PENGENALAN GAMBAR WAJAH DENGAN METODE THRESHOLDING, NEGATIVE, DAN CROPPING

JURNAL ILMIAH

“PENGENALAN GAMBAR WAJAH DENGAN METODE THRESHOLDING, NEGATIVE, DAN CROPPING”

Disusun Oleh

RIZKA MAULIDINA

1115101300

S1 TEKNIK INFORMATIKA

STIKOM PGRI BANYUWANGI

2017

Abstrak

Keamanan dalam membuat suatu sistem merupakan hal yang sangat penting. Pesatnya perkembangan software menjadikan keamanan sebagai kebutuhan dasar. Tidak ada sistem komputer yang dapat diamankan secara total, yang dapat dilakukan adalah membuat kesulitan bagi orang lain dalam mengganggu sistem komputer kita. Aplikasi yang banyak menggunakan keamanan yang tinggi salah satunya pengenalan diri. Pengenalan diri yang banyak dikembangkan sekarang ini lebih mengarah ke bagian biometrik manusia, salah satunya adalah mengenali wajah manusia.

Pengenalan wajah yaitu menyesuaikan dari beberapa pendekatan untuk pengenalan objek dan grafika komputer didasarkan secara langsung pada citra-citra tanpa penggunaan model 3D. Karena dimensi piksel hasil transformasi berukuran besar kemudian dilakukan dengan menggunakan metode Thresholding, Negative, dan Cropping. Citra untuk pengujian berupa citra wajah dan data wajah yang sebagian merupakan data citra pelatihan, jumlah data uji sebanyak 5 citra yang terdiri  dari 3 citra wajah dan 2 citra bukan wajah.

Dari hasil tersebut didapatkan bahwa persentase ketepatan pengenalan wajah  menunjukkan hasil  yang memuaskan. Untuk kesalahannya menunjukkan angka yang kecil.  Berdasarkan hasil yang dilakukan diperolah tingkat keberhasilan mengenali wajah 5 kali uji coba yang dilakukan.

Kata kunci: biometrik, pengenalan wajah, thresholding, negative, croping.

1. PENDAHULUAN

Citra (image) adalah istilah lain untuk gambar. Sebagai salah satu komponen multimedia yang memegang peranan sangat penting dalam bentuk informasi visual, citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu kaya dengan informasi. Operasi pengolahan citra merupakan operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain yang dapat dikatagorikan berdasarkan tujuan transformasi maupun cakupan terhadap citra. Pada hasil pemotretan kamera digital dan hasil scan gambar dengan format digital, sering terdapat kekurangan misalnya dalam pengambilan sebuah gambar, sering kali buram serta nampak kurang tajam, gambar terlihat redup, kurang fokus, dan kurang cemarlang. Ada beberapa penyebabnya, di antaranya resolusi gambar rendah, jumlah pixel warna sangat minim dan kurang fokus pada objek gambar yang dimaksud. Persentase kesamaan data uji dan data yang didentifikasi tinggi jika pencahayaan terang. Tujuan penelitian ini adalah utuk merancang sebuah sistem pengenalan wajah dengan metode yang dikembangakan dalam pengenalan wajah, salah satu metode yang digunakan adalah metode THRESHOLDING, NEGATIVE, DAN CROPING.

Sedangkan proses yang  dilakukan pada penelitian ini meliputi:

a)      proses menangkap citra wajah dengan kamera.

b)    proses algoritma eigenface untuk mengambil keputusan menyamakan citra wajah yang ditangkap kamera saat masuk dengan citra yang telah disimpan sebelumnya, di mana wajah yang akan digunakan untuk akses masuk adalah wajah yang menghadap ke depan kamera, jarak 50 cm dengan pencahayaan yang baik dan tidak ada objek yang menghalangi wajah.

Pada saat pengambilan citra wajah juga harus memperhatikan kondisi cahaya, variasi ekspresi, dan kualitas citra. Karena pada pengenalan wajah kondisi cahaya sangat menentukan akurasi dari pengenalan wajah semakin gelap atau terang cahaya tersebut, variasi ekspresi yang berubah-ubah, citra yang mempunyai derau (noise) dari setiap citra wajah yang diambil akan mempengaruhi akurasi dari pengenalan wajah. Untuk membuat proses pengubahan citra berderajat keabuan menjadi citra biner atau hitam putih sehingga dapat diketahui daerah mana yang termasuk objeck dan background dari citra secara jelas menggunakan metode Thresholding, untuk memotong satu bagian dari citra menggunakan metode Cropping dan untuk membalikkan dari citra asal menggunakan metode Negative.

2. LANDASAN TEORI

2.1 Pengertian Pengenalan Wajah

Subjek pada jurnal  ini adalah pengolahan citra untuk pengenalan wajah manusia menggunakan metode Thresholding, Negative, dan Cropping. Data dalam penelitian ini menggunakan data citra sampel wajah manusia berupa file citra berekstensi .jpg dan yang telah diolah terlebih dahulu untuk menghasilkan citra yang lebih baik dan untuk mempermudah pembacaan data dalam pengenalan wajah. Pengenalan wajah sendiri yaitu salah satu teknologi biometrik yang telah banyak diaplikasikan dalam sistem keamanan. Dalam aplikasinya sendiri pengenalan wajah menggunakan sebuah kamera untuk menangkap wajah seseorang kemudian dibandingkan dengan wajah yang sebelumnya telah disimpan di dalam database tertentu. Ada banyak metode yang telah dikembangkan oleh para ilmuwan untuk dapat melakukan pengenalan wajah secara akurat.

2.2 Metode Pengolahan Citra Thresholding

Thresholding  adalah proses mengubah citra berderajat keabuan menjadi citra biner atau hitam putih sehingga dapat diketahui daerah mana yang termasuk obyek dan background dari citra secara jelas. Citra hasil thresholding biasanya digunakan lebih lanjut untuk proses pengenalan obyek serta ekstraksi fitur.

2.3 Metode Pengolahan Citra Negative

Citra negative merupakan citra yang berkebalikan dengan citra asli, sama seperti film negatif hasil pengambilan citra dengan menggunakan kamera konvensional. Jika terdapat sebuah citra yang mempunyai jumlah grey level L dengan range [0 hingga L-1], maka citra negative diperoleh dari transformasi negative dengan persamaan :

s = L-1-r

Keterangan :

s = citra hasil transformasi negatif.

L = jumlah gray level sebuah citra.

r = citra asli.

2.4 Metode Pengolahan Citra Cropping

Cropping adalah proses pemotongan citra pada koordinat tertentu pada area citra. Untuk memotong bagian dari citra digunakan dua koordinat, yaitu koordinat awal yang merupakan awal koordinat bagi citra hasil pemotongan dan koordinat akhir yang merupakan titik koordinat akhir dari citra hasil pemotongan. Sehingga akan membentuk bangun segi empat yang mana tiap-tiap pixel yang ada pada area koordinat tertentu kan disimpan dalam citra yang baru.

3. PEMBAHASAN DAN UJI COBA

Input Citra

Citra yang di inputkan adalah citra digital dengan warna RGB (Red, Green, Blue) yang akan di konversikan ke citra grayscale. Citra digital ikan ini bereksistensi JPG (Joint Photographic Group). Untuk Sourcecode input citra seperti:
 

Konversi Citra

Selanjutnya citra RGB (Red, Green, Blue) di konversi ke dalam model warna citra grayscale dengan menggunakan perintah sebagai berikut:

Sehingga hanya memiliki satu nilai warna keabuan dalam tiap piksel. Proses perubahan citra RGB (Red, Green, Blue) ke grayscale di tunjukkan seperti gambar di bawah ini:

Thresholding

Analisis terhadap citra grayscale dengan menggunakan thresholding yang memiliki ketetapan atau konstanta bernilai (T) = 200, suatu piksel yang memiliki warna hitam akan semakin menjadi hitam dan jika piksel memiliki warna putih akan menjadikan semakin putih, untuk pengimplementasian dengan sourcecode sebagai berikut:

Yang menunjukan hasil segmentasi citra sebagai berikut:

Negative

Seperti yang di paparkan dalam landasan teori tentang citra negative, analisis terhadap citra grayscale dengan menggunakan metode negative adalah membalikkan level intensitas pada sebuah citra, jika terdapat dalam suatu piksel berwarna putih maka akan berubah menjadi berwarna hitam. Dari penjelasan diatas dapat di implementasikan sourcecode sebagai berikut:

Yang menunjukkan hasil dari citra menggunakan metode negative sebagai berikut:

Cropping

Analisis terhadap citra grayscale dengan menggunakan metode cropping, citra akan mengecil atau membesar dengan ukuran yang telah ditetapkan. Dari penjelasan landasan teori tentang citra cropping diatas dapat di implementasikan dalam sourcecode sebagai berikut:

Dibawah ini menunjukkan hasil dari citra menggunakan metode cropping:

Gambar Citra dengan menggunakan Metode Cropping

4.PENUTUP

1.      Kesimpulan

Kesimpulannya adalah pada saat citra grayscale diolah dengan metode thresholding hasilnya warna hitam akan semakin menjadi hitam dan piksel yang memiliki warna putih akan menjadikan semakin putih namun secara keseluruhan gambar tidak begitu halus seperti awal. Pada metode negative hasilnya berlawanan dengan gambar aslinya yaitu piksel yang memiliki warna putih akan menjadi hitam sedangkan piksel yang berwarna hitam menjadi putih dan hasil dari metode croping yaitu gambar akan lebih kecil atau besar dengan penentuan ukuran tertentu sebelumnya.

Jadi, dalam citra original ini hanya mendeteksi satu wajah saja, dengan menggunakan metode thresholding, negative, dan cropping, citra tersebut lebih jelas bentuk wajah dari citra original.

2.      Saran

Jurnal ini masih banyak kekurangan, diharapkan untuk kedepan bisa diperbaiki dan dikembangkan lagi untuk menjadi lebih baik dengan metode filtering atau yang lainnya.

5. DAFTAR PUSTAKA

Jurnal

Murinto, PENGENALAN WAJAH MANUSIA DENGAN METODE

PRINCIPLE COMPONENT ANALYSIS, PCA, Desember 2007.

Permana Arbi, Kelvin, RANCANGAN APLIKASI PENGENALAN WAJAH

DENGAN ALGORITMA EIGENFACE, Juli 2013.

Wicaksana, Anggit, PENGOLAHAN CITRA DIGITAL “CITRA NEGATIF”,

Oktober 2015.