Microsoft Word - Bab 1 - Rev.docBAB 1PENDAHULUAN1.1Latar Belakang MasalahTeknologi informasi yang berkembang sangat cepat menyebabkan bertumbuhnya permintaan terhadap aplikasi yang semakin kompleks, salah satunya adalah aplikasi untuk pengenalan diri. Ada berbagai macam jenis teknik pengenalan diri yang sudah digunakan, dari yang paling umum adalah pengenalan diri berdasarkan sidik jari, citra wajah, telapak tangan, geometri tangan, iris mata, hingga pengenalan pembuluh darah vena, dan DNA. Di antara jenis jenis teknik tersebut teknik pengenalan wajah merupakan teknik yang paling fleksibel, yaitu dapat dengan mudah diterapkan di mana saja tanpa membutuhkan upaya yang besar dari subjek yang akan dikenali, contohnya pengambilan citra wajah melalui Closed-circuit Television (CCTV). Namun, banyak kendala yang dihadapi oleh aplikasi pengenalan wajah, contohnya adalah pengambilan gambar yang buruk yang disebabkan oleh sudut pengambilan yang tidak baik, pencahayaan yang minim atau justru berlebihan, juga ekspresi wajah yang berubah - ubah. Selain itu, kendala juga terjadi pada metode yang kurang mampu mengolah gambar yang kurang baik, sehingga terjadi kesalahan pada tahap pengenalan. Hal tersebut memotivasi penulis untuk merancang sebuah program aplikasi pengenalan wajah yang memiliki kemampuan pengenalan lebih baik.Sudah banyak metode metode yang diajukan untuk digunakan dalam pengenalan wajah selama beberapa dekade ini. Metode Eigenfaces dan Fisherfaces adalah dua metode linear paling populer untuk pengenalan wajah. Eigenfaces mengaplikasikan Principal Component Analysis (PCA) untuk memproyeksikan titik titik data sepanjang arah variasi maksimum. Metode Eigenfaces mampu menemukan geometri intrinsik manifold wajah jika sifatnya linear. Tidak seperti metode Eigenfaces yang sifatnya unsupervised, metode Fisherfaces bersifat supervised. Fisherfaces mengaplikasikan Linear Discriminant Analysis (LDA) untuk memproyeksikan titik titik data sepanjang arah optimal untuk diskriminasi citra wajah. Kedua metode tersebut, Eigenfaces dan Fisherfaces, hanya memperhatikan struktur global Euclidean. Metode Laplacianfaces, yang diusulkan pada tahun 2005, diajukan untuk memodelkan struktur manifold lokal. Laplacianfaces adalah perkiraan linear untuk fungsi eigen dari operator Laplace Beltrami pada manifold wajah. Namun, fungsi basis yang dihasilkan oleh metode Laplacianfaces yang bersifat non-ortogonal, membuat metode ini sulit untuk merekonstruksi data.Orthogonal Laplacianfaces pada dasarnya berbasis pada metode Laplacianfaces. Metode ini membentuk adjacency graph yang mampu merefleksikan geometri dari manifold wajah dan hubungan kelas dengan titik titik percobaan dengan sangat baik. Proyeksinya kemudian didapat dengan menjaga struktur graph. Metode ini memiliki locality preserving character yang sama dengan metode Laplacianfaces, namun pada waktu yang sama, metode ini membutuhkan fungsi basisnya bersifat ortogonal. Fungsi basis yang ortogonalmenjaga struktur metrik dari wajah. Bahkan, jika semua dimensi yang didapat oleh Orthogonal Laplacianfaces digunakan, peta proyeksinya adalah sebuah peta rotasi yang tidak mengubah struktur metrik. Selain itu, hasil studi empiris menunjukkan bahwa Orthogonal Laplacianfaces mampu memiliki locality preserving power lebih baik dibanding Laplacianfaces. Locality preserving power berhubungan langsung dengan discriminating power, sehingga Orthogonal Laplacianfaces diharapkan mampu memiliki discriminating power lebih baik dibandingkan dengan Laplacianfaces.1.2Ruang LingkupPenelitian ini terbatas pada pengenalan citra dua dimensi pada citra keabu abuan (greyscale) yang memiliki format bitmap. Citra yang akan digunakan berukuran 32 x 32 pixel dengan 256 tingkat keabu-abuan yang sebelumnya telah dinormalisasi baik dalam ukuran maupun orientasi.Program aplikasi pengenalan citra ini dibuat menggunakan bahasa pemrograman Microsoft Visual C# 2008. Pada program aplikasi pengenalan wajah ini terdapat dua modul yang akan digunakan. Modul pertama adalah modul representasi wajah atau modul pelatihan dengan menggunakan metode Orthogonal Laplacianfaces yang dibangun dengan mengimplementasikan fungsi matematika untuk mendapatkan karakteristik wajah pada citra yang digunakan. Modul kedua adalah modul pengenalan wajah dengan merepresentasikan citra yang akan dikenali dengan metode Orthogonal Laplacianfaces untukmendapatkan karakteristik wajah pada citra tersebut dan mengklasifikasikannya menggunakan metode Nearest-neighbor Classifier. Hubungan modul pertama dengan modul kedua adalah sequential yaitu output dari modul pertama akan digunakan sebagai input pada modul kedua.1.3Tujuan dan Manfaat1.3.1TujuanTujuan dari penelitian ini adalah membangun sebuah aplikasi yang mampu mengenali citra wajah dengan mengaplikasikan metode Orthogonal Laplacianfaces yang selanjutkan akan diklasifikasikan menggunakan metode Nearest-neighbor Classifier.1.3.2ManfaatManfaat yang diharapkan dari penelitian ini adalah pengayaan dalam aplikasi sistem pengenalan wajah yang dapat diterapkan dalam berbagai bidang dan untuk bermacam macam tujuan. Beberapa contoh sederhana adalah sistem pengenalan wajah mampu digunakan dalam sistem absensi di berbagai perusahaan swasta maupun instansi instansi milik pemerintah. Sistem pengenalan wajah juga diharapkan mampu bekerja dengan baik di bidang keamanan, sebagai contoh mampu memantau dan mengenali setiap orang yangmasuk atau keluar dari suatu negara di pelabuhan udara, laut, maupun jalan darat. Pada bidang pendidikan, penelitian ini bisa menjadi referensi untuk metode pengenalan wajah dan dapat dikembangkan untuk kedepannya menjadi sistem yang lebih baik dan siap pakai.1.4Metodologia. Metodologi Studi LiteraturPenulis melakukan studi literatur untuk mendapatkan informasi informasi yang berkaitan dengan metode pengenalan wajah terutama Orthogonal Laplacianfaces, citra wajah yang dijadikan training set, dan informasi informasi lain yang dibutuhkan untuk penyusunan skripsi dan program aplikasi yang berasal dari artikel, buku, maupun jurnal ilmiah yang terdapat di perpustakaan dan di internet.b. Metodologi Perancangan ProgramPenulis merancang sebuah program aplikasi pengenalan wajah menggunakan metode Orthogonal Laplacianfaces dan melakukan percobaan berdasarkan input data yang berupa citra wajah untuk mengetahui performa dari metode yang diajukan penulis.1.5Sistematika Penulisana. BAB 1: PendahuluanBab ini menguraikan tentang latar belakang masalah yang menjadi motivasi disusunnya skripsi ini, juga termasuk di dalamnya adalah ruang lingkup penelitian, tujuan dan manfaat, metodologi, serta sistematika penulisan.b. BAB 2: Landasan TeoriBab ini menguraikan tentang landasan teori yang dipakai dalam penyusunan skripsi ini, diantaranya adalah Principal Component Analysis (PCA), Orthogonal Locality Preserving Projection (OLPP), Orthogonal Laplacianfaces, dan Nearest-neighbor Classifier. Pada bab ini juga diuraikan bahasa pemrograman yang dipakai serta daur hidup perangkat lunak yang digunakan.c. BAB 3: Metodologi PerancanganBab ini menguraikan tentang langkah langkah yang dilakukan dan kerangka pemikiran dalam melakukan perancangan program aplikasi, juga deskripsi data data yang akan digunakan.d. BAB 4: Implementasi dan EvaluasiBab ini menguraikan hasil yang diperoleh dari pengolahan data serta analisis dari hasil tersebut. Bentuk dan gambar dari program aplikasi juga diuraikan pada bab ini.e. BAB 5: Kesimpulan dan SaranBab ini menguraikan kesimpulan yang didapat dari hasil pengolahan data berdasarkan uraian uraian dari bab bab sebelumnya dan saran yang diusulkan untuk penelitian lebih lanjut.