1  

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam

kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati

para pengguna teknologi baik secara langsung maupun tidak. Berbagai jenis penelitian

pun dilakukan untuk menghasilkan teknologi yang lebih baik dari teknologi-teknologi

yang sudah ada. Pengembangan ini diharapkan menghasilkan berbagai hal yang berguna

untuk memenuhi kebutuhan pengguna, memberikan kemudahan dan kenyamanan dalam

pengunaan teknologi.

Pengembangan yang dilakukan bertujuan membuat komputer memiliki

kecerdasan setara dan atau mendekati kepintaran manusia, yang disebut Kecerdasan

Buatan (Artificial Inteligence). Bahasan yang mencakup kecerdasan buatan antara lain :

Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi

Komputer (Computer Vision), Logika Samar (Fuzzy Logic), dan lain-lain.

Computer Vision merupakan bidang pengetahuan yang berfokus pada bidang

sistem kercerdasan buatan dan berhubungan dengan akuisisi dan pemrosesan images.

Salah satu fokus dari computer vision yaitu pengenalan pola (pattern recognition).

Pattern recognition adalah penelitian yang bertujuan mempelajari ada atau tidaknya dan

bagaimana pola dari sekumpulan data. Data yang dapat dikenali oleh perangkat

komputer dapat berupa suara, gambar, teks, dan lain-lain.

2 

 

Sebuah ciri biologi dapat memberikan informasi yang unik dan lebih akurat

tentang masing-masing individu. Dalam teknologi informasi, pengukuran dan analisis

statistik data biologis (biometrik) biasanya merujuk kepada teknologi untuk mengukur

dan menganalisis karakteristik tubuh manusia seperti sidik jari, retina, mata, pola suara

dan pola wajah yang umumnya digunakan dalam proses otentifikasi.

Pengenalan wajah (face recognition) merupakan salah satu penerapan image

processing. Penelitian terhadap pengenalan wajah manusia sudah banyak dilakukan

dengan kelebihan dan kekurangan tertentu. Hal ini disebabkan karena wajah manusia

mempresentasikan sesuatu yang kompleks, sehingga untuk mengembangkan model

komputasi yang ideal untuk pengenalan wajah manusia adalah sesuatu hal yang sulit.

Pengenalan wajah manusia mendapatkan banyak perhatian beberapa tahun terakhir ini,

hal ini karena banyak aplikasi yang menerapkannya, antara lain dalam pengamanan

gedung, alat identifikasi, ATM, Tele-Conference, alat bantu pelacakan pelaku kriminal

dan lain-lain.

Ada banyak teknik pengenalan wajah yang dapat dipakai dan salah satunya

adalah Principal Component Analysis (PCA) atau juga disebut Karhunen-Loeve

transform yang dikenalkan oleh M Turk & Pentland, 1991. Prosedur PCA pada dasarnya

bertujuan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan

(mereduksi) dimensinya. Hal ini dilakukan dengan cara menghilangkan korelasi diantara

variabel bebas melalui transformasi variabel bebas asal ke variabel baru yang tidak

berkorelasi sama sekali atau yang biasa disebut dengan principal component. Namun

pereduksian dimensi pada teknik ini membutuhkan memori yang cukup besar untuk

3 

 

dapat menampung banyak citra, maka perlu juga dilakukan reduksi pada resolusi citra

tanpa mengurangi kualitasnya.

Pada pengolahan sinyal (citra) digital, transformasi wavelet memiliki reputasi

yang baik dalam memproses suatu sinyal. Dibandingkan dengan transformasi Fourier,

transformasi wavelet tidak hanya menghasilkan informasi frekuensi, tetapi juga

informasi waktu dari sebuah sinyal. Salah satu metodenya yaitu Dual-Tree Complex

Wavelet Transform (DTCWT) menghasilkan 4 koefisien wavelet yang komplek dengan

mengeksploitasi bagian real dan imajiner dari suatu sinyal input sehingga lebih

merepresentasikan sinyal (citra) input. Dengan menggunakan transformasi wavelet yang

baru ini akan didapatkan shift invariance yang bagus, directional selectivity, perfect

reconstruction, memiliki redundansi yang sangat sedikit, (2m:1 untuk m-dimensi sinyal),

dan memiliki algoritma penghitungan yang sedikit. Dengan kata lain, DTCWT

menyaring informasi dari setiap citra yang dibagi ke dalam beberapa level, dimana

setiap level menyimpan informasi yang berbeda dari citra input tanpa mengurangi

kualitas dari citra asli. DTCWT diharapkan menjadi pilihan yang tepat untuk menjadi

solusi bagi kekurangan teknik PCA.

Penelitian menggunakan software Matlab. Matlab adalah sebuah lingkungan

komputasi numerikal dam bahasa pemrograman generasi ke-empat. MATLAB

memungkinkan manipulasi matriks, pem-plot-an fungsi dan data, implementasi

algoritma, pembuatan antarmuka pengguna, dan peng-antarmuka-an dengan program

dalam bahasa lainnya. Meskipun hanya bernuansa numerik, sebuah kotak kakas

(toolbox) yang menggunakan mesin simbolik MuPAD, memungkinkan akses terhadap

kemampuan aljabar komputer. Sebuah paket tambahan, Simulink, menambahkan

4 

 

simulasi grafis multiranah dan Desain Berdasar-Model untuk sistem terlekat dan

dinamik.

Penelitian mengenai pengenalan wajah ini memberikan perkembangan dalam

aplikasi yang sudah ada sebelumnya. Diharapkan dengan adanya pengembangan ini

akan memberikan kontribusi yang cukup dalam proses penggunaannya.

1.2 Ruang Lingkup

Adapun ruang lingkup penelitian dibatasi sebagai berikut :

1. Mengeksplorasi pendeteksian wajah sebagai pengenalan identitas diri seseorang.

2. Penelitian ini menggunakan masukan berupa citra.

3. Ukuran semua citra input yaitu 640x480 pixel.

4. Format file berekstensi JPEG.

5. Output yang dihasilkan sejumlah 10 citra.

6. Menggunakan Matlab untuk menerapkan fungsi-fungsi yang diperlukan dalam

penelitian ini.

7. Menggunakan metode Dual Tree Complex Wavelet Transform (DTCWT) untuk

mereduksi memori pada proses PCA.

8. Mengubah image yang didapat menjadi fitur-fitur yang selanjutnya akan

dibandingkan dengan fitur-fitur yang ada di dalam database.

9. Penelitian ini akan mengenali objek yang berupa wajah dengan berbagai macam

ekspresi yang berbeda. Setelah itu akan dilakukan pencocokan wajah tersebut

dengan database dan output yang akan ditampilkan merupakan 10 citra yang

paling mendekati citra input.

5 

 

1.3 Tujuan dan Manfaat

Tujuan dan manfaat dari penelitian pengenalan deteksi wajah adalah :

• Membandingkan tingkat akurasi antara PCA klasik dengan PCA berbasis

DTCWT.

• Membuat sebuah aplikasi yang dapat melakukan pengenalan wajah seseorang

dengan beraneka ragam ekspresi wajah dengan akurasi dan realibilitas tinggi.

• Meminimalkan penggunaan memori dan waktu proses pencarian dengan

mengurangi matriks citra dengan PCA berbasis DTCWT.

1.4 Metodologi Penulisan

1. Metode Studi Literatur

Studi literatur yang dialakukan meliputi beberapa hal antara lain :

• Mempelajari Matlab.

• Mempelajari algoritma Dual Tree Complex Wavelet Transform

(DTCWT).

• Mempelajari algoritma Principal Component Analysis (PCA).

2. Metode Pengumpulan Data

Pengumpulan data yang dilakukan berupa pengumpulan citra input.

3. Metode Perencanaan dan Pembuatan Perangkat Lunak

Perencanaan dan pembuatan sistem yang dilakukan meliputi beberapa hal antara

lain :

• Perancangan fungsi DTCWT.

• Perancangan fungsi PCA.

6 

 

• Penggabungan fungsi DTCWT dan PCA.

• Perancangan GUI dalam Matlab.

• Melakukan proses offline untuk citra yang akan dijadikan basis data.

• Penggabungan modul-modul tersebut menjadi sebuah sistem pengenalan

wajah.

4. Metode Pengujian dan Analisis Data

Pengujian analisis data yang dilakukan meliputi beberapa hal antara lain :

• Pengujian perangkat lunak.

• Pengujian pengolahan dan perbandingan gambar.

• Analisis output dari hasil program.

1.5 Sistematika Penulisan

Secara garis besar penulisan skripsi ini dibagi atas lima bab, yaitu:

BAB 1 PENDAHULUAN

Dalam bab ini akan dijelaskan mengenai latar belakang permasalahan, ruang

lingkup penulisan, tujuan dan manfaat penulisan, metodologi yang digunakan serta

sistematika penulisan yang dilakukan pada penulisan laporan skirpsi ini.

BAB 2 KAJIAN PUSTAKA

Dalam bab ini akan disajikan teori-teori umum mengenai kecerdasan buatan.

Selain itu adapula penjelasan mengenai teori-teori dasar yang digunakan di dalam

penelitian ini antara lain meliputi teknik-teknik pengolahan citra, metode yang

digunakan dalam deteksi wajah, serta algoritma-algoritma yang akan digunakan yaitu

7 

 

Principal Analisis Component (PCA) dan Dual-Tree Complex Wavelet Transform

(DTCWT).

BAB 3 PROSEDUR DAN METODOLOGI

Bab ini akan membahas mengenai analisis dan perancangan perangkat lunak,

menganalisis masalah-masalah yang dihadapi, pemecahan masalah, serta perancangan

perangkat lunak secara lengkap. Beberapa tahapan yang akan dilakukan dalam bab ini

antara lain identifikasi permasalahan yang ada, perancangan sistem untuk menyelesaikan

masalah sehingga menghasilkan analisis yang maksimal.

BAB 4 ANALISIS HASIL SISTEM

Bab ini berisi implementasi tentang penerapan sistem deteksi wajah dan

dilanjutkan dengan sejumlah uji coba yang mengacu kepada parameter yang telah

ditentukan. Hasil dari uji coba ini akan dijadikan sebagai salah satu bahan untuk

melakukan evaluasi.

BAB 5 KESIMPULAN DAN SARAN

Bab ini merupakan bab terakhir dari seluruh rangkaian bab yang ada di dalam

laporan skripsi ini, dalam bab ini akan tercantum kesimpulan dari bahasan seluruh bab

serta saran-saran yang dapat bermanfaat dalam pengembangan di masa yang akan

datang. Bab ini diharapkan akan memberikan pemahaman kepada para pembaca

mengenai implementasi pengolahan citra serta meningkatkan minat pembaca untuk

melakukan penelitian yang terkait secara lebih lanjut.