajah belummendapatkan hasil yang diharapkan. Kemungkinanpenyebab ketidakberhasilan adalah pendeteksianwajah sangat lambat terhadap kecepatan objekbergerak.

Setelah menyelesaikan perencanaan danpembuatan alat, selanjutnya untuk mengetahui sertameyakinkan bahwa seluruh sistem perancanganp~rangkat telah bekerja dengan baik, sehinggadilakukan beberapa pengujian pada setiap tahap.

. Pengujian ini meliputi beberapa tahap,yaitu: I) Pengujian Sensor penangkap objek, untukmenguji apakah sensor penangkap objek dapatm~nangkap objek atau tidak. Jika sensor penangkapobjek dan program Visual Basic bekerja, makaakan tampil gambar sebuah objek; 2) Pengujianpengambilan data, yang bertujuan melakukanpengujian terhadap data yang diambil untukdijadikan sebagai data referensi (sebagaipembanding) dengan data yang akan input.Program menyimpan data secara otomatis datatersebut akan tersimpan pada database yang sudahdikoneksikan; 3) Pengujian perangkat lunak,dengan melakukan pengecekan satu objeksebanyak 20 kali tes. Tingkat keberhasilan dalammenentukan target diharapkan melebihi 50% - 85%.P~rangkat lunak dapat mengenali objek yangditangkap oleh webcam yang sesuai pada databasedan dapat dikenali dengan benar; 4) Pengujianrangkaian driver motor, bertujuan untuk apakahmengetahui rangkaian motor dapat bekerja denganben.ar apabila diberi tegangan berupa pulsa. Inputdari optocoupler diberi tegangan 5Volt sebagaipengganti logic I dari PC, Output optocouplermenjadi input untuk rangkaian driver.

5. Kesimpulan dan saran

Kesimpulan

Berdasarkan hasil pengujian, didapat bahwasistem dapat mengenali ciri - ciri wajah dari 30sampel member yang terdapat pada databasedidapatkan tingkat keberhasilan mengenali ciri - ciriwajah seseorang mencapai 80%.

Setelah menganalisa hasil tersebut adabeberapa faktor kegagalan yang ditimbulkan

325

diantaranya, karena adanya perbedaan kondisilingkungan antara pada saat pengambilan datareferensi ciri - ciri wajah dan pada saat software inidilakukan pengujian.

Untuk mendapatkan hasil yang optimal,adalah dengan menarnbah jumlah data referensi.Semakin banyak data referensi yang diambil,semakin kecil jarak kedekatan antara citra input danpusat cluster.

Pada saat pengujian dilakukan, posisi wajahtidak terlalu ban yak bergerak untuk mendapatkandata input yang baik .

Saran

Hasil pendeteksian masih dapat ditingkatkanlagi akurasinya, karena pencapaian kecocokanantara database dengan data yang barn masukbelum mencapai 100%. Sehingga diharapkan akanada pengembangan lebih lanjut tentang penelitianini, misalnya dengan membuat setiingan suatuobjek yang disimpan di perbesar, meskipun harusmemperhitungkan kecepatan respon antara databasedengan data yang barn masuk.

Penelitian ini tidak hanya dapat digunakanuntuk aplikasi membuka pintu saja, tetapi dapatpula digunakan pada aplikasi lainnya yangmembutuhkan otoritas yang tinggi.

DAFTAR PUSTAKAI) Basuki Achmad, Jozua F. Palandi, dan

Fatchurrochman, 2005, Pengolahan CitraDigital Menggunakan Visual Basic, GrahaIlmu.

2) Hariyanto Bambang, 1999, Sistem Operasi,Bandung, Edisi 2, Informatika.

3) Bima Sena Bayu Dewantara, SST, 2006,Materi Image Prosesing dan Aplikasinya,Pelatihan Image Prosesing, Surabaya.

4) Darma Putra, 2004, Sistem IdentifikasiWajah Dengan Metode Wave/et, MajalahIlmiah Teknologi Elektro Udayana ISSN :16932951 Vol. 3/ No.1 Januari - Juni.

5) Edi Satriyanto, Golan, 2003, PengendalianRobot Dengan Isyarat Tangan, Final ProjectEEPIS ITS.

6) Prasetyo Eri dan Isma Rahmatun, Oktober2008, Design Sistem Pengenalan wajahdengan variasi ekspresi dan posisimenggunakan metode Eagenface, UniversitasGunadarma.http://pusatstudi.gunadarma.ac.id/pscitra,.

7) Juan Wachs,U. Kartoun,Helman Sterm,danYael Edan, 2004, Real-Time Hand GestureTelerobotic System Using the Fuzzy C-MeansClustering Algorithm, Department ofIndustrial Engineering and Management Ben-Gurion University of the Negev.

8) Jure Kovac, Peter Peer, dan Franc Solina,2003, Human Skin Colour Clustering for

326

Face Detection, Faculty of Computer andInformation Science University of Ljubljana

9) Gunadi Kartika dan Sonny RP, 2001,Pembuatan Perangkat Lunak PengenalanWajah Menggunakan Principal ComponentsAnalysis, Universitas Kristen Petra, Jumallnformatika Vol.2 No.2.

10) Kusumadewi Sri, Analisis dan Desain SistemFuzzy Menggunakan Tool Box Mat/ab, GrahaI1mu,2002.

1 1) Leong Marlon, 2004, Pemrograman DasarMicrosoft Visual Basic .NET, ANDIYogyakarta.

12) Linda G Shapira dan George C. Stockman,2001, Computer Vision, PrenticeHall.

13) Munir, Rinaldi, 2004, Pengolahan CitraDigital dengan Pendekatan Algoritmik,Informatika Bandung.

14) Satriyanto Edi, 2006, Identifikasi IsyaratTangan Sebagai Pengendali TelerobotikSecara Real-Time, Tesis ProgramPascasarjana Matematika FakultasMatematika dan Ilmu Pengetahuan Alam,Institut Teknologi Sepuluh Nopember.