Pengantar Teknologi Sistem Cerdas
Di susun oleh :
Rafdhi Herlisandhi
Muharram (18114733)
Kelas 3KA04
Fakultas Ilmu
Komputer dan Teknologi Sistem Informasi
Jurusan Sistem
Informasi
2016/2017
JUDUL
ARTIKEL
“PEMBUATAN
PERANGKAT LUNAK PENGENALAN WAJAH MENGGUNAKAN PRINCIPAL COMPONENTS ANALYSIS”
PENDAHULUAN
Sistem identifikasi merupakan hal yang penting. Salah
satu sistem identifikasi yang banyak dikembangkan saat ini yaitu sistem
identifikasi menggunakan informasi biologis yaitu sidik jari, wajah, retina,
suara dan lain-lain. Salah satu informasi biologis yang sekarang banyak
dikembangkan dan memiliki tingkat keakuratan tinggi yaitu wajah. Maka dari itu
dibuatlah suatu perangkat lunak untuk pengenalan wajah.
Pengenalan wajah manusia adalah salah satu bidang
penelitian penting dengan banyak aplikasi yang dapat menerapkannya. 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 dalam pelacakan pelaku kriminal dan lain-lain. Ada banyak teknik
pengenalan wajah yang dapat dipakai dan salah satunya adalah Principal
Component Analysis (PCA) yang juga disebut Karhunen-Loeve transform.
PERMASALAHAN
Wajah manusia terdiri atas beberapa bagian yang
memiliki karakteristik tersendiri, yang terbentang dari dahi hingga ke dagu
seperti rambut, dahi, mata, hidung, telinga, pipi, bibir. Wajah seseorang
memiliki ciri unik masing-masing yang dapat diidentifikasi. Identifikasi
tersebut dapat digunakan untuk sistem pencarian seseorang di dalam sebuah
gambar digital atau video yang berisi wajah.
Teknik pengenalan wajah menjadi tidak mudah, karena
kemampuan komputer tidak sama dengan kemampuan manusia yang dapat mengenali
setiap wajah yang telah dikenal bertahun-tahun maupun yang dilihat sekilas,
oleh karena itu diperlukan tahap pembelajaran (learning) untuk melatih sehingga pada akhirnya sistem dapat
mengenali wajah yang diuji.
TEKNOLOGI YANG
DIKEMBANGKAN
Teknologi yang
dikembangkan pada perangkat lunak pengenalan wajah ini cenderung lebih banyak pada
bidang keamanan. Bidang keamanan sangat diperlukan karena makin banyaknya
tindak kejahatan yang dapat dilakukan, misalnya pencurian data identitas,
manipulasi identitas, pencurian akun, dan lain sebagainya. Selain itu juga teknologi
yang dapat dikembangkan yaitu dalam bidang interaksi manusia-komputer dan
pengenalan biometrik. Perkembangan teknologi pada bidang interaksi
manusia-komputer ini diperlukan karena untuk membuat suatu perangkat lunak
dibutuhkannya hubungan antara manusia dan komputer yang meliputi perancangan, evaluasi, dan implementasi antarmuka pengguna komputer agar mudah digunakan oleh manusia. Sedangkan untuk bidang
pengenalan biometrik terus berkembang yang awalnya dari sidik jari, tangan,
iris mata, retina lalu berkembang jadi pengenalan biometrik pada wajah yang
semakin kompleks.
SOLUSI
Solusi yang ada dalam permasalahan yaitu untuk
mengidentifikasi wajah seseorang dengan pembuatan perangkat lunak pengenalan
wajah. Terdapat dua metode yang digunakan dalam pembuatan perangkat lunak ini
yaitu sebagai berikut:
·
Metode Principal Component Analysis (PCA)
Dengan Metode PCA,
dari sebuah gambar wajah akan disusun menjadi beberapa vektor wajah. Vektor
wajah tersebut berada dalam suatu ruang, yaitu ruang wajah yang merupakan ruang
dari semua gambar yang memiliki dimensi panjang * lebar pixel. Lalu ruang wajah
dibentuk menjadi sebuah gambar wajah yang lebih baik. Vektor basis dari ruang
wajah disebut sebagai principal components.
Principal
Components Analysis (PCA) digunakan untuk mereduksi dimensi dari sekumpulan
atau ruang gambar sehingga basis atau sistem koordinat yang baru dapat menggambarkan
model yang khas dari kumpulan tersebut dengan lebih baik. Sebelum PCA dapat
dilakukan, maka dilakukan lexicographical
ordering untuk setiap wajah yang akan dilatihkan dimana baris yang satu
diletakkan disamping baris yang lain untuk membentuk vektor wajah yang
merupakan vektor kolom.
Vektor-vektor
wajah tersebut disusun sedemikian rupa sehingga membentuk suatu matriks X
dengan orde n x m, dimana n adalah jumlah pixel (panjang * lebar) dan m adalah
banyaknya gambar wajah.
·
Metode Backpropagation
Lalu
setelah transformasi gambar ke ruang wajah dengan Metode PCA. Maka hasil dari
transformasi ini akan dijadikan input dalam jaringan saraf tiruan dengan
menggunakan Metode Backpropogation. Pelatihan jaringan saraf ini
digunakan untuk mencapai keseimbangan antara kemampuan untuk merespon dan
kemampuan untuk memberikan respon pada input agar dapat menghasilkan output
yang cepat walaupun pelatihan yang dilakukan ini lambat. Dengan Metode
Backpropogation terdapat 3 tahap dalam pelatihan jaringan yaitu feedfoward dari input pola latihan, kalkulasi
dan backpropagation dari error yang berhubungan, dan pengaturan bobot
berdasarkan bobot sebelumnya.
Dalam proses pengenalan
wajah ini dapat dibagi menjadi tiga bagian, yaitu:
1.
Proses Awal
(Preprocessing)
Proses
awal terdiri dari pengambilan data wajah sampai pembentukan principal components (eigenfaces)
melalui PCA.
2.
Proses Latihan
Proses
latihan terdiri dari pembuatan data (reduksi wajah) untuk latihan dan melatih
jaringan backpropagation
3.
Proses
Identifikasi Wajah
Proses identifikasi wajah terdiri dari
pengambilan gambar input yang akan diidentifikasi, reduksi data, memasukkan
data yang tereduksi ke dalam jaringan backpropagation,
membandingkan hasil output dari jaringan backpropagation
dengan database yang ada dan terakhir adalah menampilkan hasil identifikasi.
EVALUASI
Dalam
pengujian sistem menggunakan gambar wajah dari kumpulan gambar foto dari
Olivetti Research Laboratory (ORL) di Cambridge, Inggris, yang diambil antara
April 1992 dan April 1994, yang mempunyai beberapa variasi dalam ekspresi
wajah, pencahayaan, jenis kelamin, ras dan detil wajah (berkacamata atau tidak
berkacamata, berjanggut atau tidak berjanggut). Setelah dilakukan proses
pengenalan wajah membuktikan bahwa dengan penggunaan metode PCA ini menunjukkan
pengenalan wajah dapat memberikan tingkat akurasi yang cukup tinggi. Untuk
gambar wajah yang diikutsertakankan dalam latihan, dapat diperoleh 100%
identifikasi yang benar.
Berdasarkan informasi
dari pengujian sistem, kita dapat mengetahui bahwa pembuatan perangkat lunak
ini telah terbilang cukup sukses karena dapat memberikan tingkat akurasi yang
tinggi. Dan yang pasti pencapaian pembuatan perangkat lunak ini sudah bagus
namun saya kurang tahu standarisasi pada saat dilakukannya pengujian sistem
tersebut tapi jika dibandingkan dengan negara Indonesia yang baru-baru ini
menerapkan sistem pengenalan wajah ini, pengujian sistem tersebut sudahlah
maju. Apalagi di tahun 2016 ini pengenalan wajah pasti sudah lebih berkembang. Harapannya
bahwa pembuatan perangkat lunak ini dapat terus berkembang dan dapat menolong
pekerjaan manusia sesuai dengan bidang yang dikembangkan.
KONTRIBUSI
Kontribusi dari penulisan
ini untuk dapat memecahkan masalah yang ada yaitu dengan pembuatan perangkat
lunak pengenalan wajah menggunakan metode PCA. Masalah tersebut adalah sulitnya
mengidentifikasi wajah seseorang dengan menggunakan bantuan komputer karena
bahasa manusia yang kita gunakan dan bahasa komputer sangatlah berbeda. Bahasa
komputer haruslah dimengerti oleh pengguna, lalu pengguna akan memprogram
komputer tersebut agar dapat mengerti apa yang pengguna inginkan. Sangatlah
sulit untuk membuat komputer mengerti apa yang kita inginkan karena disatu sisi
pengguna harus melakukan pembelajaran terlebih dahulu.
Menurut saya kontribusi
yang telah diberikan sangatlah besar untuk masa yang akan datang. Apalagi
dengan berkembangnya teknologi dari hari ke hari hingga dari jaman ke jaman. Telah
kita lihat juga, pengenalan wajah yang sudah ada di negara Indonesia. Tidak
dapat dibayangkan perkembangan dari perangkat lunak ini, bisa saja bukan
pengenalan pada wajah saja, tetapi sudah mencakup ke seluruh tubuh. Dengan ini
juga kita dapat mengetahui bahwa karakteristik manusia tidak ada yang sama
walaupun mereka terlahir kembar identik sekalipun.
CRITICAL THINKING
·
GOOD
o
Penggunaan PCA untuk pengenalan wajah
ternyata sangat baik dimana dapat diperoleh hasil identifikasi 100% benar untuk
wajah-wajah yang diikutkan dalam latihan. Hasil identifikasi untuk wajah yang
lain tergantung dari kombinasi jaringan yang dipakai dan toleransi outputnya.
o
Kombinasi yang optimal dari seluruh
kombinasi yang diujikan adalah kombinasi 25 unit input dan 40 hidden unit.
Dengan menggunakan toleransi output 0,20 dapat diperoleh hasil identifikasi
terbaik sebesar 91,11% untuk wajahwajah yang tidak pernah dilatihkan. Kombinasi
ini juga cukup tahan terhadap noise.
o
PCA dapat digunakan sebagai filter untuk
mengetahui tingkat kewajahan (faceness)
suatu gambar.
·
BAD
Masalah
utama dari yang timbul adalah waktu pembangunan principal component yang cukup lama dan setiap kali data untuk
latihan berubah maka principal component harus dibangun lagi.
SUMBER
1. JURNAL
INFORMATIKA.
Gunaidi,
Kartika,dkk. (2001). “PEMBUATAN PERANGKAT
LUNAK PENGENALAN WAJAH MENGGUNAKAN PRINCIPAL COMPONENTS ANALYSIS”.
Diperoleh tanggal 29 Oktober 2016 dari http://jurnalinformatika.petra.ac.id/index.php/inf/article/view/15805
2. STUDI PERBANDINGAN PENGENALAN CITRA SENYUMAN
BERDASARKAN AESTHETIC DENTISTRY MENGGUNAKAN
METODE
2D-PCA DAN METODE 2D-LDA.Diperoleh
tanggal 29 Oktober 2016 dari RT Wahyuningrum, F Damayanti - Jurnal Ilmiah Kursor, 2010 -
kursor.trunojoyo.ac.id
3. Komparasi
Pengenalan Citra Tanda Tangan dengan Metode 2D-PCA dan 2D-LDA. Citec Journal,
Vol. 2, No. 4, Agustus 2015 – Oktober 2015 ISSN: 2460-4259, Diperoleh tanggal
29 Oktober 2016 dari DP Pamungkas, E Utami… - Creative Information …, 2015 - ojs.amikom.ac.id
