Implementation Of Eye Blink Detection Using Haar Cascade Classifier And Contour To System Login...

7/26/2019 Implementation Of Eye Blink Detection Using Haar Cascade Classifier And Contour To System Login Password

1/79

TUGAS AKHIR

IMPLEMENTASI DETEKSI KEDIPAN MATA DENGAN HAAR CASCADE CLASSIFIER DAN CONTOUR SEBAGAI

PASSWORD LOGIN SISTEM

IMPLEMENTATION OF EYE BLINK DETECTION USING HAAR CASCADE CLASSIFIER AND CONTOUR TO SYSTEM

LOGIN PASSWORD

Diajukan untuk memenuhi salah satu syaratmemperoleh gelar Sarjana Teknik Informatika

Disusun Oleh:

Nama : Muhammad Syarif

NIM : A11. !11.!"#$

%rogram Studi : Teknik Informatika Strata 1

FAKULTAS ILMU KOMPUTER

UNIVERSITAS DIAN NUSWANTORO

SEMARANG

2015


2/79

PERSETUJUAN TUGAS AKHIR


NIM : A11. !11.!"#$

%rogram Studi : Teknik Informatika

&akultas : Ilmu 'omputer

(udul Tugas Akhir : Implementasi Deteksi 'edipan Mata dengan )aar

*as+ade *lassifier dan *ontour se,agai %ass-ordogin Sistem

Tugas Akhir ini telah diperiksa dan disetujui/

Semarang/!0 Agustus !10

Menyetujui :

%em,im,ing

Mengetahui :

Dekan &akultas Ilmu 'omputer

Wijana !"#M$K"% D $ D &$ A'()* S+),) # MM

2


3/79

PENGESAHAN DEWAN PENGUJI


NIM : A11. !11.!"#$

%rogram Studi : Teknik Informatika

&akultas : Ilmu 'omputer

(udul Tugas Akhir : Implementasi Deteksi 'edipan Mata dengan )aar

*as+ade *lassifier dan *ontour se,agai %ass-ordogin Sistem

Tugas akhir ini telah diujikan dan dipertahankan dihadapan De-an %enguji padasidang tugas akhir tanggal !10. Menurut pandangan kami/ tugas akhir ini

memadai dari segi kualitas maupun kuantitas untuk tujuan penganugrahan gelar Sarjana 'omputer S.'om.2

Semarang/ !0 Agustus !10

De-an %enguji:

S)- a+".i# M$K"% A+) P/ !i i# S$K"%# MT

Anggota1 Anggota

S*a%/! S)(a +an!" N$# ST# M$K"%

'etua %enguji

3


4/79

PERN ATAAN KEASLIAN TUGAS AKHIR

Se,agai mahasis-a 3ni4ersitas Dian Nus-antoro/ yang ,ertanda tangan di ,a-ah

ini/ saya:


NIM : A11. !11.!"#$

Menyatakan ,ah-a karya tulis ilmiah saya yang ,erjudul:

I%-*/%/n!a&i D/!/,&i K/(i-an Ma!a (/n.an Haa Ca& a(/ C*a&&i3i/ (an

C"n!") &/'a.ai Pa&& " ( L".in Si&!/%$

Merupakan karya asli saya ke+uali +uplikan dan ringkasan yang masing5masing

telah saya jelaskan sum,ernya2.Apa,ila di kemudian hari/ karya saya disinyalir

,ukan merupakan karya asli saya/ yang disertai dengan ,ukti5,ukti yang +ukup/

maka saya ,ersedia untuk di,atalkan gelar saya ,eserta hak dan ke-aji,an yang

melekat pada gelar terse,ut. Demikian surat pernyataan ini saya ,uat dengan

se,enarnya.

Di,uat di : Semarang

%ada tanggal : !0 Agustus !10

6ang Menyatakan

Muhammad Syarif 2

4


5/79

PERN ATAAN PERSETUJUAN PUBLIKASI KAR A ILMIAH UNTUK

KEPENTINGAN AKADEMIS

Se,agai mahasis-a 3ni4ersitas Dian Nus-antoro/ yang ,ertanda tangan di ,a-ah

ini/ saya:


NIM : A11. !11.!"#$

demi mengem,angkan Ilmu %engetahuan/ menyetujui untuk mem,erikan kepada

3ni4ersitas Dian Nus-antoro )ak 7e,as 8oyalti Non59ksklusif Non-exclusive

Royalty-Free Right 2 atas karya ilmiah saya yang ,erjudul:I%-*/%/n!a&i D/!/,&i K/(i-an Ma!a (/n.an Haa Ca& a(/ C*a&&i3i/ (an

C"n!") &/'a.ai Pa&& " ( L".in Si&!/%$

Dengan )ak 7e,as 8oyalti Non59ksklusif ini 3ni4ersitas Dian Nus-antoro

,erhak untuk menyimpan/ meng+opy ulang memper,anyak2/ menggunakan/

mengelolanya dalam ,entuk pangkalan data database 2/ mendistri,usikannya dan

menampilkan mempu,likasikannya di internet atau media lain untuk kepentingan

akademis tanpa perlu meminta ijin dari saya selama tetap men+antumkan namasaya se,agai penulis pen+ipta.

Saya ,ersedia untuk menanggung se+ara pri,adi/ tanpa meli,atkan pihak

3ni4ersitas Dian Nus-antoro/ segala ,entuk tuntutan hukum yang tim,ul atas

pelanggaran )ak *ipta dalam karya ilmiah saya ini.

Demikian surat pernyataan ini saya ,uat dengan se,enarnya.

Di,uat di : Semarang

%ada tanggal : !0 Agustus !10

6ang menyatakan

Muhammad Syarif 2

5


6/79

UCAPAN TERIMA KASIH

Dengan memanjatkan puji syukur kehadirat Allah S;T. Tuhan 6ang Maha

%engasih dan Maha %enyayang yang telah melimpahkan segala rahmat/ hidayah

dan inayah5Nya kepada penulis sehingga laporan tugas akhir dengan judul

dapat penulis selesaikan sesuai dengan ren+ana karena dukungan dari ,er,agai

pihak yang tidak ternilai ,esarnya. Oleh karena itu penulis menyampaikan terima

kasih kepada :

1. Dr. Ir. 9di Noersasongko/M.'om./ selaku 8ektor 3ni4ersitas Dian

Nus-antoro Semarang.. Dr. A,dul Syukur/ selaku Dekan &akultas Ilmu 'omputer 3ni4ersitas Dian

Nus-antoro.?. )eru Agus Santoso/%h.D selaku ka. %rogdi Teknik Informatika.#. ;ijanarto/M.'om selaku dosen pem,im,ing yang telah mem,erikan

,im,ingan kepada penulis dalam penyusunan laporan tugas akhir ini.0. Dosen5dosen pengampu di &akultas Ilmu 'omputer Teknik Informatika

3ni4ersitas Dian Nus-antoro Semarang yang telah mem,erikan ,anyak ilmu.". 7apak dan I,u yang tidak pernah lelah mem,erikan doa serta dorongan

kepada penulis untuk maju dan terus ,erusaha.$. Saha,at @ saha,at dan teman @ teman penulis Ma,uud #11 dan Barokah

'os2 yang selalu mem,erikan semangat dan dorongan untuk terus ,erusaha.

Semoga laporan tugas akhir ini dapat memperluas -a-asan dan pengetahuan

yang ,ermanfaat dan ,erguna se,agaimana fungsinya.Semarang/ !0 Agustus !10

%enulis

ABSTRAK

6


7/79

Di dalam perkem,angan teknologi/ keamanan menjadi prioritas utama. 7aik keamanan data/ had-are atau soft-are. Dalam menjaga keamanan diperlukan data

pri,adi se,agai autentikasi dan 4alidasi pengguna yang sah. *ontoh data pri,adiyang sering dijumpai adalah pass-ord. 7iasanya/ pengguna memasukkan

pass-ord se+ara langsung menggunakan key,oard. *ara ini rentan terhadap pen+urian pass-ord se+ara keystroke atau perekaman pengetikan pada key,oard/+ontohnya dengan aplikasi 'eylogger. Maka di,uatlah ,e,erapa 4ariasi pass-ordyang meminimalisir interaksi langsung pengguna dengan key,oard. Salah satu+ara adalah memanfaatkan kedipan mata menjadi pass-ord. Dengan )aar *as+ade *lassifier se,agai metode deteksi ,again tu,uh tertentu suatu o,yek manusia2/ dan *ontour se,agai deteksi kontur/ dapat dimanfaatkan untuk

mendeteksi mata dengan )aar *as+ade/ dan mendeteksi kontur mata ter,uka danmenutup dengan *ontour. Setelah mata terdeteksi/ dengan jarak/ posisi o,yek dan

posisi sum,er +ahaya tertentu/ maka akan didapatkan kontur mata sempurnase,agai a+uan kedipan mata. Nilai threshold juga ,erpengaruh pada hasil kontur yang dihasilkan dari ,er,agai jenis mata ,aik ,entuk maupun -arnanya.7erdasarkan hasil pengujian terhadap 10 sampel pass-ord kedipan/ didapatkanakurasi $1/#? C/ dan pengujian keystroke dengan aplikasi keylogger/ pass-ordkedipan tidak terekam dalam log file keylogger.

'ata kun+i: Deteksi kedipan mata/ )aar +as+ade *lassifier/ *ontour/ password / login sistem.

i E 0F halamanG ?" gam,arG F ta,el

Daftar a+uan: 1 ?5 !102

7


8/79

DAFTAR ISI

%98S9T3(3AN T3=AS A')I8......................................................................... .ii

%9N=9SA)AN D9;AN %9N=3(I.....................................................................iii

%98N6ATAAN '9AS IAN T3=AS A')I8......................................................i4

%98N6ATAAN %98S9T3(3AN %37 I'ASI 'A86A I MIA) 3NT3''9%9NTIN=AN A'AD9MIS................................................................................4

3*A%AN T98IMA 'ASI)...................................................................................4i

A7ST8A'.............................................................................................................4ii

DA&TA8 ISI.........................................................................................................4iii

DA&TA8 TA79 ..................................................................................... ...............

DA&TA8 =AM7A8........................................................................................... ... i

7A7 I %9NDA)3 3AN........................................................................................1

1.1 atar 7elakang..........................................................................................1

1. 8umusan Masalah.....................................................................................?

1.? 7atasan Masalah........................................................................................?

1.# Tujuan........................................................................................................?

1.0 Manfaat......................................................................................................#

7A7 II ANDASAN T9O8I..................................................................................0

.1 Tinjauan Studi...........................................................................................0

. Tinjaun %ustaka.........................................................................................$

. .1 Mata...................................................................................................$

. . 'edipan Mata.....................................................................................

. .? *itra..................................................................................................1!

. .# Bideo................................................................................................1!

2.2.5 Real Time ..........................................................................................11

. ." %engolahan *itra..............................................................................1

2.2.7 ogin ................................................................................................1#

2.2.! "assword ..........................................................................................10

2.2.# Open*B...........................................................................................1"

8


9/79

. .1! )aar *as+ade *lassifier...................................................................1$

. .11 *ontour............................................................................................. $

.? 'erangka %emikiran................................................................................?!

7A7 III M9TOD9 %9N9 ITIAN......................................................... ...............?1

?.1 Instrumen %enelitian................................................................................?1

?. Metode %engumpulan Data.....................................................................?1

?. .1 9ksperimen.......................................................................................?1

?. . Studi %ustaka....................................................................................?

?.? Metode %engumpulan Data.....................................................................?

?.# Metode %enelitian....................................................................................??

?.#.1 Metode yang diusulkan....................................................................??

?.#. Metode %engem,angan Sistem........................................................?0

?.0 9ksperimen..............................................................................................?F

7A7 IB ANA ISIS )ASI %9N9 ITIAN DAN %9M7A)ASAN................ ....#!

#.1 'e,utuhan Data *itra..............................................................................#!

#. Deteksi Mata............................................................................................#1

#.? Menemukan *ontour...............................................................................#?

#.# Deteksi 'edipan Mata.............................................................................#

#.0 'edipan se,agai %ass-ord......................................................................0!

#." Mem,angun Antar Muka %rototype........................................................0!

#.".1. Tampilan a-al login.........................................................................0!

#.". . Tampilan input pass-ord.................................................................01

#.".?. Berifikasi 3ser dan %ass-ord..........................................................01

#.$ %engujian.................................................................................................0

#.$.1. %engujian terhadap Deteksi 'edipan...............................................0

#.$. . %engujian terhadap Deteksi 'eystroke............................................0

7A7 B '9SIM%3 AN DAN SA8AN.................................................................00

0.1. 'esimpulan..............................................................................................00

0. . Saran........................................................................................................00

DA&TA8 %3STA'A.............................................................................................0$

9


10/79

DAFTAR TABEL

Ta,el 1 : Deskripsi $se %ase .................................................................................?"Ta,el : (enis mata ,erdasarkan ,entuk dan -arna pupil.....................................#Ta,el ? : )asil Negati4e +olor................................................................................#?Ta,el # :Negati4e +olor ke =rays+ale............................................................. .......#0Ta,el 0 : *ontoh hasil tresholding................................................................ .........#$Ta,el " : )asil deteksi area mata dengan *ontour dengan %) tepat.....................#FTa,el $ : *ontoh deteksi 4ariasi kedipan 8/ dan %.............................................0!Ta,el F : %engujian akurasi kedipan dengan 10 jenis pass-ord............................0

10


11/79

DAFTAR GAMBAR

=am,ar 17agian5,agian mata..................................................................................F=am,ar : %roses gerak ,iasa/ termasuk kedipan mata ,iasa primer2..................=am,ar ? : %roses gerak reflek/ termasuk kedipan mata karena reflek sekunder2.=am,ar # : Tiga studi yang ,erkaitan dengan +itra...............................................1?=am,ar 0 : )ierarki proses dalam +omputer 4ision..............................................1#=am,ar " : Ma+am5ma+am 4arasi feature pada )aar............................................1F=am,ar $ : &eature -ajah metode 4iola H jones...................................................1=am,ar F : &ntegral &mage.....................................................................................1=am,ar : 'iri nilai piksel +itra/ kanan nilai integral........................................... !

=am,ar 1! : Model %lassi'ier se+ara %ascade ...................................................... 1=am,ar 11 : %otongan %seudo5+ode fa+e. M .....................................................=am,ar 1 : Su, -indo- dengan ukuran ! !...................................................=am,ar 1? : *ontoh Nilai piksel *itra masukan................................................... ?=am,ar 1# : 8e+tangle dari tree !......................................................................... #=am,ar 10 : 8e+tangle daerah gelap dan daerah terang........................................ 0=am,ar 1" : Nilai integral image........................................................................... 0=am,ar 1$ : Ilustrasi *ontour pada Open*B........................................................ F=am,ar 1F : %oses Thresholding...........................................................................

=am,ar 1 : 'erangka %emikiran..........................................................................?!=am,ar ! : %rosedur %enyelesaian.......................................................................??=am,ar 1 : Face (etection dengan )aar *as+ade *lassifier..............................?#=am,ar : )ye (etection dengan )aar *as+ade *lassifier................................?#=am,ar ? : $se %ase (iagram ............................................................................?"=am,ar # : SJuen+e Diagram *ign up .................................................................?$=am,ar 0 : SJuen+e Diagram login .....................................................................?$=am,ar " : 'edipan 8ight 82.............................................................................?F=am,ar $ : 'edipan eft 2...............................................................................?F=am,ar F : 'edipan %air %2................................................................................?F=am,ar : )asil -e,+ame................................................................................. .#!=am,ar ?! : )asil Deteksi Mata dengan )aar *as+ade *lassifier........................#1=am,ar ?1 : &okus Area Mata...............................................................................#1=am,ar ? : Tampilan 3tama )alaman ogin......................................................0!=am,ar ?? : Tampilan saat memasukkan pass-ord kedipan.................................01=am,ar ?# : Tampilan 4alidasi user dan pass-ord................................................01=am,ar ?0 : )asil deteksi keystroke dengan &amily 'eylogger 1........................0?=am,ar ?" : %ass-ord kedipan tidak terdeteksi &amily 'eylogger......................0#

11


12/79

BAB I

PENDAHULUAN

1$1 La!a B/*a,an.Di dalam perkem,angan teknologi/ kemanan menjadi salah satu

prioritas utama. 7aik kemanan data/ so'tware / ataupun hardware yang

,ertujuan menghindari hal yang tidak diinginkan. Dalam hal kemanan

di,utuhkan data pri,adi tertentu se,agai autentikasi atau 4alidasi pengguna

yang sah. Salah satu +ontoh ,entuk autentikasi yang sering digunakan adalah

user id dan password / dimana user id adalah pernyataan tentang siapa yang

sedang mengakses dan password se,agai pem,uktian ,ah-a orang terse,ut

,enar adanya K1L. Dalam kedua ,agian data autentikasi terse,ut/ yang menjadi

perhatian utama adalah password . "assword dalam kamus dapat diartikan kata K L rahasia atau frase yang

hanya diketahui kelompok ter,atas. 7erdasarkan pem,entukan katanya/

password p s - rd 2 yang diuraikan se,agai kata pass dan word adalah kata

word 2 yang di,erikan se,elum seseorang dii inkan untuk le-at pass 2.

"assword adalah suatu ,entuk dari data autentikasi yang digunakan untuk

mengontrol akses ke suatu sum,er informasi K?L. Dalam ,idang komputer

password adalah deretan karakter yang diinputkan untuk mendapatkan akses

terhadap 'ile / aplikasi atau sistem komputer K#L.

;alaupun dise,ut password / namun tidak selalu ,er,entuk susunan

kata5kata dan angka yang memiliki arti/ misalnya ,erupa paduan huruf/ angka

dan kode yang tidak memiliki arti sehingga sulit untuk dite,ak K?L. 3mumnya

pengguna akan memasukkan dengan +ara mengetikkan password ke form

yang telah disediakan. Namun hal ini sangat ,eresiko atau rentan terhadap

pen+urian password terse,ut. Salah satu +ontoh adalah pen+urian password

menggunakan aplikasi 'eylogger. 'eylogger adalah aplikasi penga-asan

perangkat lunak atau perangkat keras yang memiliki kemampuan untuk

1


13/79

2

merekam setiap +eystro+e pengguna yang kemudian di,uat dalam

se,uah log 'ile . Aplikasi 'eylogger dapat merekam informasi yang diketik

setiap saat melalui +eyboard K0L.Se,agai solusi mengatasi pen+urian password melalui perekaman

+eystro+e +eyboard / dalam perkem,angannya kini dapat dijumpai ,er,agai

4ariasi metode memasukkan password / seperti slide penggeseran2/ pattern

pola2/ 'ace unloc+ atau 'ace detection deteksi -ajah2/ voice detection

deteksi suara2/ 'inger print deteksi sidik jari2/ dll. 7e,erapa ,entuk metode

terse,ut ,ertujuan untuk mengurangi resiko mudahnya pen+urian yang

apa,ila pengguna mengetik password se+ara langsung otomatis password

terse,ut sudah diketahui dengan pemanfaatan +eystro+e. 7ahkan untuk

deteksi -ajah/ suara dan sidik jari terse,ut sudah tidak menggunakan

key,oard se,agai alat inputan password / yang tentu sudah pasti menghindari

pen+urian password melalui +eystro+e.Dalam ,e,erapa tahun terakhir/ telah ada upaya untuk meningkatkan

inter'ace antara manusia dan komputer yang masih tradisonal seperti

+eyboard dan mouse dengan inter'ace yang +erdas yang memungkinkan

pengguna untuk ,erinteraksi dengan komputer se+ala alami dan efektif.

Tujuannya adalah mengem,angkan komputer yang tanggap terhadap

komunikasi se+ara alami K"L. Salah satunya adalah menggunakan deteksi

kedipan mata yang juga dapat dimanfaatkan se,agai media interaksi antara

manusia dan komputer.Deteksi kedipan mata yang dapat menjadi alat inputan alternatif/

tentunya dapat pula di kem,angkan untuk menjadi password pengguna untuk

masuk kedalam sistem. Seperti halnya deteksi -ajah/ deteksi sidik jari/

deteksi retina/ dan deteksi suara/ deteksi kedipan mata ini tidak menggunakan

interaksi key,oard lagi untuk memasukkan password . Dalam penelitian ini

digunakan )aar %ascade %assi'ier se,agai pendeteksi ,agian tu,uh/

khususnya -ajah dan mata/ serta menggunakan %ontour se,agai metode

untuk mendeteksi kedipan mata.


14/79

3

Dengan latar ,elakang terse,ut/ maka perlu dilakukan penelitin yang

,erjudul


15/79

4

,. Mem,uat 4ariasi metode login ke dalam suatu sistem.+. Mengurangi pen+urian pass-ord se+ara keystroke.

1.0 Man3aa!Adapun manfaat yang dapat di+apai dengan adanya penelitian ini adalah :a. Dapat menerapkan kedipan mata se,agai password

,. Mendapatkan 4ariasi metode login yaitu dengan kedipan mata.+. Dapat mengurangi pen+urian password se+ara +eystro+ed. Mem,antu sistem menjadi le,ih aman.


16/79

BAB II

LANDASAN TEORI

Dalam ,a, ini akan mem,ahas tentang penelitian terkait yang akan digunakan

untuk mengimplementasi deteksi kedipan mata dan teori @ teori pendukung yang

menjadi dasar dari penelitian ini.

.1 Tinja)an S!)(i7erikut ini adalah ,e,erapa studi terkait yang pernah melakukan penelitian

deteksi kedipan mata:1. . Ide yang diusulkan untuk deteksi kedipan

mata yaitu menggunakan Template Mat+hing. angkah a-alnya adalah

mendeteksi -ajah terle,ih dahulu dengan menggunakan metode Biola

and (ones. 'emudian dilanjutkan deteksi mata dengan metode =olden

8atio/ yang memanfaatkan lokasi ,agian atas dari deteksi -ajah. Dan

terakhir menggunakan metode Template Mat+hing untuk mendeteksi

kedipan mata. %ada penelitian ini menggunakan F! 4ideo dari ! orang

yang ,er,eda ,aik pria atau -anita/ ,aik yang menggunakan ka+a mata

maupun tidak. )asil yang diperoleh dengan teknik yang diusulkan telah

di,andingkan dengan metode yang diusulkan oleh Danisman dalam

PDro-sy Dri4er Dete+tion System 3sing 9ye 7link %attern . Metode

yang dimiliki Danisman memiliki keakuratan #.FC dengan &%8 &alse

%ositi4e 8ate2 1C. Sedangkan untuk deteksi mata menggunakan

Template Mat+hing memiliki keakuratan men+apai ."C dan &%8

hanya !.1C. (adi metode Template Mat+hing le,ih ,aik dari pada

metode yang diusulkan oleh Danisman K$L.

5


17/79

6

. . Ide yang diusulkan yaitu menggunakan =%35,ased SI&T

tra+king/ atau yang dise,ut dengan S+ale In4ariant &eature Transform.

Dalam penelitian ini diimplementasikan ke dalam simulator uji +o,a

mo,il se,agai tam,ahan untuk penilaian kinerja kemudi dan pelatihan.

)asil dari ide yang diusulkan dapat mendeteksi kedipan mata dengan

akurasi $C yang didapatkan dari dataset ??.!!! penampilan frame/ ?$

kedipan dari su,yek. Dengan kesalahan kurang dari 1 dalam 1!!!

frame KFL.?. . %enelitian ini menggunakan ,e,erapa metode

untuk mendapatkan kedipan mata. Metode pertama menggunakan

Spatio5temporal &iltering dan fitur Tra+king u+as5'anade untuk

mendeteksi lokasi dari posisi kepala untuk mendapatkan pergerakan

kelopak mata. Metode kedua menggunakan Template Mat+hing se,agai

pendeteksi mata dan analisis kedipan mata. %enelitian ini diaplikasikan

se,agai kontrol figure animasi ?D/ sehingga figure terse,ut dapat

melakukan ekspresi -ajah dan kedipan mata sesuai dengan apa yang

ditunjukkan oleh o,yek K1!L.


18/79

7

. Tinja)n P)&!a,a

2$2$1 Ma!a

0. Mata merupakan indra penglihat. Mata dapat memantu

melihat keadaan di sekelilingnya. Mata ,er,entuk ,ulat seperti ,ola.

Mata memiliki garis tengah atau dise,ut diameter/ yaitu sekitar +m.

7ola mata terlindung dalam rongga tengkorak. 7agian5,agian mata

di,agi menjadi dua ,agian/ yaitu ,agian yang melindungi mata dan

,agian yang ,erperan dalam proses penglihatan K11L. 7agian5,agian

mata dapat dija,arkan di,a-ah ini :

a. 7agian yang melindungi mata5 Alis mata ,erupa ram,ut yang tum,uh pada dahi/ diatas

,ola mata. Tepatnya pada dahi yang menonjol. Alis mata

,erfungsi melindungi ,ola mata dari keringat atau air agar

tidak masuk ke dalam mata.5 7ulu mata terletak di pinggir kelopak mata atas dan ,a-ah.

8am,ut mata ,erfungsi melindungi mata dari de,u atau

dari ,enda yag masuk ke mata. 8am,ut mata ,erfungsi

mengurangi sinar yang masuk ke mata.5 'elopak mata ,erfungsi melindungi ,ola mata dari hal5hal

yang mem,ahayakan mata. 'elopak mata ,ekedip

,erfungsi mem,ersihkan dan mem,asahi ,ola mata.5 'elenjar air mata menghasilkan air. Air mata mengandung

en im dan air yang ,erguna mem,asahi dan mem,ersihkan

kornea agar ,ersih dari de,u dan menjaga mata agar selalu ,asah. Air mata ,erufungsi se,agai pelumas agar ,ola mata

mudah digerakkan.5 Otot mata ,erfungsi mengatur gerakan mata. Mata dapat

,ergerak ke kanan dank e kiri/ ke atas dan ke ,a-ah. ,. 7agian yang ,erhu,ungan dengan penglihatan

5 Sklera adalah lapisan putih keras yang melapisi ,ola mata.5 Selaput ,ening kornea2 ,erfungsi meneruskan +ahaya yang

masuk ke dalam mata retina. 'ornea tidak memiliki


19/79

8

pem,uluh darah. 'ornea mata yang rusak menye,a,kan

seseorang tidak dapat melihat.5 Selaput pelangi iris2 terletak di depan lensa mata. Iris

terdiri dari jaringan otot yang ,er,eda di ,elakang kornea.

Iris kaya akan pem,uluh darah.5 %upil dapat menge+il atau mem,esar. Selaput ini ,erguna

mengaur jumlah +ahaya yang masuk ke dalam mata.5 ensa ,erfungis untuk memfokuskan dan meneruskan

+ahaya agar jatuh pada retina. ensa mata mempunyai

kemampuan memipih dan men+em,ung yang dise,ut daya

akomodasi.5 8etina adalah selaput yang terletak di ,elakang ,agian

mata. 8etina ,erfungsi se,agai sensor +ahaya. %ada retina

terdapat ujung syaraf penerima.5 7adan ,ening terletak di ,elakang lensa. 7entuknya ,ening

seperti agar5agar. 7adan ,ening ,erfungsi meneruskan

+ahaya setelah mele-ati lensa dan kemudian jatuh di retina.5 Saraf mata ,erfungsi meneuskan rangsangan +ahaya yang

kana diteruskan ke pusat saraf di otak.".

7.

7$ Ga%'a 1Ba.ian8'a.ian %a!a 911:

2$2$2 K/(i-an Ma!a

. Se+ara primer kedipan mata merupakan reaksi atas suatu

gangguan. 'elopak mata yang ,erkedip5kedip ,erfungsi mem,asahi

mata se+ara teratur.


20/79

9

1!. Se+ara sekunder kedipan mata merupakan penghayatan dari

keadaan yang tidak menyenangkan. 'edipan mata se+ara teratur dan

dalam keadaan tidak menyenangkan ,ertam,ah frekuensinya K1 L.11.

12$ Ga%'a 2 ; P "&/& ./ a, 'ia&a# !/ %a&), ,/(i-an %a!a 'ia&a


21/79

10

,ertumpuk dan tidak mengganggu mata karena kelam,anan kerjanya

K1#L.

2$2$ Ci! a

1 . *itra adalah suatu representasi gam,aran2/ kemiripan/ atau

imitasi dari suatu o,jek. *itra se,agai keluaran suatu sistem

perekaman data dapat ,ersifat optik ,erupa foto/ ,ersifat analog

,erupa sinyal @ sinyal 4ideo seperti gam,ar pada monitor tele4isi/ atau

,ersifat digital yang dapat langsung disimpan pada suatu media

penyimpan.!. 3ntuk mendapatkan +itra digital/ tahap a-al yang

dilakukan adalah akuisisi +itra. Tujuan akuisisi +itra adalah untuk

menentukan data yang diperlukan dan memilih metode perekaman

+itra digital. Tahap ini dimulai dari o,jek yang akan diam,il

gam,arnya/ persiapan alat @ alat/ sampai pada pen+itraan. %en+itraan

adalah kegiatan transformasi dari +itra tampak foto/ gam,ar/ lukisan/

patung/ pemandangan/ dan lain @ lain2 menjadi +itra digital. )asil dariakuisisi +itra ini ditentukan oleh kemampuan sensor untuk

mendigitalisasi sinyal yang terkumpul pada sensor terse,ut.

'emampuan digitalisasi alat ditentukan oleh resolusi alat terse,ut

K10L.

2$2$6 Vi(/"

1. 'ata 4ideo ,erasal dari kata atin/ yang ,erarti Psaya lihat .Bideo adalah tekonologi pemprosesan sinyal elektronik yang

me-akilkan gam,ar ,ergerak. Bideo juga dapat digunakan dalam

aplikasi teknik/ keilmuan/ produksi/ dan keamanan. Saat ini ada dua

kategori 4ideo/ yaitu 4ideo analog dan 4ideo digital.

a. Bideo Analog. Bideo analog mengkodekan informasi gamar

dengan mem4ariasikan 4oltase dan atau frekuensi dari sinyal.


22/79

11

Seluruh sistem se,elum 4ideo digital dapat dikategorikan se,agai

4ideo analog. Bideo analog memiliki dua format/ yaitu format

elektrik dan format kaset. Bido analog dalam format pengodean

diantaranya : NTS*/ %A dan S9*AM. Sedangkan 4ideo analaog

dalam format elektrik diantaranya : &8/ +omposite 4ideo/

+omponent 4ideo/ S5Bideo/ dan 8=7. Dan 4ideo analog dalam

format kaset diantaranya : AMpe / B9A/ 35mati+/ 7etama / dll. ,. Bideo Digital

?. Bideo digital dapat dise,ut array ? dimensi dari

piksel ,er-arna. dimensi melayani arah spasial dari gam,ar ,ergerak hori ontal dan 4ertikal2 dan satu arah dimensi lainnya

akan mempresentasikan domain -aktu.#. Arsitektur 4ideo digital tersusun atas se,uah format

untuk mengodekan dan memainkan kema,ali file 4ideo dengan

komputer dan menyarankan se,uah pemutar player 2 ynag

mengenali dan mem,uka file di,uat untuk format terse,ut. Bideo

digital se,enarnya terdiri atas seragkaian gam,ar digital yang

ditampilkan dengan +epat pada ke+epatan yang konstan. Dalam

konteks 4ideo/ gam,ar ini dise,ut frame. Satuan ukuran untuk

menghitung frame rata5rata yang ditampilkan dise,ut frame per

se+ond &%S2. =am,ar digital akan mempunyai le,ar se,anyak ;

piksel dan tinggi ) piksel. Oleh karena itu/ dapat dikatakan ,ah-a

rame si e adalah ; ).0. %iksel mempunyai satu property/ yaitu -arna.

;arna piksel direpresentasikan dengan jumlah ,it yang tetap.Semakin ,anyak ,it/ semakin ,anyak pula 4ariasi -arna yang

dihasilkan K1"L.

2.2.5 Real Time

". Mengingat ke,utuhan real5time untuk pengolahan

gam,ar 4ideo dan ,agaiman ke,utuhan ini dapat dipenuhi untuk

dimanfaatkan menjadi paralelisme yang melekat pada se,uah


23/79

12

algoritma/ menjadi penting untuk mem,ahas apa se,enarnya yang

dimaksud P real-time . Se,uah istilah yang sulit dipahami yang sering

digunakan utnuk menggam,arkan ,er,agai pengolahan dan algoritma

pemprosesan gam,ar 4ideo. Setidaknya ada ? pengertian real-time /

yaitu pengertian real-time dalam persepsi/ real-time dalam so'tware

engineering / dan real-time dalam pemprosesan sinyal.

$. Real time dalam -/ &/-&i digunakan terutama untuk

menggam,arkan interaksi antara manusia dan komputer untuk respon

seketika dari perangkat masukan. Misalnya 7o4ik mendefinisikan

real-time dalam kontek pemprosesan 4ideo/ menggam,arkan ,ah-a

hasil pengolahan mun+ul Pseketika setelah input tersedia. (uga =uy

mendeinisikan konsep pengolahan +itra real5time se,agai pengolahan

digital dari suatu gam,ar seketika/ tanpa pengguna memahami

perhitungan delay. Sedangkan real5time dalam arti s !"#a$e

e%&i%ee$i%& juga didasarkan pada konsep -aktu respon seperti dalam

arti persepsi. Dougherty dan aplante menunjukkan ,ah-a sistem

real-time adalah suatu yang harus memenuhi eksplisit yang diatasi

kendala -aktu respon untuk menghindari kegagalan/ dan sistem

respon adalah salah satu ke,enaran logis didasarkan pada ke,enaran

yang logis dan ,erguna. Dan real5time ,erdasarkan -/%- "&/&an

&i+a* didasarkan pada gagasan penyelesaian pengolahan -aktu yang

tersedia antara sampel inputan se+ara ,erturut5turut. Misalnya menurut

'ehtarna4a real-time didefinisikan se,agai penyelesaian proses yang

diper,olehkan atau tersedia -aktu antar sampel. Sementara menurut (.

A+kenhusen/ didefinisikan se,agai perhitungan sejumlah operasi atas

jumlah yang diperlukan dari data inutan dalam inter4al -aktu tertentu

yang ditetapkan dari periode dimana data ti,a K1$L.

2$2$> P/n."*a4an Ci! a

F. %engolahan +itra adalah pemrosesan +itra/ khususnya

dengan menggunakan komputer/ menjadi +itra yang kualitasnya ,aik.


24/79

13

Di dalam ,idang komputer/ se,enarnya ada tiga ,idang studi yang

,erkaitan dengan data +itra/ namun tujuannya ,er,eda/ yaitu: grafika

komputer computer graphics 2/ pengolahan +itra image processing 2

dan pengenalan pola pattern recognition image interpretation 2.

)u,ungan antara ketiga ,idang studi terse,ut ditunjukkan pada

gam,ar ,erikut:

29.

0$ Ga%'a 6 ; Ti.a &!)(i +an. '/ ,ai!an (/n.an i! a 917:

?1. =rafika komputer ,ertujuan menghasilkan +itra le,ih tepat

dise,ut grafik atau picture 2 dengan primitif @ primitif geometri seperti

garis/ lingkaran/ dan se,againya. %rimitif @ primitif geometri terse,ut

memerlukan data deskriptif untuk melukis elemen @ elemen gam,ar.*ontoh data deskriptif adalah koordinat titik/ panjang garis/ jari @ jari

lingkaran/ te,al garis/ -arna/ dan se,againya.? . %engolahan +itra ,ertujuan memper,aiki kualitas +itra agar

mudah diinterpretasi oleh manusia atau mesin dalam hal ini

komputer2. Teknik @ teknik pengolahan +itra mentransformasikan

+itra menjadi +itra lain. (adi masukannya adalah +itra dan keluarannya


25/79

14

juga +itra/ namun +itra keluaran mempunyai kualitas le,ih ,aik

daripada +itra masukan.??. %engenalan pola mengelompokkan data numerik dan

sim,olik termasuk +itra2 se+ara otomatis oleh komputer. Tujuan

pengelompokan adalah untuk mengenali suatu o,jek di dalam +itra.?#. %engolahan +itra ,erkaitan erat dengan computer vision .

%omputer vision merupakan proses otomatis yang mengintegrasikan

sejumlah ,esar proses untuk persepsi 4isual/ seperti akuisisi +itra/

pengolahan +itra/ klasifikasi/ pengenalan/ dan mem,uat keputusan.

?0. 'lasifikasi proses @ proses di dalam computer visiondijelaskan dalam suatu hierarki ,erikut:

36.

?$ Ga%'a 5 ; Hi/ a ,i - "&/& (a*a% "%-)!/ @i&i"n 917:7$

? . Dari penjelasan di atas/ pengolahan +itra dan computer

vision merupakan ,agian dari +omputer 4ision. %engolahan +itra

merupakan proses a-al preprocessing 2 pada +omputer 4ision/

sedangkan pengenalan pola merupakan proses untuk menginterpretasi

+itra K1FL.


26/79

15

2.2.' L &i%

#!. ogin adalah serangkaian tindakan yang terli,at dalam

otentikasi seorang pengguna untuk masuk ke dalam sistem untuk

men+iptakan proses yang ,erjalan atas nama pengguna terse,ut.#1. Akses keuntungan pengguna dengan memenuhi persyaratan

proses penyaringan a-al yang ,iasanya mem,utuhkan user name dan

password sehingga sistem dapat memeriksa otorisasi dan

mem,erlakukan pem,atasan. 7e,erapa jenis login dapat

menggunakan model akses yang ,ereda5,eda/ seperti akses melalui

terminal atau melalui telepon.# . ogin dapat di,agi menjadi dua jenis/ yaitu &nteractive

login dan noninteractive login .#?.

a. &nteravtive ogin##. Dalam interactive login meminta pengguna

untuk memasukkan informasi tertentu/ dan sistem akan

merespon inputan terse,ut. %rosedur ini dapat dianalogikan

seperti mem,uka kom,inasi kun+i dengan memutar dial dan

,erhenti pada angka yang di,utuhkan dengan urutan yang

,enar.b. Noninteractive ogin

#0. Noninteractive login dilakukan sistem tanpa

keterli,atan pengguna. Se,uah +ontoh adalah startup dari

proses batch atau su, proses se,elumnya yang dimulai pada

serangkaian kejadian yang dilakukan pada proses

se,elumnya.

#". %eningkatan keamanan yang dapat di,angun dalam

prosedur login adalah mengatasi ,e,erapa kegagalan login . Seperti

menonaktifkan akun untuk jangka -aktu tertentu setelah melakukan

,e,erapa upaya login yang gagal/ akun otomatis kadaluarsa/ dan

pem,atasan akun ,erdasarkan -aktu/ hari dan lokasi tertentu K1 L.


27/79

16

2.2.( Pass# $)

#$. 7erdasarkan ,entuk katanya/ password diu+apkan : p

s - rd 2 yang diuraikan se,agai kata pass dan word adalah kata

word 2 yang di,erikan se,elum seseorang dii inkan untuk le-at

pass 2.#F. "assword atau watchword pada masa itu2 sudah digunakan

lama ,erselang pada kegiatan militer roma-i. %ada aman dahulu/

penga-al atau prajurit yang melakukan penjagaan akan

mempe,olehkan sesorang untuk masuk ke suatu ka-asan jika orang

terse,ut mem,erikan kata password 2 atau sem,oyan watchword 2

yang ,enar.# . %ada ,idang %omputer *cience / password atau pass+ey

adalah deretan karakter yang diinputkan untuk mendapatkan akses

terhadap file/ aplikasi/ atau sistem komputer. 'arena manfaatnya

inilah password harus dijaga kerahasiannya dari siapa pun yang tidak

,erhak.

0!. "assword sudah digunakan pada masa a-al penggunaansistem komputer. "assword diterapkan pada %ompatible Time-*haring

*ystem yang dikem,angkan oleh MIT s %omputation %enter dan

diperkenalkan pada tahun 1 "1.

01. 8o,ert Morris yang pertama kali men+etuskan menyimpan

login password dalam ,entuk hash se,agai ,agian dari sistem operasi

3ni . Algoritma menggunakan 15,it salt and invo+ed / ,entuk

termodifikasi dari algoritma D9S yang mampu mengurangi resiko dari

aksi "re-computed dictionary attac+s K?L.

2.2.* O-/nCV

0 . Open*B adalah pustaka li,rary2 perangkat lunak ter,uka

yang ,erfokus pada komputer grafik. %ustaka ini di,uat dalam ,entuk

,ahasa * dan *EE dan ,erjalan pada platform inu / ;indo-s dan

Ma+ OS . (uga dapat dijalankan pada editor seperti %hyton/ Matla,/


28/79

17

8u,y/ dan editor lainnya. Open*B ditujukan pada pengolahan +itra

dinamis se+ara real5time.

0?. Open*B ditulis dalam * yang dioptimalkan dan dapat

mengam,il keuntungan dari prosesor multi+ore. Salah satu tujuan dari

Open*B adalah mem,eri sarana untuk mem,antu dalam pem,uatan

aplikasi komputer grafik yang +anggih se+ara instan dan mudah.

%ustaka Open*B ,erisi le,ih dari 0!! fungsi yang men+akup ,anyak

,idang dalam komputer grafik/ seperti pen+itraan medis/ inspeksi

produk pa,rik/ antar muka/ keamanan/ kali,rasi kamera/ dan ro,otika.

2$2$10 Haa Ca& a(/ C*a&&i3i/

0#. )aar like feature atau yang dikenal se,agai )aar *as+ade

*lassifier merupkan rectangular persegi2 'eature / yang mem,erikan

indikasi se+ara spesifik pada se,uah gam,ar atau image . )aar +as+ade

+lassifier ,erasal dari gagasan %aul Biola dan Mi+hael (hon/ karena itu

dinamakan metode Biola H (hon. Ide dari ,aar li+e 'eature adalahmengenali o,yek ,erdasarkan nilai sederhana dari fitur tetapi ,ukan

merupakan nilai piksel dari image o,yek terse,ut. Metode ini

memiliki kele,ihan yaitu komputasi yang sangat +epat/ karena hanya

tergantung pada jumlah piksel dalam persegi ,ukan setiap nilai piksel

dari se,uah image . Metode ini merupakan metode yang menggunakan

statistikal model classi'ier 2. %endekatan untuk mendeteksi o,jek

dalam gam,ar mangga,ungkan empat kun+i utama yaitu )aar like

feature/ Integral Image/ Ada,oost learning dan *as+ade *lassifier

K !L.

a. )aar ike &eature00. )aar &eature adalah fitur yang didasarkan pada

;a4elet )aar. ;a4elet )aar adalah gelom,ang tunggal ,ujur

sangkar satu inter4al tinggi dan satu inter4al rendah2. 3ntuk dua

dimensi/ satu terang dan satu gelap. Selanjutnya kom,inasi5


29/79

18

kom,inasi kotak yang digunakan untuk pendeteksian o,jek 4isual

yang le,ih ,aik. Setiap )aar5like feature terdiri dari ga,ungan

kotak 5 kotak hitam dan putih.

56.

5?$ Ga%'a > : Ma a%8%a a% @a a&i 3/a!) / -a(a Haa K !L

0F. Adanya fitur )aar ditentukan dengan +ara

mengurangi rata5rata piksel pada daerah gelap dari rata5rata piksel pada daerah terang. (ika nilai per,edaannya itu diatas nilai am,ang

atau treshold / maka dapat dikatakan ,ah-a fitur terse,ut ada. Nilai

dari )aar5like feature adalah per,edaan antara jumlah nilai5nilai

piksel gray level dalam daerah kotak hitam dan daerah kotak putih:

0 . f ( x)= SumBlackrectangle SumWhite rectangle


30/79

19

"!. dimana untuk kotak pada )aar like feature dapat dihitung

se+ara +epat menggunakan < integral image >.

"1. *ontoh dari feature yang memungkinkan adanya pola

-ajah seperti ,erikut :

62.

> $ Ga%'a ? ; F/a!) / aja4 %/!"(/ @i"*a j"n/& 921:

b. &ntegral &mage

"#. &ntegral &mage digunakan untuk menentukan ada

atau tidaknya dari ratusan fitur )aar pada se,uah gam,ar dan pada

skala yang ,er,eda se+ara efisien. %ada umumnya/ pengintegrasian

terse,ut ,erarti menam,ahkan unit5unit ke+il se+ara ,ersamaan.

Dalam hal ini unit5unit ke+il terse,ut adalah nilai5nilai piksel. Nilai

integral untuk masing5masing piksel adalah jumlah dari semua

piksel5piksel dari atas sampai ,a-ah. Dimulai dari kiri atas sampai

kanan ,a-ah/ keseluruhan gam,ar itu dapat dijumlahkan dengan

,e,erapa operasi ,ilangan ,ulat per piksel.


31/79

20

65.

>>$ Ga%'a 7 ; I%"e&$al Ima&e 920:

"$. Seperti yang ditunjukkan oleh gam,ar di atas

setelah pengintegrasian/ nilai pada lokasi piksel /y2 ,erisi jumlah

dari semua piksel di dalam daerah segiempat dari kiri atas sampai

pada lokasi /y2 atau daerah yang diarsir. =una mendapatkan nilairata5rata piksel pada area segiempat daerah yang diarsir2 ini dapat

dilakukan hanya dengan mem,agi nilai pada /y2 oleh area

segiempat.

"F.ii ( x , y )=

x' x , y ' y

i ( x' , y ' )

" . dimana ii ( x , y) adalah integral image dan i ( x , y)adalah original image. *ontoh dari nilai integral dari se,uah +itra

masukan adalah :


32/79

21

70.

?1$ Ga%'a ; Ki i ni*ai -i,&/* i! a# ,anan ni*ai in!/. a*

$ . =una mengetahui nilai piksel untuk ,e,erapa

segiempat yang lain/ seperti segiempat D/ dapat dihitung denganempat nilai. Nilai5nilai ini merupakan piksel pada +itra integral

yang ,ertepatan dengan sudut5sudut persegi panjang yang ada pada

+itra masukan. K 1L

$?. Rec D= D (B+C )+ A

+. Ada,oost earning

$#. Algoritma Ada7oost learning/ digunakan untuk meningkatkan kinerja klasifikasi dengan pem,elajaran sederhana

untuk mengga,ungkann ,anyak +lassifier lemah -eak +lassifier2

menjadi satu +lassifer kuat strong +lassifier2. *lassifier adalah

suatu ja-a,an ,enar dengan tingkat ke,enaran yang kurang akurat.

Se,uah +lassifier lemah dinyatakan :

$0. h j( x)={1, jika p j f j( x)< p j j( x)0, lainnya

$". 'eterangan :

$$. h j( x) adalah klasifikasi lemah/ p j adalah parity ke j/

j adalah threshold ke j dan adalah dimensi su, image

misalnya # #.

d. *as+ade *lassifier


33/79

22

$F. Se,uah metode untuk mengom,inasikan +lassifier

yang kompleks dalam se,uah struktur ,ertingkat yang dapat

meningkatkan ke+epatan pendeteksian o,yek dengan memfokuskan

pada daerah +itra yang ,erpeluang saja. K !L Struktur +as+ade

+lassifier se,agai ,erikut :

79.

! . Ga%'a 10 ; M"(/* Classi!ie$ &/ a a Cas+a)e 920:

F1. =am,ar di atas menjelaskan proses penyeleksian

ke,eradaan o,yek. Diasumsikan suatu su, image die4aluasi oleh

+lassifier pertama dan ,erhasil mele-ati +lassifier terse,ut/ hal ini

mengindikasikan su, image ,erpotensi terkandung o,yek dan

dilanjutkan pada +lassifier ke dua sampai dengan ke5n/ jika ,erhasil

mele-ati keseluruhan +lassifier/ maka disimpulkan terdapat o,yek

yang terdeteksi. (ika tidak/ proses e4aluasi tidak dilanjutkan ke

+lassifier ,erikutnya dan disimpulkan tidak terdapat o,yek.

F . *ontoh dari penggunaan )aar *as+ade *lassifier dalam Open*B se,agai ,erikut :

F?. Misalkan ada se,uah gam,ar yang akan dideteksi apakah

ada -ajah atau tidak/ dengan memanfaatkan fa+e. M yang ada

pada li,rary Open*B seperti ,erkut :


34/79

23

84.

75$Ga%'a 11 ; P"!"n.an P&/)("8 "(/ 3a /$ ML

F".Maka proses yang akan dilalui adalah :a. Mem,etuk Su, ;indo- dengan ukuran ! ! pada

gam,ar asal. Rsi e ! ! R si e ,erarti mem,entuk su,

-indo- dengan ukuran ! ! pi el.

87.

77$ Ga%'a 12 ; S)' in(" (/n.an ),) an 20 20


35/79

24

F .7ila diketahui nilai pi el dari su, -indo- terse,ut/ maka

dapat digam,arkan seperti ini :90.

1$ Ga%'a 1 ; C"n!"4 Ni*ai -i,&/* Ci! a %a&),an

,. Maka akan mulai masuk pada stage ! tree !/ dan feature

dengan re+tangle se,agai ,erikut :.

?. 'olom pertama dan kedua +ontoh diatas ? $

dan ? 2/ menunjukkan posisi dan y pada su, -indo-.

'olom ketiga dan keempat +ontoh diatas 1# # dan 1# 2


36/79

25

menujukkan le,ar dan panjang re+tangle ,aris H kolom2.

Sedangkan kolom terkhir adalah konstanta yang akan

menujukkan daerah yang gelap dan daerah yang terang.

(ika diterapkan pada +ontoh nilai pi el dalam +itra ukuran

! ! tadi/ maka akan menjadi seperti ini :#.0.".

$. Ga%'a 16 ; R/ !an.*/ (a i ! // 0

F. 3ntuk menentukan daerah gelap dan terangdapat ditandai dengan +ara/ apa,ila nilai konstanta R !

di,a-ah !2/ maka daerah terse,ut ,er-arna gelap. Dan

daerah ! R le,ih dari !2 maka ,er-arna terang. Dalam

+ontoh diatas/ re+tangle pertama ,ernilai 51 yang ,erarti

,erada pada daerah gelap/ sedangkan re+tangle kedua

,ernilai . 'arena re+tangle kedua ,erada pada daerah

re+tangle pertama/ maka nilainya harus dijumlahkan.


37/79

26

. 2 +( 1 )= 1

1!!. 'arena hasilnya 1/ maka re+tangle kedua ,erada

pada daerah terang. Maka hasilnya akan seperti gam,ar

.. Dapat dilihat ,ah-a daerah pada re+tangle pertama

,er-arna gelap/ dan daeah re+tangle kedua ,er-arna

terang. Daerah terse,ut yang akan dihitung untuk

mendapatkan nilai daerah.

101.

102$ Ga%'a 15 ; R/ !an.*/ (a/ a4 ./*a- (an (a/ a4 !/ an.

+. 3ntuk mempermudah dan memper+epat perhitungan

daerah terse,ut/ maka menggunkan +ara integral image.

Nilai integral image5nya adalah :


38/79

27

103.

106$ Ga%'a 1> ; Ni*ai in!/. a* i%a./

1!0. 3ntuk derah gelap nilainya/ $$5 1!# E 0002 E $!" U

1 #. Sedangkan untuk daerah terang/ nilai daerahnya

adalah 1!# @ 1?# E $!"2 E F$" U 1#!. 'emudian akan

dihitung nilai feature dengan mengurangkan daerah gelap

dengan daerah terang. Maka nilai feature yang didapat 1 #

5 1#! U 51".

d. 'emudian akan dilanjutkan ke stage dan tree ,erikutnya/

dan akan ,erpindah ke su, -indo- ,erikutnya setelah

seluruh feature dalam su, -indo- terse,ut terle-ati

semua.


39/79

28

e. 'emudian nilai ini akan di,andingkan dengan nilai

Threshold dari tree terse,ut. *ontoh untuk stage ! tree !/

nilai Thresholdnya :

1!".

1!$. Apa,ila nilai feature kurang dari nilai Threshold/

maka dapat diartikan tidak ada pola -ajah/ namun apa,ila

mele,ihi threshold/ maka akan di,andingkan dengan nilai

leftV4al left 4alue2 dan rightV4al right 4alue2. Apa,ila

,erada diantara nilai tese,ut/ maka dapat diartikan ada

kemungkinan pola -ajah.f. angkah selanjutnya adalah menggunakan Ada7oost

untuk menjadikan -eek learner menjadi Strong learner

feature5feature yang masih memliki kemungkinan terdapat

pola -ajah. Dengan algoritma se,agai ,erikut :

Di,erikan +ontoh gam,ar

x

(1 y1 )

/ .

( xn , yn) dimana yi= 0 untuk +ontoh positif

dan yi U 1 untuk +ontoh negati4e dan positif.

Inisialisasi ,o,ot yi ,1= 12 m

, 12 l

; m dan l adalah

jumlah negati4e dan positif. 3ntuk t U1/ / T

o Menormalkan ,o,ot sehingga w t adalah

distri,usi pro,a,ilitas

1!F.w t ,i

wt , i

j= 1

n

w t , j


40/79

29

o 3ntuk setiap fitur/ j melatih +lassifier h j /

untuk setiap fitur tunggal. 'esalahan ( j)

die4aluasi dengan ,o,ot w t

1! .

w i h j( xi) yi

j= i

o %ilih +lassifier ht dengan eror terke+il

dimana e i= 0 untuk xi adalah klasifikasi

,enar/ dan e i= 1 untuk yang lain.o %er,arui ,o,ot :

11!. wt +1, i= w t ,i ! t 1 i

111. Dimana ! t =

t

1 t

o Didapatkan se,uah +lassifier kuat yaitu

11 . h( x)={1, t = 1

"

# t ht ( x)$ 12 t = 1

"

# t

0, lainnya

11?. dimana# t = log

1 ! t

g. angkah terakhir adalah +as+ade +lassifier yang akan

mengkom,inasikan feature5feature ke dalam se,uahstruktur +as+ade/ ke+epatan dari proses deteksi dapat

meningkat/ yaitu dengan +ara memusatkan perhatian pada

daerah5daerah dalam image yang ,erpeluang saja. )al ini

dilakukan untuk menentukan di mana letak o,yek yang

di+ari pada suatu image.

11#.


41/79

30

2$2$11 C"n!")

110. *ontour adalah se,uah list yang ,erisi point yang

dapat dikatakan me-akili dalam suatu +ur4a dari se,uah gam,ar.

=am,aran ini dapat ,er,eda5,eda tergantung pada situasi yang

dihadapi. Ada ,anyak +ara untuk me-akili se,uah +ur4a dalam

suatu gam,ar. *ontour digam,arkan dalam Open*B se,agai

urutan seJuen+e2 informasi yang dikodekan tentang lokasi dari

point ,erikutnya dalam kur4a. &ungsi yang ada pada Open*B/

menghitung +ontour dari gam,ar ,iner. =am,ar ,iner dapatdihasilkan dari suatu threshold yang memiliki sudut yang implisit

se,agai ,atas antara area yang positif dan negati4e. 7erikut adalah

gam,aran +ontour yang dihasilkan dalam Open*B :

116.

11?$ Ga%'a 1? ; I*)&! a&i C"n!") -a(a O-/nCV

11F. &igur yang ter,entuk dari ,agian permukaan pada

suatu gam,ar uji +o,a/ terlihat se,agai area putih la,el A sampai

92 diatas ,a+kground gelap. &igur kedua menunjukkan gam,ar

yang sama dengan +ontour yang didapatkan dari fungsi di Open*B.


42/79

31

*ontour itu di eri la,el + atau h / dimana adalah +ontour/ dan

adalah hole/ dan adalah ,erapa nomor. 7e,erapa +ontour

yang ,erada pada garis putus5putus/ menggam,arkan ,atas terluar

dari area putih area non ero2.11 . Seperti penjelasan se,elumnya/ untuk mendapatkan

+ontour maka +itra masukan ,erupa gam,ar ,iner/ oleh karena ada

,e,erapa tahapan yang harus dilalui apa,ila ingin mendapatkan

+ontour dari gamar 8=7 true +olor2. Tahapannya adalah :1. Mem,alikkan -arna +itra negati4e +olor2.. Mem,uat gam,ar menjadi +itra kea,uan gray s+ale2.?. Thresholding dengan threshold ,inary

1 !. Operasi thresholding dapat di hitung

dengan :

1 1. %&t ( x , y)={max'al , if &rc( x , y)>thre&0, (therwi&e

1 . (ika piksel pada gam,ar asal sr+ /y2/

mele,ihi thresh/ maka akan di set menjadi Ma Bal/

selain itu akan piksel akan di set menjadi !.

1 ?.1 #.

1 0.


43/79

32

126.

12?$ Ga%'a 17 ; P"&/& T4 /&4"*(in.

#. Menentukan +ontour dari gam,ar

1 F.


44/79

33

.? K/ an.,a P/%i,i an


45/79

34

129.


46/79

35

1 0$ Ga%'a 1 ; K/ an.,a P/%i,i an

a. Mengimplementasikan Metode Haar CascadeClassifer dan Metode Contour se agai deteksikedipan mata

Conto!r

Data


47/79


48/79

32

webcame dengan jarak dan posisi pengguna/ serta posisi

sum,er +ahaya tertentu se,agai pass-ord. Dan juga sempel data,se

,er,agai jenis mata se,agai pem,uktian keakuratan metode

*ontour.

?. . Studi %ustaka

Selain menggunakan metode pengumpulan data dokumen/

penulis juga menggunakan metode pengumpulan data studi pustaka

yaitu dengan +ara men+ari sum,er @ sum,er dari jurnal/ ,uku/

media internet/ dan ,e,erapa media yang ,erhu,ungan dengan penelitian. 7e,erapa studi pustaka yang didapatkan adalah:a. 7uku @ ,uku yang mem,ahas tentang pengolahan +itra digital

dan kemanan sistem. ,. (urnal tentang deteksi kedipan mata.+. 7e,erapa ,uku dan jurnal yang mem,ahas metode haar

cascade classi'ier dan *ontour.

$ M/!"(/ P/n.)%-)*an Da!a

Dalam penelitian ini/ setelah data didapatkan ada ,e,erapa tahapan

yang dilakukan terhadap data @ data yang diperoleh. Tahapan @ tahapan

terse,ut antara lain:1. Mengam,il gam,ar realtime dari webcame / dari jarak dan posisi

pengguna/ serta posisi sum,er +ahaya tertentu.. Dari gam,ar webcame dilakukan deteksi -ajah dengan menggunakan

haar +as+ade +lassifier.?. Setelah terdeteksi -ajah/ kemudian akan dideteksi mata dengan metode

haar +as+ade +lassifer.#. Dari deteksi mata terse,ut/ akan di +ari kontur ,entuk mata.0. Dari data kedipan terse,ut akan digunakan se,agai password pada

prototype halaman login .

$6 M/!"(/ P/n/*i!ian

Dalam penelitian ini/ penulis menerapkan dua metode penelitian yaitu

se,agai ,erikut:


49/79

"eteksi Mata"eteksi #a$a%&ideo real'time #e cam(n

&erifkasi pass#ord "eteksi kedipan mata

33

?.#.1 Metode yang diusulkan

Dalam penelitian ini menerapkan ,e,erapa metode dan prosedur

penyelesaian yang ,ertujuan untuk menyelesaikan masalah yang

ada dalam penelitian. %rosedur penyelesaian yang dilakukan adalah

se,agai ,erikut:

Ga%'a 20 ; P "&/() P/n+/*/&aian

Metode yang diusulkan dalam penelitian ada dua ma+am/ yaitu:

a. Metode )aar *as+ade *lassifier Dengan )aar +as+ade +lassifier dapat dimanfaatkan untuk

menemukan ,agian tertentu seperti -ajah/ mata/ hidung/

mulut/ telinga kanan/ telinga kiri/ dll. Misalnya )aar +as+ade

'ace detector dalam li,rary Open*B/ jika ada se,uah gam,ar/

maka 'ace detector akan menguji setiap lokasi image dan

mengklarifikasinya se,agai atau .

7egitu pula dengan ,agian tertentu seperti mata/ maka akan

diuji setiap lokasi image dan mengklarifikasinya se,agai mata

atau ,ukan mata. )aar +as+ade +lassifier ini disimpan dalam

format file M / yang akan di panggil dalam program yang

meng5in+lude li,rary Open*B. Seperti yang dikemukakan

se,elumnya/ )aar *as+ade pada Open*B memanfaatkan

metode Biola and (ones/ yang memiliki # ,agian penting yaitu

)!to!t


50/79

34

haar feature/ image integral/ Ada7oost/ dan +as+ade +lassifier.

)asil dari haar +as+ade +lassifier seperti ,erikut :

Ga%'a 21 ; Fa+e De"e+"i % (/n.an Haa Ca& a(/ C*a&&i3i/

Ga%'a 22 ; E,e De"e+"i % (/n.an Haa Ca& a(/ C*a&&i3i/

'edua gam,ar diatas didapatkan dari hasil haar +as+ade

+lassifier fa+e dan eye dete+tor. &a+e dete+tor didapatkan dari

file fa+e. M sedangkan eye didapatkan dari file eye. M .

,. Metode *ontour


51/79

35

Dalam penelitian ini/ *ontour dimanfaatkan untuk

mendapatkan kontur mata hasil dari deteksi mata dengan haar

+as+ade +lassifier. Setelah mata terdeteksi/ maka akan diru,ah

menjadi ,entuk se,uah kontur/ dimana kontur terse,ut akan

menjadi a+uan ,ah-a mata terse,ut ,erkedip atau tidak. Saat

mata ter,uka/ maka akan terlihat gam,ar yang memiliki kontur

menyerupai lingkaran yang diindikasikan se,agai pupil mata

atau area mata. Dan ketika mata ,erkedip/ maka kontur

terse,ut tidak terlihat/ atau ke+il kemungkinannya untuk

mem,entuk kontur mata ter,uka.

?.#. Metode %engem,angan Sistem

Dalam penelitian ini akan di,angun se,uah prototype login

dengan menggunakan kedipan mata. "rototype ini hanya sekedar

halaman login saja/ tanpa mem,uat sistem yang sesungguhnya.

Dalam pem,uatan prototype ini menggunakan peran+angan

,erorientasi o,yek dan 3M se,agai ,ahasa pemodelan. 7erikut ,e,erapa diagram untuk meran+ang prototype terse,ut :

a. $se %ase (iagram

Ga%'a 2 ; Use Case Dia&$am

7erikut penjelasan untuk diagram use +ase diatas :


52/79

36

Ta'/* 1 ; D/&, i-&i Use Case

$se %ase Deskripsi*ign up $ser harus mendaftar terle,ih

dahulu agar data yang terdiri

dari nama dan password

kedipan mata ter+atat ke dalam

data,ase ogin $ser memasukan nama dan

password kedipan mata agar

dapat di4alidasi dengan datauser yang ada di database .

,. SJuen+e Diagram5 SJuen+e diagram *ign up

Ga%'a 26 ; S )/n / Dia. a% Si&% -

Diagram terse,ut menunjukkan tahapan proses saat user

melakukan sign up untuk memasukkan data diri ke dalam

data,ase.5 SJuen+e Diagram ogin


53/79

37

Ga%'a 25 ; S )/n / Dia. a% l &i%

Diagram terse,ut menunjukkan ,agaimana tahapan dalam

proses login . Dengan dia-ali memasukkan data pri,adi

yaitu nama dan password / kemudian sistem akan

mem4alidasi data terse,ut apakah sesuai dengan data yang

ada pada data,ase. Apa,ila tidak ada ke+o+okan/ maka user

akan diminta login kem,ali.

$5 E,&-/ i%/n

Dalam penelitian ini/ data pass-ord kedipan mata diam,il dari jarak

antara #!5"!/ threshold ?0/ posisi kepala menghadap ke depan kamera/ dan

posisi sum,er +ahaya dari depan. "assword kedipan akan ,er,entuk tiga jenis kedipan/ yaitu kedipan mata kanan 8 U right 2/ mata kiri U le't 2/ dan

kedua5duanya % U pair 2. 7erikut +ontoh data dari pass-ord kedipan :

5 Rigth 82

Ga%'a 2> ; K/(i-an Ri.4!


54/79

38

5 e't 2

Ga%'a 2? ; K/(i-an L/3!


55/79

BAB IV

ANALISIS HASIL PENELITIAN DAN PEMBAHASAN

Dalam ,a, ini akan di,ahas mengenai analisa dan langkah implementasi

penelitian metode haar +as+ade +lassifier dan *ontour untuk mendapatkan kedipan

mata se,agai pass-ord.

6$1 K/')!)4an Da!a Ci! aData +itra yang di,utuhkan pertama adalah sampel data +itra dari data

real5time hasil -e,+ame. %engam,ilan data gam,ar dari -e,+ame memiliki

klasifikasi seperti ,erikut :a. (arak antara o,jek dan -e,+ame W #! @ "! +m

,. %osisi kepala menghadap ke depan -e,+ame+. %osisi sum,er +ahaya dari depan

Maka diperoleh data gam,ar hasil -e,+ame seperti ,erikut :

Ga%'a 2 ; Ha&i* /' a%/

40


56/79

41

6$2 D/!/,&i Ma!a#.? Setelah mendapatkan data utama ,erupa sampel gam,ar hasil

-e,+ame/ selanjutnya melakukan deteksi mata dengan haar +as+ade

+lassifier. 7erikut hasil dari deteksi mata untuk sampel data utama :#.#

6$5 Ga%'a 0 ; Ha&i* D/!/,&i Ma!a (/n.an Haa Ca& a(/ C*a&&i3i/

#." )asil dari deteksi mata ditandai dengan kotak ,er-arna merah.

Setelah mata dapat terdeteksi kemudian akan difokuskan pada area mata

saja/ untuk mendapatkan kontur dari mata.

#.$

6$7 Ga%'a 1 ; F",)& A /a Ma!a

#. 7erikut sampel hasil deteksi mata pada ,e,erapa +itra uji +o,a/

dengan -arna dan jenis mata yang ,er,eda5,eda :


57/79

42

#.1!

#.11

6$12 Ta'/* 2 ; J/ni& %a!a '/ (a&a ,an '/n!), (an a na -)-i*

#.1? #.1#Ma

#.10(

#.1" N

#.1$ #.1F

#.1

#. !

#. 1=

#.D

#. ? #. #

#. 0

#. "

#. $8

#. FD

#. #.?!

#.?1

#.?

#.??7

#.?#D

#.?0 #.?"

#.?$

#.?F

#.?

7

#.#!

D

#.#1 #.#

#.#?

#.#07

#.#"D


58/79

43

#.##

#.#$ 4.48

4.49

4.50

#.01;

#.0D

#.0? 4.54

4.55

4.56

#.0$*

#.0FD

#.0 4.60

4.61

4.62

#."?I

#."#D

#."0 4.66

4.67

4.68

#."T

#.$!D

#.$1 4.72

4.73

4.74

#.$08

#.$"D

#.$$ 4.78

4.79

4.80

#.F1S

#.FD


59/79

44

#.F? 4.84

4.85

4.86

#.F$

#.FFD

#.F

#. !D

#. 1 4.92

4.93

4.94

#. 0%

#. "D

#. $ 4.98

4.99

4.100

#.1!1%

#.1!D

#.1!? 4.104

4.105

4.106

#.1!$

D

#.1!F

D

#.1! 4.110

4.111

4.112

#.11?%

#.11#D

#.110 4.116

4.117

4.118

#.11%

#.1 !D

#.1 1 4.122 #.1 0S

#.1 "D


60/79

45

4.123

4.124

#.1 $

6$127 M/n/%),an C"n!")#.1 Se,elum menemukan kontur/ ada ,e,erapa tahapan yang harus

dilalui untuk mendapatkan kontur mata yang dapat terdeteksi sempurna.

Tahapan5tahapannya se,agai ,erikut :5 Negati4e +olor

#.1?! Negati4e +olor atau mem,alikkan -arna dari gam,ar mata

hasil deteksi. 7erikut hasil dari Negati4e +olor dari sample data :

6$1 1 Ta'/* ; Ha&i* N/.a!i@/ "*"

#.1?

No

#.1?? Deteksi Mata #.1?# )asil Negati4e

#.1?0 #.1?"

#.1?$#.1?F#.1?

#.1#!#.1#1

#.1##.1#?

#.1###.1#0

#.1#"

#.1#$

#.1#F

#.1# #.10!

#.101

#.10

#.10?

#.10#

#.100 #.10"#.10$

#.10F

#.10

#.1"!

#.1"1 #.1"

#.1"?

#.1"0


61/79

46

#.1"##.1""

#.1"$ 4.1684.169

4.170

#.1$1

#.1$

#.1$? 4.1744.175

4.176

#.1$$

#.1$F

#.1$ 4.1804.181

4.182

#.1F?

#.1F#

#.1F0 4.1864.187

4.188

#.1F

#.1 !

#.1 1 4.192

4.193

4.194

#.1 0

#.1 "

#.1 $ 4.1984.199

4.200

#. !1

#. !

#. !? 4.2044.205

4.206

#. !$

#. !F

#. ! 4.2104.211

4.212

#. 1?

#. 1#

#. 10 4.216

4.217

#. 1


62/79

47

4.218#. !

#. 1 4.2224.223

4.224

#. 0

#. "

#. $ 4.2284.229

4.230

#. ?1

#. ?

#. ?? 4.2344.235

4.236

#. ?$

#. ?F

#. ?

1F

4.2404.241

4.242

#. #?

#. ##

#. #0

5 Meru,ah ke +itra kea,uan =rays+ale2#. #" Meru,ah gam,ar hasil dari Negati4e +olor menjadi gam,ar

kea,uan grays+ale2

6$26? Ta'/* 6 ;N/.a!i@/ "*" ,/ G a+& a*/

#. #F

No

#. # )asil Negati4e *olor #. 0! =rays+ale

#. 0 #. 0?#. 0#

#. 00 #. 0"


63/79

48

#. 0F#. 0

#. "!

#. "1#. "

#. "##. "0#. ""

#. "$#. "F

#. $!#. $1#. $

#. $?#. $#

#. $"#. $$

#. $F#. $

#. F #. F?#. F#

#. F0 #. F"

#. FF#. F

#. !

#. 1

#.

#. ##. 0

#. "

#. $

#. F

#.?!!#.?!1

#.?!

#.?!?

#.?!#

#.?!"#.?!$

#.?!F

#.?!

#.?1!

#.?1#.?1?

#.?1#

#.?10

#.?1"

#.?1F#.?1

#.? 1

#.?


64/79

49

#.? !#.? ##.? 0

#.? "

#.? $

#.? F

#.??!#.??1

#.??

#.???

#.??#

#.??"

#.??$

#.??F

#.??

#.?#!

#.?##.?#?

#.?##

#.?#0

#.?#"

#.?#F#.?#

#.?0!

#.?01

#.?0

1F

#.?0?#.?0#

#.?00

#.?0"

#.?0$

#.?0F5 Thresholding

#.?0 Menentukan threshold agar mem,entuk kontur yang

diinginkan. Threshold mempengaruhi hasil penentuan kontur yang

teridentifikasi mata atau tidak. Semakin ke+il threshold maka akan

,anyak kontur P,erukuran ,esar yang dihasilkan/ ,ahkan mem,entuk

satu kontur ,esar. Semakin ,esar threshold/ maka semakin tidak terlihat

kontur. Maka threshold haruslah tepat agar kontur mata sempurna.

7erikut +ontoh per,andingan kontur hasil threshold dari file Data1F :

6$ >0 Ta'/* 5 ; C"n!"4 4a&i* ! /&4"*(in.


65/79

50

#.?"1 Data1F #.?" Threshol

d

#.?"? )asil *ontour

#.?"#

#.?"0 8endah#.?""#.?"$#.?"F

#.?$! Tepat#.?$1#.?$#.?$?

#.?$0 Tinggi#.?$"#.?$$#.?$F

#.?$

5 Menentukan *ontour #.?F! Threshold dikatakan tepat apa,ila kontur yang dihasilkan

memiliki suatu ukuran yang memungkinkan mem,entuk kontur mata

sempurna/ atau terdeteksi se+ara tepat pada area mata. Dalam penelitian

ini/ dengan jarak W #!+m5 "!+m/ dengan hasil gam,ar -e,+ame

,erukuran "#! #F piksel/ maka kontur yang mem,entuk mata

sempurna adalah kontur dengan tinggi F @ 0 piksel. 'ontur yang

di,a-ah atau mele,ihi ,atas terse,ut/ akan dianggap ,ukan kontur

mata.#.?F1 )asil dari deteksi kontur mata dari +itra sample dengan

threshold tepat se,agai ,erikut :

6$ 72 Ta'/* > ; Ha&i* (/!/,&i a /a %a!a (/n.an C"n!") (/n.anPH !/-a!

#.?F?S

#.?F#*

#.?F")

4.387

4.388

4.389

4.390

4.3914.392

4.393

4.394

4.395

4.3964.397

4.398

4.399

4.400 4.401

4.402


66/79

51

4.403

4.404

4.405

4.406

4.4074.408

4.409

4.410

4.411

4.412

4.413

4.414

4.4154.416

4.417

4.418

4.419

4.420

4.421

4.422

4.4234.424

4.425

4.426

4.427

4.428

4.429

4.430

4.4314.432

4.433

4.434

4.435

4.436

4.437

4.438

4.4394.440

4.441

4.442

4.443

4.444

4.445

4.446

4.4474.448

4.449

4.450

4.451 4.454 4.456 4.457


67/79

52

4.452

4.453

4.455 4.458

4.459

4.460

4.461

4.462

4.4634.464

4.465

4.466

4.467

4.468

4.469

4.470

4.471 4.4724.473

4.474

4.475

4.476

4.477

4.478

4.479

4.480 4.481

4.482

4.483

4.484

4.485

4.486

4.487

4.4884.489

4.490

4.491

4.492

4.493

4.494

4.495

4.4964.497

4.498

4.499

4.500

4.501

4.503

4.504

4.505 4.506

4.507


68/79

53

4.502

4.508

4.509

4.510

4.511

4.5124.513

4.514

4.515

4.516

4.517

4.518

4.519

4.5204.521

4.522

4.523

4.524

4.525

4.526

4.527

4.5284.529

4.530

4.531

#.0?6$5 D/!/,&i K/(i-an Ma!a

#.0?# Seperti yang telah dise,utkan se,elumnya/ setelah kontur mata

sempurna terdeteksi/ maka dapat menjadi a+uan untuk mendeteksi kedipan

mata. Apa,ila kontur pada area mata terdeteksi/ mengindikasikan ,ah-a

mata terse,ut ter,uka. Dan apa,ila kontur mata tidak ada setelah

se,elumnya terdeteksi2 atau ukurannya terlalu ke+il untuk mem,entuk

kontur mata sempurna/ dapat diindikasikan ,ah-a mata terse,ut sedang

tertutup. 7erikut hasil deteksi kedipan mata terdiri dari 8ight 82/ eft 2/

dan %air %2.#.0?0#.0?"#.0?$#.0?F

6$5 Ta'/* ? ; C"n!"4 (/!/,&i @a ia&i ,/(i-an R# L (an P

#.0#! Mata terdeteksi #.0#1 *ontour #.0# )asil Deteksi #.0#?


69/79

54

)asil#.0###.0#0

#.0#"

#.0#$ #.0#F #.0#

8

#.00!#.001

#.00

#.00? #.00##.000

#.00"#.00$

#.00F

#.00 #.0"!#.0"1

%

6$5>2 K/(i-an &/'a.ai Pa&& " (

#.0"? )asil yang diperoleh dari deteksi kedipan mata akan mengirimkan

data ,erupa karakter yang menjadi pass-ord masukan. 'arakter terse,utterdiri dari P8 se,agai kedipan kanan/ P se,agai kedipan kiri/ dan P%

se,agai kedipan kedua mata. Dalam penelitian ini panjang pass-ord

ditentukan dengan panjang " karakter.

6$5>6 M/%'an.)n An!a M),a P "!"!+-/

#.".1. Tampilan a-al login


70/79

55

4.565

Ga

%'a 2 ; Ta%-i*an U!a%a Ha*a%an L".in

#.". . Tampilan input pass-ord


71/79

56

#.0""

6$5>? Ga%'a ; Ta%-i*an &aa! %/%a&),,an -a&& " (

,/(i-an

#.".?. Berifikasi 3ser dan %ass-ord

#.0"F

6$5> Ga%'a 6 ; Ta%-i*an @a*i(a&i )&/ (an -a&& " (


72/79

57

#.0$!

6$5?1 P/n.)jian

#.0$ Seperti yang telah dijelaskan pada ,a, se,elumnya/ pengujian akan

dilakukan terhadap metode yang diusulkan untuk mengetahui se,erapa

akurat deteksi mata/ dan menguji apakah pass-ord terdeteksi se+ara

keystroke atau tidak.

#.$.1. %engujian terhadap Deteksi 'edipan

6$5? Ta'/* 7 ; P/n.)jian a,) a&i ,/(i-an (/n.an 15 j/ni&-a&& " (

#.0$"#.0$$

#.0$F'edipan

#.#.0F!

#.

#.0F

# #. #.# #. #.

#.0 #. #.# #. #.# #. #.# #. #.

#." #. #.# #. #.

#."#? #. #.# #. #.# #. #.# #. #.

#."$1 #. #.# #. #.# #. #.

#." 1 ( #.

#." " Dari hasil terse,ut dapat diperoleh nilai akurasi dan error

rate dalam mendeteksi kedipan mata se,esar:

#." $ akura&i= 80112

100 = $1/#? C

#." F err(r rate = 32112

100 = 28,57

#."


73/79

58

#.$. . %engujian terhadap Deteksi 'eystroke

#.$!! %engujian dilakukan menggunakan aplikasi keylogger/

&amily 'eylogger 4 .$1/ untuk mendeteksi pass-ord kedipan mata.

)asil keystroke dapat diketahui dengan melihat logfile yang ada pada

folder &amily 'eylogger. 7erikut hasil pengujian dengan keylogger :

#.$!1

#.$!

#.$!?

#.$!#

6$?05 Ga%'a 5 ; Ha&i* (/!/,&i ,/+&! ",/ (/n.an Fa%i*+

K/+*"../ 1

#.$!" =am,ar diatas menunjukkan log keystroke yang mem,uka

aplikasi notepad dan mengetikkan . Apa yang

diketikkan dapat terekam oleh aplikasi keylogger. 'emudian


74/79

59

dilanjutkan dengan pengujian terhadap prototype login sistem

menggunakan pass-ord kedipan mata.

#.$!$

#.$!F

#.$!

#.$1!

#.$11

6$?12 Ga%'a > ; Pa&& " ( ,/(i-an !i(a, !/ (/!/,&i Fa%i*+

K/+*"../

#.$1? =am,ar diatas menunjukkan ,ah-a user id masih terekam

oleh keylogger/ karena dalam memasukkan user id masih

menggunakan key,oard/ namun untuk pass-ord tidak terlihat atau

terekam keylogger.

#.$1#

#.$10


75/79

60

#.$1"


76/79

61

6$?1? BAB V

6$?17 KESIMPULAN DAN SARAN

6$?1

0.1. 'esimpulan#.$ ! 'esimpulan yang diperoleh dari penelitian ini adalah :1. Implementasi dari metode )aar *as+ade *lassifier dan *ontour dapat

mendeteksi kedipan mata.. Metode )aar +as+ade +lassifier dapat mendeteksi ,again tu,uh seperti

-ajah dan mata.?. Dengan jarak/ posisi o,yek/ dan posisi sum,er +ahaya tertentu dapat

menghasilkan kontur mata sempurna se,agai a+uan mendeteksi

kedipan mata.#. Selain jarak/ posisi o,yek dan posisi sum,er +ahaya/ thresholding

menjadi ,agian penting untuk menghasilkan kontur yang sempurna.0. Dengan threshold yang tepat/ kontur ,e,erpa jenis mata ,aik -arna

maupun ,entuknya/ dapat dikenali.". Dari uji +o,a dengan 10 jenis pass-ord kedipan/ dengan total 11

kedipan yang di deteksi/ ,erhasil mengenali F! kedipan tepat sesuai

kedipan dari o,yek/ dengan akurasi ke,erhasilan $1/#? C/ dan error

rate F/0$ C.$. %engujian menggunakan keylogger menunjukkan ,ah-a pass-ord

dengan kedipan mata tidak terdeteksi/ sehingga pass-ord tidak

terekam dalam aplikasi keylogger.F. %ass-ord dengan kedipan mata menghindari pen+urian pass-ord

se+ara keystroke.0. . Saran

#.$ 1 7erikut merupakan ,e,erapa hal yang perlu diperhatikan untuk

melakukan penelitian le,ih lanjut :1. Di,utuhkan algoritma %repro+essing untuk mengoptimisasi data dari

-e,+ame/ sehingga tanpa harus diam,il dengan jarak/ posisi o,yek/

dan posisi sum,er +ahaya tertentu.. Otomatisasi pem,erian parameter threshold/ agar dapat

mengoptimalkan deteksi ,er,agai jenis mata ,aik ,entuk atau -arna

mata.


77/79

62

?. %rototype sistem login dikem,angkan agar memiliki data,ase

penyimpanan data user/ karena masih tersimpan dalam 4aria,le.#. Diharapkan kedepannya dikom,inasikan dengan algoritma enkripsi

untuk ,agian user id/ agar tidak tersimpan ,egitu saja dalam aplikasi

perekam keystroke.#.$

#.$ ?

#.$ #

#.$ 0


78/79


79/79

58

%ustaka 3tama/ !!$.

1?.A7D3 A)/ M.G SA'TI6ONOG 3T)&I. IPA !/ -a() &%- (an %!& ji*i(A . (akarta: 9rlangga/ !!$.

1#.TA3&IY/ M. I. Da*i* an3)& a*8 ) an (an /%' i"*".i; ayat5ayat tentang pen+iptaan manusia2. Solo: tiga serangkai/ !!".

10.S3TO(O/ T. et al. T/" i P/n."*a4an Ci! a Di.i!a* . 6ogyakarta: ANDI/!! .

1".7INANTO/ I. %)*!i%/(ia (i.i!a* 8 (a&a !/" i (an -/n./%'an.ann+a .6ogyakarta: Andi/ !1!.

1$. '9)TA8NABAQ/ N.G =AMADIA/ M. R/a*8Ti%/ I%a./ an( Vi(/"P " /&&in.; &rom 8esear+h to 8eality. 3SA: Morgan H *laypool %u,lisher/!!".

1F.M3NI8/ 8. P/n."*a4an Ci! a Di.i!a* D/n.an P/n(/,a!an A*." i!%i, .(akarta: Informatika/ !!#.

1 . &A6/ (. En + *"-/(ia "3 S/ ) i!+ Mana./%/n!; Te+hniJues andTe+hnologi. 3SA: 7utter-orth5)einemann/ 1 ?.

!. 8D/ '.G %AM73DI/ ;. S.G TOM%3N3/ A. N. Aplikasi Sensor Bision untukDeteksi Multi&a+e dan Menghitung (umlah Orang. S/%ina Na&i"na*T/,n"*".i In3" %a&i K"%)ni,a&i T/ a-an 2012

Implementation Of Eye Blink Detection Using Haar Cascade Classifier And Contour To System Login...

Documents

Transcript of Implementation Of Eye Blink Detection Using Haar Cascade Classifier And Contour To System Login...