My Little Story: Contoh Proposal Penelitian

BAB I

PENDAHULUAN

1.1 Latar Belakang

Dewasa ini teknologi pengenalan wajah semakin banyak diaplikasikan, antara lain untuk sistem pengenalan biometrik (yang dapat juga dikombinasikan dengan fitur biometrik yang lain seperti sidik jari dan suara), sistem pencarian dan pengindeksan pada database citra digital dan database video digital, sistem keamanan kontrol akses area terbatas, konferensi video, dan interaksi manusia dengan komputer.

Dalam bidang penelitian pemrosesan wajah (face processing), pendeteksian wajah manusia (face detection) adalah salah satu tahap awal yang sangat penting di dalam proses pengenalan wajah (face recognition). Sistem pengenalan wajah digunakan untuk membandingkan satu citra wajah masukan dengan suatu database wajah dan menghasilkan wajah yang paling cocok dengan citra tersebut jika ada. Sedangkan autentikasi wajah (face authentication) digunakan untuk menguji keaslian/kesamaan suatu wajah dengan data wajah yang telah diinputkan sebelumnya. Bidang penelitian yang juga berkaitan dengan pemrosesan wajah adalah lokalisasi wajah (face localization) yaitu pendeteksian wajah namun dengan asumsi hanya ada satu wajah di dalam citra, penjejakan wajah (face tracking) untuk memperkirakan lokasi suatu wajah dalam video secara real time, dan pengenalan ekspresi wajah (facial expression recognition) untuk mengenali kondisi emosi manusia (Yang,2002).

Pada kasus tertentu seperti pemotretan untuk pembuatan KTP, SIM, dan kartu kredit, citra yang didapatkan umumnya hanya berisi satu wajah dan memiliki latar belakang seragam dan kondisi pencahayaan yang telah diatur sebelumnya sehingga deteksi wajah dapat dilakukan dengan lebih mudah. Namun pada kasus lain sering didapatkan citra yang berisi lebih dari satu wajah, memiliki latar belakang yang bervariasi, kondisi pencahayaan yang tidak tentu, dan ukuran wajah yang bervariasi di dalam citra

Contohnya adalah citra yang diperoleh di bandara, terminal, pintu masuk gedung, dan pusat perbelanjaan. Selain itu juga pada citra yang didapatkan dari foto di media massa atau hasil rekaman video. Pada kasus tersebut pada umumnya wajah yang ada di dalam citra memiliki bentuk latar belakang yang sangat bervariasi. Penelitian ini akan difokuskan pada masalah pendeteksian wajah. Dengan sistem pendeteksi wajah yang akurat, maka proses selanjutnya yaitu pengenalan wajah dapat dilakukan dengan lebih mudah.

1.2 Rumusan Masalah

Masalah deteksi wajah dapat dirumuskan sebagai berikut: dengan masukan berupa sebuah citra digital sembarang, sistem akan mendeteksi apakah ada wajah manusia di dalam citra tersebut, dan jika ada maka sistem akan memberitahu berapa wajah yang ditemukan dan di mana saja lokasi wajah tersebut di dalam citra. Keluaran dari sistem adalah posisi dari subcitra yang berisi wajah yang berhasil dideteksi.

1.3 Batasan Masalah

Pada sistem deteksi wajah ini diberikan pembatasan masalah sebagai berikut:

· Citra masukan yang digunakan adalah hitam putih dengan 256 tingkat keabuan (grayscale).

· Wajah yang akan dideteksi adalah wajah yang menghadap ke depan (frontal), dalam posisi tegak, dan tidak terhalangi sebagian oleh objek lain.

· Metode yang dipakai adalah jaringan syaraf tiruan multi-layer perceptron dengan algoritma pelatihan back-propagation.

· Penggunaan wajah yang ada pada gambar terbatas pada jumlah, dalam hal ini hanya untuk 1 atau 2 wajah saja dalam tiap gambarnya

· Ukuran gambar yang digunakan sebagai data testing tidak lebih dari 50 x 50 mega pixel karena akan memerlukan waktu ysng lama untuk proses testing tersebut

· Hasil deteksi wajah yang didapat berupa lokasi keberadaan wajah dalm gambar

1.4 Tujuan Penelitian

Penelitian bertujuan untuk membuat suatu desain dan implementasi sistem deteksi wajah dengan masukan berupa citra digital sembarang. Sistem ini akan menghasilkan subcitra yang berisi wajah-wajah yang berhasil dideteksi.

1.5 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat digunakan sebagai langkah awal untuk membangun sistem pemrosesan wajah yang menyeluruh, yang bisa diaplikasikan pada sistem pengenalan wajah atau verifikasi wajah. Program aplikasi yang dibuat juga dapat dijadikan bahan untuk penelitian lebih lanjut di bidang yang berkaitan.
Dengan penyesuaian tertentu, metode yang digunakan mungkin dapat juga dimanfaatkan untuk sistem deteksi objek secara umum yang tidak hanya terbatas pada wajah, misalnya deteksi kendaraan, pejalan kaki, bahan produksi, dan sebagainya.

Dari hasil penelitian ini juga diharapkan dapat diperoleh pemahaman yang lebih baik terhadap jaringan syaraf tiruan, dan pengaruh berbagai parameter yang digunakan terhadap unjuk kerja pengklasifikasi jaringan syaraf tiruan.

BAB II

KAJIAN PUSTAKA

2.1 Pengertian Deteksi Wajah

Deteksi wajah adalah salah satu tahap praproses yang sangat penting di dalam sistem pengenalan wajah. Deteksi wajah dapat digunakan untuk pencarian dan pengindeksan citra digital, Deteksi wajah juga dapat digunakan dalam pencarian dan pengindeksan video. Pemrosesan gambar ini bertujuan untuk mencari wajah dari gambar obyek bergerak yang telah di capture, kemudian gambar tersebut diolah dengan memisahkan gambar dengan latar belakangnya, sehingga hanya bagian yang dianggap kulit yang ditampilkan sedangkan bagian yang bukan kulit akan dihitamkan. Pemisahan gambar dengan latar belakang ini bertujuan untuk memudahkan proses pencarian wajah karena obyek - obyek yang tidak dianggap sebagai kulit telah dieliminasi sehingga sistem deteksi wajah hanya menscan bagian yang dianggap kulit yang kemudian akan dicocokkan dengan template wajah. Pembuatan sistem meliputi perancangan hierarki , perancangan proses pengenalan wajah dan implementasi sistem deteksi wajah, serta perancangan user interface. Perangkat lunak yang digunakakan adalah Java NetBeans 7.1.

BAB III

METODOLOGI PENELITIAN

3.1 Lokasi Penelitian

Lokasi penelitian ini saya lakukan di Stasiun kereta api Kalisat, Tempat yang rentan terhadap serangan teroris atau mafia. Sistem penganalan wajah membantu dalam mengurangi kejahatan dan serangan utama di daerah tersebut

Gambar Stasiun Kalisat

Sumber : http://2.bp.blogspot.com/-5HnwFzRZYpw/TiezImQ6wpI/AAAAAAAAAKs/vhgWcn1Pcnc/s1600/ifk_peta_jember.png

3.2 Teknik Pengumpulan Data

Pengumpulan data ini menggunakan teksik observasi seperti melakukan studi ke perpustakaan terhadap berbagai referensi yang berkaitan dengan penelitian, topik – topik yang dikaji antara lain meliputi :

· pengenalan pola

· pengolahan citra digital

· pendeteksian objek secara umum

· pendeteksian wajah

· jaringan syaraf tiruan

3.3 Tahapan Penelitian (di lengkapi flowchart)

Langkah-langkah atau tahapan penelitian yang akan dilakukan dapat dimulai dengan mempelajari konsep-konsep matematis yang menunjang penelitian ini. Secara garis besar langkah-langkah dalam tahap melakukan penelitian ini dapat dijelaskan dimulai dari proses

· Studi literatur tentang permasalah yang ada

· mengumpulkan data – data yang dianggap penting dan menunjang

· Menyusun hierarki diagram blok

· Melakukan perancangan sistem perangkat lunak

· Membuat coding progarm

· Melakukan training pengujian

· Analisa

· Penulisan laporan akhir

Studi literatur

Dalam mempelajari image procesing untuk mengolah hasil gambar sehingga bisa digunakan sebagai input untuk jaringan syaraf tiruan.

Menyusun hierarki diagram blok

Menyusun suatu hierarki berupa diagram blok yang mempresentasikan dengan lebih terperinci dan detail hingga dapat diterapkan dalam melakukan pendeteksian wajah.

Melakukan perancangan sistem perangkat lunak

Pada tahap ini, proses yang dikerjakan adalah menentukan perancangan sistem perangkat lunak yang akan digunakan. Jenis perangkat lunak yang dipakai adalah Java NeatBeans 6.5

Pembuatan coding program

Pembuatan coding program sesuai rancangan yang telah dibuat, berupa pengambilan input dari gambar citra ke jaringan syaraf tiruan

Melakukan training, pengujian dan analisa

Pada tahap pertama, dilakukan training terhadap bebeapa kumpulan data wajah dan data non wajah . Akan di gunakan gambar citra yang sesuai kriteria, output untuk data training ini akan menunjukkan perbedaan pada antara data wajah dan data nin wajah. Pengaruh apa aja yang ditimbulkan dari data yang berbeda, serta apakah output pada aplikasi ini sudah sesuai dengan yang ditargetkan. Tahap kedua akan dilakukan proses pengujian dari data testing yang akan menentukan output yang di kehendaki. Dan tahap yang terakhir, akan dilakukan uji coba terhadap tingkat keberhasilan dari program dalam mendeteksi wajah. Selain itu perlu adanya proses pelatihan fitur deteksi wajah dengan menggunakan principal componen analisis(PCA).

Gambar di bawah ini merupakan diagram proses pelatihan deteksi fitur wajah

Deskripsi model fitur:

Pada bagian ini menjelaskan tentang fitur-fitur yang dijadikan obyek penelitian dan juga diambil informasi landmarknya. Pada peneltian ini semua fitur wajah akan di ambil informasinya dan akan dideteksi pada saat pengujian. Fitur yang akan dideteksi meliputi alis kanan dan kiri, mata kanan dan kiri, hidung, mulut dan lengkungan wajah.

· Fitur alis mata , Alis mata terletak diatas mata, fitur tersebut akan dipakai sebagai fitur pertama yang akan diberikan landmark, jumlah landmark yang diberikan adalah sebanyak empat titik, untuk mencirikan secara geometris dari fitur alis mata kanan dan kiri.

· Fitur mata , Fitur mata merupakan suatu indera manusia yang sangat unit berbeda antara satu orang dengan yang lain. Tapi secara bentuk mirip, namun struktur geometrisnya pasti berbeda. Ilustrasi dari bentuk pose mata dan deformable templatenya. Untuk mewakili bentuk dari fitur mata maka pada penelitian ini akan diberikan sejumlah landmark, untuk masing-masing mata akan diberikan enam titik landmark.

· Fitur hidung, Lokasi fitur hidung dapat di temukan pada bagian tengah tulang hidung serta pada bagian kanan dan kiri bagian bawah hidung, pada bagian tersebut akan diberikan empat titik pada bagian tengah tulang hidung dan lima titik pada bagian bawah hidung. Ilustrasi dari bentuk pose hidung dan deformable templatenya.

· Fitur mulut, Mulut setiap orang juga mempunyai bentuk yang sangat unik, oleh karena itu mulut juga dapat digunakan sebagai fitur pembeda ciri seseorang. Pada bagian fitur mulut ini akan diberikan dua puluh landmark pada bagian bibir atas,bawah dan bagia dalam, Ilustrasi dari bentuk pose mulut dan deformable templatenya.

· Fitur lengkungan wajah, Kelengkungan wajah setiap orang juag berbeda, dan kemungkinan sangat kecil untuk berubah, Pada bagian fitur lengkungan wajah ini akan diberikan 17 landmark, dimulai dari sisi kanan wajah, dagu dan sisi kiri wajah. Ilustrasi

dari bentuk pose Lengkungan wajah dan deformable templatenya. Jumlah landmark yang digunakan tersebut untuk mewakili lengkungan wajah setiap citra dan dagu merupakan lengkungan terbawah dari wajah menjadi titik simetris wajah.

3.4 Jadwal Penelitian