SISTEM PENDETEKSIAN MANUSIA UNTUK KEAMANAN RUANGAN

MENGGUNAKAN VIOLA-JONES

SKRIPSI

JONATAN SIANTURI

101402052

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

Universitas Sumatera Utara

SISTEM PENDETEKSIAN MANUSIA UNTUK KEAMANAN RUANGAN

MENGGUNAKAN VIOLA-JONES

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana

Teknologi Informasi

JONATAN SIANTURI

101402052

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

Universitas Sumatera Utara

ii

PERSETUJUAN

Judul : SISTEM PENDETEKSIAN MANUSIA UNTUK

KEAMANAN RUANGAN MENGGUNAKAN

VIOLA-JONES

Kategori : SKRIPSI

Nama : JONATAN SIANTURI

Nomor Induk Mahasiswa : 10140252

Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI

Departemen : TEKNOLOGI INFORMASI

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI (FASILKOMTI) UNIVERSITAS

SUMATERA UTARA

Diluluskan di

Medan, Oktober 2014

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dr. Erna Budhiarti Nababan, M. IT Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.

NIP NIP 19860303 201012 1 004

Diketahui/Disetujui oleh

Program Studi S1 Teknologi Informasi

Ketua,

M. Anggia Muchtar ST, M.MT

NIP 19610817 198701 1 010

Universitas Sumatera Utara

iii

PERNYATAAN

SISTEM PENDETEKSIAN MANUSIA UNTUK KEAMANAN RUANGAN

MENGGUNAKAN VIOLA-JONES

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan

dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Oktober 2014

Jonatan Sianturi

101402052

Universitas Sumatera Utara

iv

UCAPAN TERIMA KASIH

Segala puji syukur penulis panjatkan kepada Tuhan Yesus Kristus karena berkat dan

kasih karuniaNyalah penulis bisa menyelesaikan penyusunan tugas akhir ini.

Proses penyusunan skripsi ini juga tidak lepas dari dukungan dan bantuan dari

pihak-pihak yang lain. Oleh sebab itu penulis mengucapkan terima kasih banyak

kepada :

1. Orang tua penulis yaitu ayahanda Mangasi Sianturi dan ibunda Manatap Sinaga

yang mendoakan dan mengingatkan serta memberikan bantuan berupa moril dan

materi sehingga penulis dapat menyelesaikan tugas akhir ini.

2. Pihak keluarga, abang, kakak, dan seluruh keluarga.

3. Bapak M. Anggia Muchtar, ST, MM. IT selaku Ketua Program Studi Teknologi

Informasi Universitas Sumatera Utara.

4. Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc. dan Ibu Dr. Erna Budhiarti

Nababan, M. IT selaku dosen pembimbing penulis yang telah memberikan saran,

masukan, serta bersedia meluangkan waktu, tenaga, dan pikiran untuk membantu

penulis menyelesaikan tugas akhir ini.

5. Bapak Dani Gunawan, ST., M.T dan Bapak Dedy Arisandi, ST., M. Kom selaku

dosen penguji penulis, dan juga dosen penasihat akademik, serta seluruh dosen

Teknologi Informasi.

6. Teman-teman angkatan 2010 Teknologi Informasi.

7. Teman-teman GSPDI Filadelfia Titi Papan.

8. Seluruh teman-teman dari jurusan Teknologi Informasi.

Akhir kata, penulis memohon maaf bila dalam penulisan karya tulis ilmiah ini

terdapat kesalahan. Oleh sebab itu penulis sangat mengharapkan adanya saran-saran

yang membangun.

Semoga karya tulis ini dapat memberikan kontribusi bagi pendidikan di

Indonesia. Tuhan Yesus memberkati.

Universitas Sumatera Utara

v

ABSTRAK

Aspek keamanan sangat dibutuhkan dalam berbagai kehidupan saat ini seperti

keamanan rumah, gedung, atau ruangan yang memiliki nilai penting bagi pemilik.

Keamanan dapat dikerjakan oleh tenaga manusia tetapi cara ini kurang efisien karena

menghabiskan banyak resources seperti uang, waktu, tenaga dan juga sangat rentan

terhadap kelalaian manusia (human error). Oleh karena itu diperlukan suatu

pendekatan untuk dapat melakukan keamanan tersebut. Salah satu pendekatan yang

dapat dilakukan adalah dengan melakukan pendeteksian objek manusia melalui

kamera yang terhubung dengan komputer. Dalam tugas akhir ini digunakan Viola-

Jones untuk mendeteksi objek manusia dalam citra berdasarkan fitur. Citra yang

diinput dari webcam dengan fungsi capture dalam library OpenCV diubah menjadi

citra abu-abu setelah mengalami proses scaling, dilanjutkan ekualisasi histogram,

perhitungan fitur dengan citra integral, dan pendeteksian objek dengan cascade of

classifier. Pada penelitian ini ditunjukkan bahwa metode yang diajukan mampu

melakukan pendeteksian objek dengan hasil akurasi 86,88%.

Kata kunci : viola-jones, pendeteksian manusia, keamanan ruangan, cascade of

classifier, OpenCV.

Universitas Sumatera Utara

vi

HUMAN DETECTION SYSTEM FOR ROOM SECURITY

USING VIOLA-JONES

ABSTRACT

Security aspects are needed in a variety of life today such as home security, building,

or a room that has a significant value for the owner. Security can be done by human

power, but this method is less efficient because it spends a lot of resources such as

money, time, energy and also very prone to human error. Therefore it is necessary to

be able to perform a room security. One approach that can be done is to make the

detection of human object through a camera connected to the computer. In this thesis

Viola-Jones is used to detect human objects in the image based on the features.

Inputted image from the webcam using capture function in the OpenCV library is

converted to gray image after undergoing a process of scaling, and then the image get

histogram equalization process, the calculation of the integral features of the image,

and object detection with a cascade of classifier. In this study indicated that the

proposed method is able to perform object detection with accuracy result is 86,88%.

Keyword : viola-jones, human detection, room security, the cascade of classifier,

OpenCV

Universitas Sumatera Utara

vii

DAFTAR ISI

Hal.

Persetujuan ii

Pernyataan iii

Ucapan Terima Kasih iv

Abstrak v

Abstract vi

Daftar Isi vii

Daftar Tabel x

Daftar Gambar xi

BAB 1 Pendahuluan 1

1.1. Latar Belakang 1

1.2. Rumusan Masalah 2

1.3. Tujuan Penelitian 3

1.4. Batasan Masalah 3

1.5. Manfaat Penelitian 3

1.6. Metodologi Penelitian 3

1.7. Sistematika Penulisan 4

BAB 2 Landasan Teori 6

2.1. Computer Vision 6

2.2. Pendeteksian Objek 6

2.3. Citra 7

2.3.1. Citra Analog 7

2.3.2. Citra Digital 7

2.4. Elemen Citra Digital 7

2.5. Citra Warna 9

2.6. Citra Abu-abu (Grayscale Image) 10

2.7. Metode Viola-Jones 10

Universitas Sumatera Utara

viii

2.7.1. Haar-Like Feature 11

2.7.2. Citra Integral (Integral Image) 12

2.7.3. Adaptive Boosting (Adaboost) 13

2.7.4. Cascade of Classifier 14

2.8. OpenCV 15

2.9. Penelitian Terdahulu 17

BAB 3 Analisis dan Perancangan Sistem 19

3.1. Identifikasi Masalah 19

3.2. Data 19

3.3. Analisis Sistem 20

3.3.1. Scaling 21

3.3.2. GrayScaling 23

3.3.3. Histrogram Equalization 23

3.3.4. Fitur Haar 24

3.3.5. Citra Integral 25

3.3.6. Cascade of Classifier 27

3.4. Perancangan Sistem 28

3.4.1. Use Case Diagram 28

3.4.2. Flowchart 28

3.4.3. Implementasi Jaringan 30

3.4.4. Perancangan Antarmuka 31

3.4.4.1. Rancangan Halaman Splash 31

3.4.4.2. Rancangan Halaman Utama 31

BAB 4 Implementasi dan Pengujian Sistem 33

4.1. Implementasi Sistem 33

4.1.1. Spesifikasi Perangkat Keras dan Lunak 33

4.1.2. Implementasi Perancangan Antarmuka 34

4.2. Pengujian Sistem 35

4.2.1. Waktu Pendeteksian 35

4.2.2. Keakuratan Pendeteksian 37

Universitas Sumatera Utara

ix

BAB 5 Kesimpulan dan Saran 55

5.1. Kesimpulan 55

5.2. Saran 56

Daftar Pustaka 57

Lampiran A: Source Code Aplikasi Client 59

Lampiran B: Source Code Aplikasi Server 62

Universitas Sumatera Utara

x

DAFTAR TABEL

Hal.

Tabel 2.1. Citra Warna 8 Bit 9

Tabel 2.2. Citra Warna 16 Bit 9

Tabel 3.1. Perhitungan Nilai Piksel Hasil Interpolasi 22

Tabel 3.2. Proses Perhitungan Distribusi Kumulatif 24

Tabel 3.3. Teknik Perhitungan Histogram 24

Tabel 3.4. Nilai Grayscale Citra Masukan 26

Tabel 3.5. Perhitungan Citra Integral 26

Tabel 3.6. Hasil Citra Integral 26

Tabel 4.1. Hasil Pengujian Waktu Pendeteksian dengan Webcam 35

Tabel 4.2. Hasil Pengujian untuk Ruangan A 39

Tabel 4.3. Hasil Pengujian untuk Ruangan B 43

Tabel 4.4. Hasil Pengujian untuk Ruangan C 47

Tabel 4.5. Hasil Pengujian untuk Ruangan D 51

Universitas Sumatera Utara

xi

DAFTAR GAMBAR

Hal.

Gambar 2.1. Variasi Fitur pada Haar (LienHart et al, 2002) 11

Gambar 2.2. Perhitungan Citra Integral 12

Gambar 2.3. Alur Kerja Klasifikasi Bertingkat (Dzulkamain et al, 2011) 14

Gambar 2.4. Struktur dan Konten OpenCV (Bradski et al, 2008) 16

Gambar 3.1. Arsitektur Umum Sistem Pendeteksian Manusia 20

Gambar 3.2. Metode Interpolasi untuk Memperkecil Gambar 21

Gambar 3.3. Penskalaan Citra dengan Metode Interpolasi (Santoso et al, 2013) 22

Gambar 3.4. Grayscaling (Santoso et al, 2013) 23

Gambar 3.5. Pencarian Fitur Haar 25

Gambar 3.6. Contoh Perhitungan Citra Integral (Santoso et al, 2013) 25

Gambar 3.7. Hasil Deteksi Wajah 27

Gambar 3.8. Flowchart Sistem Pendeteksian Manusia 28

Gambar 3.9. Rancangan Jaringan Sistem Pendeteksian Manusia untuk Keamanan

Ruangan 29

Gambar 3.10. Rancangan Halaman Splash 30

Gambar 3.11. Rancangan Halaman Utama 31

Gambar 4.1. Halaman Splash 34

Gambar 4.2. Halaman Utama 35

Gambar 4.3. Screenshot Hasil Pendeteksian Ruangan A 38

Gambar 4.4. Screenshot Hasil Pendeteksian Ruangan B 43

Gambar 4.5. Screenshot Hasil Pendeteksian Ruangan C 47

Gambar 4.6. Screenshot Hasil Pendeteksian Ruangan D 51

Gambar 4.7. Hasil Pengujian dengan Objek Ayam 53

Universitas Sumatera Utara