BAB 1 PENDAHULUAN

BAB 1
PENDAHULUAN
1.1
Latar Belakang
Pengenalan wajah adalah salah satu cara yang dapat digunakan untuk
mengidentifikasi seseorang. Pengenalan wajah umumnya dilakukan dengan
membandingkan citra wajah dengan citra wajah yang dikenali sebelumnya.
Pengenalan wajah dianggap memiliki potensi lebih dibandingkan bagian tubuh
lain pada manusia karena pengenalan wajah adalah cara paling umum yang
dilakukan manusia untuk mengenali identitas orang lain. Selain itu proses
akuisisi data yang relatif lebih mudah jika dibandingkan bagian tubuh lain seperti
sidik jari dan retina mata.
Pengenalan wajah mungkin merupakan hal yang mudah bagi manusia
namun pada kenyataannya pengenalan wajah merupakan hal yang sulit dilakukan
bahkan untuk mesin cerdas seperti komputer. Hal tersebut dikarenakan mesin
tidak memiliki otak seperti yang dimiliki manusia. Berdasarkan penelitian yang
dilakukan oleh David Hubel dan Torsten Wiesel terhadap sistem penglihatan
pada kucing, dari penelitian tersebut ditunjukan bahwa otak memiliki sel saraf
yang khusus yang dapat merespon fitur-fitur lokal yang spesifik dari suatu scene.
Manusia tidak menyadari bahwa dunia itu sebenarnya merupakan bagian bagian
yang
terpisah
dikarenakan
saraf-saraf
penglihatan
manusia
dapat
menggabungkan sumber-sumber berbeda menjadi sebuah pola/pattern yang
memiliki makna. Oleh sebab itu agar mesin dapat melakukan pengenalan wajah
1
2
dengan baik, masalah utama yang dihadapi adalah bagaimana cara untuk
mengekstraksi fitur-fitur berarti itu dari citra, menaruhnya ke dalam sebuah
representasi yang berguna dan melakukan sejenis klasifikasi pada pola-pola
tersebut.
Ada beberapa pendekatan yang dapat digunakan untuk melakukan
pengenalan wajah namun pendekatan terbaik adalah pendekatan appearancebased. Pendekatan appearance-based atau pendekatan holistic umumnya
membuat representasi citra dengan mengektrasi fitur-fitur dari citra wajah secara
keseluruhan. Permasalahan yang kemudian muncul adalah dimensionalitas dari
semua citra yang nantinya akan sangat besar. Namun beberapa metode statistika
seperti Principal Component Analysis (PCA) dapat digunakan untuk mereduksi
dimensionalitas dengan membuat representasi citra yang disebut eigenface.
Dengan adanya eigenface dapat menghilangkan korelasi di antara citra masingmasing individu. Hingga saat ini PCA tetap menjadi salah satu metode
pengenalan wajah yang tetap digunakan karena performa dalam pengenalan
wajah termasuk cukup baik.
Selain PCA, salah satu metode statistik yang menarik yaitu Independent
Component Analysis (ICA). ICA adalah sebuah metode statistik yang digunakan
untuk memisahkan dua atau lebih variabel acak yang tercampur menjadi
variabel-variabel
yang
independent.
Awalnya
ICA
digunakan
untuk
menyelesaikan permasalahan cocktail party problem dimana sinyal dari semua
audien tercampur dan sangat sulit dibedakan. Namun seiring perkembangannya,
ICA yang merupakan generalisasi PCA juga dapat digunakan untuk melakukan
pengenalan wajah. Berbeda dengan PCA yang hanya menghilangkan korelasi
3
antar tiap piksel dari citra wajah yang berada pada orde dua statistika, ICA lebih
membuat
piksel-piksel
menjadi
independen
dengan
menghilangkan
ketergantungan pada orde yang lebih tinggi (M. S. Bartlett et al, 2002).
Peneilitian ini dilakukan untuk mengukur seberapa baik performa yang
dihasilkan oleh metode ICA. ICA nantinya akan digunakan untuk pengenalan
wajah pada citra yang memiliki perbedaan pose, iluminasi, dan citra dengan
berbagai densitas noise. Selain itu dalam penelitian ini, dampak dari pemilihan
distance measure seperti cityblock, euclidean dan cosine jika digunakan untuk KNearest Neighbor juga diteliti .
1.2
Rumusan Masalah
Adapun rumusan masalah yang dihasilkan berdasarkan latar belakang tersebut
adalah sebagai berikut:
1. Peneilitian ini dilakukan untuk mengetahui seberapa baik performa yang
dihasilkan metode ICA untuk melakukan pengenalan wajah, khususnya
untuk citra dengan perbedaan pose, iluminasi dan noise.
1.3
Tujuan
Secara umum tujuan dari penelitian ini adalah:
1. Menunjukan performa yang dihasilkan oleh ICA jika digunakan untuk
mengenali citra yang memiliki perbedaan pose wajah, iluminasi, dan citra
yang didalamnya terdapat noise dengan berbagai densitas.
2. Menunjukan perbandingan performa yang dihasilkan antara metode ICA
dan metode PCA.
4
1.4
Manfaat
Manfaat yang diharapkan dapat dicapai dari penelitian ini adalah:
1. Hasil dari penelitian ini dapat digunakan untuk pengembangan perangkat
lunaksistem pengenalan wajah.
2. Dihasilkan suatu referensi yang dapat digunakan peneliti lain khususnya
peneliti yang menggunakan metode ICA untuk pengenalan wajah.
1.5
Ruang Lingkup
Adapun ruang lingkup dari penelitian ini adalah:
1. Metode yang digunakan untuk pengenalan wajah pada peneilitian ini
adalah metode Independent Component Analysis.
2. Metode Principal Component Analysis digunakan sebagai pembanding
performa yang dihasilkan oleh metode Independent Component Analysis.
3. Citra wajah yang digunakan untuk pengenalan wajah pada penelitian ini
adalah citra yang didapat dari Ollivety Research Laboratory Database of
Faces dan Yale Face Database B.