DETEKSI JENIS WARNA KULIT WAJAH UNTUK KLASIFIKASI RAS MANUSIA MENGGUNAKAN TRANSFORMASI WARNA Murinto, Eko Aribowo, Wahyu Nurhidayati Program Studi Teknik Informatika Universitas Ahmad Dahlan Jogjakarta
[email protected] ABSTRAK Deteksi tipe warna kulit manusia merupakan sarana guna mengetahui RAS manusia. Hal ini digunakan sebagai dasar dalam pengidentifikasian manusia di bidang kriminal dan kesehatan. Di bidang kriminal digunakan dalam hal mengetahui asal usul korban tindak kejahatan, di bidang kesehatan sebagai dasar untuk mengetahui penyakit genetik maupun endemik. Aplikasi pengolahan citra berkaitan dengan pemrosesan citra yang berkaitan dengan transformasi warna. Dalam hal ini, metode transformasi sistem ruang warna sebagai bagian dari pengolahan citra membantu dalam mendeteksi warna dalam citra dan mengolahnya sehingga memberikan kemudahan dalam pengidentifikasian. Tujuan dari penelitian ini adalah menerapkan metode transformasi warna YCbCr dalam mendeteksi tipe warna kulit manusia dan mengklasifikasikan dalam kelompok RAS manusia. Input pelatihan deteksi tipe warna kulit wajah diperoleh dari hasil pengolahan citra dengan metode transformasi warna YCbCr. Hasil penelitian yang diperoleh dalam penelitian deteksi tipe warna kulit wajah menggunakan metode transformasi warna menunjukkan hasil yang memuaskan. Hasilnya sudah bisa digunakan untuk mengenali wajah manusia sebab sudah terlihat jelas dari nilai simulasi yang dihasilkan. Kata kunci:Pengolahan citra, Transformasi warna, YcbCr.
1. PENDAHULUAN Aplikasi dalam pengolahan citra memberikan kemudahan untuk memproses suatu citra. Metode transformasi sistem ruang warna merupakan salah satu metode dari pengolahan citra yang dilakukan guna memperoleh ruang warna yang beragam dari suatu citra dalam sistem koordinat warna tertentu, hal ini dapat dilakukan dengan proses perkalian matrik yang telah distandarisasi oleh CIE. [4]. Mata manusia memiliki tiga jenis sel fotoreseptor warna yang bertanggungjawab terhadap warna yang ditangkap oleh manusia. Masing-masing sel memiliki kurva spektral yang berbeda, mirip dengan spektrum informasi RGB pada alat-alat akuisisi dan monitor. Dengan tiga jenis fotoreseptor ini, maka cukup dapat menampilkan sebuah warna. Ruang warna RGB dikelompokkan menjadi ruang warna linier dan ruang
PDF created with pdfFactory Pro trial version www.pdffactory.com
warna non-linier. Ruang warna RGB linier adalah ruang warna RGB yang linier terhadap nilai intensitas, yaitu ruang warna RGB sendiri. Ruang warna RGB nonlinier adalah ruang warna RGB yang tidak linier terhadap intensitas, misalnya ruang warna RGB yang dinormalkan. Ruang warna yang lain adalah ruang warna yang berorientasi kepada pemakai, yaitu ruang warna HSI (Hue Saturation Intensity) dan YCbCr. Ruang warna HSI memiliki beberapa variansi yaitu HSV, HSB dan HSL yang berbeda dalam hal perhitungan kecerahan (lightness) linier dan non-linier [8]. Kulit
dapat
digunakan
sebagai
sumber
informasi
untuk
proses
pendeteksian. Informasi yang diperoleh dari kulit sangat relevan untuk proses pendeteksian antara lain untuk proses-proses pendeteksian manusia, pendeteksian wajah dan penjejakan wajah (face tracking), penjejakan tangan yang meliputi pengenalan posisi tangan dan gerakannya (gesture).[8] Keuntungan yang dapat diperoleh jika kulit dijadikan sebagai sumber awal informasi untuk proses-proses yang disebutkan di atas antara lain adalah memungkinkannya pemrosesan yang cepat dan langsung, tahan (robust) terhadap variasi geometris dari pola-pola/tekstur kulit, tahan terhadap perubahan resolusi citra dan mengurangi kebergantungan pada penggunaan peralatan penjejakan yang khusus. Selain itu karena kulit memiliki karakteristik warna, maka hal ini memberikan kemudahan lain karena warna adalah salah satu aspek yang dengan cepat dan mudah dapat dikenali oleh manusia. [8] Warna kulit setiap orang yang beragam dan tidak selalu sama, hal ini disebabkan beberapa faktor yang menentukan warna kulit. Ada 2 (dua) kelompok faktor penentu warna kulit, yaitu kelompok faktor Internal dan kelompok faktor Eksternal. Di antara kelompok faktor Internal antara lain faktor ras, keturunan dan genetik. Sedangkan kelompok faktor Eksternal, seperti kebiasaan hidup seseorang /lifestyle (sering tidaknya terkena sinar UV matahari, merokok, minum obat antibiotik tertentu dengan bahan aktif minocycline) dan perawatan kulit serta konsistensi pemakaian produk kosmetik yang aman dan efektif.[13] Tipe warna kulit memberikan informasi awal tentang RAS manusia, yang berguna di bidang kriminal dalam mengidentifikasi tersangka, buronan, maupun korban dari tindak kejahatan. Dengan aplikasi deteksi warna kulit dalam ruang warna krominan ini diharapkan mampu memberikan data-data yang diperlukan guna penyelidikan kasus kejahatan untuk dapat ditelusuri dan dikembangkan lebih lanjut. Dalam bidang kesehatan, aplikasi deteksi warna kulit ini nantinya diharapkan mampu untuk memberikan data dalam
PDF created with pdfFactory Pro trial version www.pdffactory.com
memutuskan suatu penyakit genetik yang memerlukan penyelidikan lebih lanjut tentang penyakit genetik. Pada penelitian ini, dicoba untuk dikembangkan suatu sistem alternatif untuk deteksi tipe warna kulit dengan menggunakan komputer sebagai media utama. Dengan menggunakan citra sampel wajah manusia dari berbagai RAS manusia sebagai input, menggunakan pengolahan citra.
2. LANDASAN TEORI 2.1. Dasar-dasar Model Warna YCbCr Warna yang diterima oleh mata dari sebuah objek ditentukan oleh warna sinar yang dipantulkan oleh objek tersebut. Sebagai contoh, suatu objek berwarna hijau karena objek tersebut memantulkan sinar biru dengan panjang gelombang 450 sampai 490 nanometer (nm). Warna sinar yang direspon oleh mata adalah sinar tampak (visible spectrum) dengan panjang gelombang berkisar dari 400 (biru) sampai 700 nm (merah).Warna-warna yang diterima oleh mata manusia merupakan hasil
kombinasi
cahaya
dengan
panjang
gelombang
berbeda.
Penelitian
memperlihatkan bahwa kombinasi warna yang memberikan rentang warna yang paling lebar adalah red (R), green (G), blue (B). Ketiga warna tersebut diberi nama Warna Pokok (primaries), dan sering disingkat sebagai warna dasar RGB. Warnawarna lain dapat diperoleh dengan mencampurkan ketiga warna pokok tersebut dengan perbandingan tertentu (meskipun sepenuhnya benar, karena tidak semua kemungkinan warna dapat dihasilkan dengan kombinasi RGB saja), sesuai dengan teori Young (1802) yang menyatakan bahwa sembarang warna dapat dihasilkan dari pencampuran warna-warna pokok C1, C2, C3 dengan presentasi tertentu [8]: C = a C1 + b C2 + c C3
(1)
Bila citra warna digitalisasi, maka tiga buah filter digunakan untuk mengekstraksi intensitas warna merah, hijau, dan biru, dan bila ketiganya dikombinasikan akan memperoleh persepsi warna. Selain RGB, warna juga dapat dimodelkan berdasarkan atribut warnanya. Setiap warna memiliki 3 buah atribut, yaitu intensity (I), hue (H), dan saturation (S) Ruang warna YCbCr disebut juga ruang warna CCIR 601 (International Radio
Consultative
Committee).
Model
warna
ini
dikembangkan
untuk
mengantisipasi perkembangan informasi berbasiskan video, sehingga model ini
PDF created with pdfFactory Pro trial version www.pdffactory.com
banyak digunakan pada video dijital. Secara umum dapat dikatakan bahwa model warna ini merupakan bagian dari ruang warna transmisi video dan televisi. Model warna lain yang mirip dengan YCbCr adalah YUV dan YIQ, perbedaannya terletak pada bahwa YCbCr adalah sistem warna digital sedangkan yang lainnya adalah sistem warna analog. Model warna YcbCr memisahkan nilai RGB menjadi informasi luminance dan chrominance yang berguna untuk aplikasi kompresi. Transformasi RGB ke YCbCr dilakukan dengan formulasi operasi matriks pada persamaan (15) dan (16) sebagai berikut [10]: Y = 0.299900R + 0.58700G + 0.11400B CB = −0.16874R − 0.33126G + 0.50000B CR = 0.50000R − 0.41869G − 0.08131B
(2)
R = 1.00000Y + 1.40200CR G = 1.00000T − 0.34414CB − 0.71414CR
(3)
B = 1.00000Y + 1.77200CB
Formulasi konversi RGB-YCbCr dalam format lain ditunjukkan oleh sebagai berikut:
Y 16 64.481 − 37.757 112 Cb = 128 + 128.553 − 74.203 − 93.786 Cr 128 24.996 112 − 18.214
R G B
(4)
Transformasi warna dari basis CIE RGB ke CIE XYZ dapat dilakukan sebagai berikut, diberikan triplet RGB (Ri,Gi,Bi) untuk pixel i, maka triplet XYZ (Xi,Yi,Zi) dihitung dengan [6]
Xi 0.490 Yi = 0.177 Zi 0.000
0.310 0.813 0.010
0.200 0.011 0.99
Ri Gi Bi
(5)
Transformasi sebaliknya dari CIE XYZ ke CIE RGB dapat dilakukan dengan persamaan
Ri Gi = Bi
2.365 − 0.3896 − 0.468 Xi − 0.515 1.425 0.088 Yi 0.005 − 0.014 1.009 Zi
(6)
Model warna RGB dan XYZ yang dikemukakan diatas adalah bakuan dari CIE. Ada juga model warna yang diusulkan untuk platform perangkat keras tertentu untuk menampilkan gambar. Misalnya Nation Television Systems Committee (NTSC)
PDF created with pdfFactory Pro trial version www.pdffactory.com
menggunakan model warna RGB khusus untuk menampilkan citra berwarna pada layar CRT. Format NTSC digunakan pada televisi di Amerika Serikat. Salah satu keuntungan utama dari format ini adalah data greyscale dipisahkan dari data warnanya, sehingga sinyal yang sama dapat digunakan baik untuk layar berwarna maupun layar hitam putih.
2.2. RAS Manusia Secara tradisional oleh para pakar dibedakan ada tiga ras utama yaitu: Ras kulit hitam, ras kulit putih, ras kulit kuning Namun setelah diteliti lebih lanjut ternyata ras manusia pembagian bisa lebih rinci lagi menjadi: Ras Khoisan (orang Bushmen atau Hottentot dari Afrika Selatan), Ras Australoid (orang Dravida, orang Asia Tenggara "Asli", orang Papua, dan orang Australia), Ras Negroid (Kulit Hitam), Ras Kaukasoid (Kulit Putih), Ras Mongoloid (Kulit Putih). Pembagian baru ini tidak hanya melihat ke warna kulit saja tetapi juga melihat aspek-aspek lainnya. Ternyata anggota "tertua" ras manusia berada di antara kaum Khoisan, mereka juga berbeda dengan kaum kulit hitam dari Afrika lainnya. Sementara itu sebenarnya hanya ada dua perbedaan utama, yaitu orang Afrika dan orang non-Afrika. Kemudian orangorang berkulit hitam di daerah Asia Tenggara yang pada jaman dahulu kala mendiami seluruh India Selatan, Asia Tenggara sampai ke Australia, ternyata setelah DNA-nya diteliti lebih mirip dengan orang dari ras Mongoloid daripada Negroid, meski banyak yang berambut keriting dan berkulit hitam. Kesimpulan yang bisa ditarik ialah hanya bahwa pengetahuan kita mengenai ras manusia masih diliputi banyak ketidakjelasan
Gambar 1. RAS Mongoloid, anggota subras Mongoid, anggota subras Asia Tenggara, anggota subras Indian Amerika
PDF created with pdfFactory Pro trial version www.pdffactory.com
Ras Mongoloid adalah ras manusia yang sebagian besar menetap di Asia Utara, Asia Timur, Asia Tenggara, Madagaskar di lepas pantai timur Afrika, beberapa bagian India Timur Laut, Eropa Utara, Amerika Utara, Amerika Selatan, dan Oseania. Anggota ras Mongoloid biasa disebut "berkulit kuning", namun ini tidak selalu benar. Misalkan orang Indian di Amerika dianggap berkulit merah dan orang Asia Tenggara seringkali berkulit coklat muda sampai coklat gelap. Ciri khas utama anggota ras ini ialah rambut berwarna hitam yang lurus, bercak mongol pada saat lahir dan lipatan pada mata yang seringkali disebut mata sipit. Selain itu anggota ras manusia ini seringkali juga lebih kecil dan pendek daripada ras Kaukasoid. 3. METODE PENELITIAN Dalam penelitian ini digunakan bahan berupa citra manusia tunggal diam dengan posisi kedepan berupa file citra berekstensi .bmp (Bitmap). Data ini diolah terlebih dahulu untuk menghasilkan citra yang lebih baik dan untuk mempermudah pembacaan data dalam aplikasi. Data diolah dalam ruang warna krominin untuk mempermudah dalam pendeteksian warna kulit, ruang warna krominan memiliki kesempurnaan warna dari pada model warna lainnya. 4. HASIL DAN PEMBAHASAN Pada penelitian ini digunakan data sampel gambar wajah manusia. Perangkat lunak yang dibuat diharapkan mampu mengenali citra warna kult wajah manusia yang digunakan
sebagai dasar dalam operasi ruang warna krominan dan
menggolongkannya kedalam kelompok RAS. Perangkat lunak diharapkan mampu menampilkan hasil klasifikasi tipe warna kulit wajah baik hasil histogram, perhitungan dalam operasi krominan, dan klasifikasi dalam kelompok RAS sesuai dengan tabel berikut ini. Tabel 1. Tabel Range Klasifikasi RAS manusia Min Cb 110 130 150
Max Cb 130 150 200
Min Cr 80 120 140
Max Cr 120 140 170
Nama RAS Negroid Mongoloid Kaukasoid
Implementasi sistem untuk aplikasi deteksi warna kulit wajah dalam ruang warna krominan untuk klasifikasi tipe kulit wajah, menggunakan Borland Delphi 7.0. Dari penelitian yang telah dilakukan dengan menggunakan Borland Delphi 7.0, hasil
PDF created with pdfFactory Pro trial version www.pdffactory.com
dari deteksi warna kulit wajah dalam ruang krominan memiliki nilai-nilai yang berguna untuk mempermudah mengklasifikasi warna kulit dalam kelompok RAS. Perhitungan rata – rata Cb dan rata Cr mampu mengklasifikasi warna kulit dengan mencocokkan data range nilai warna kulit wajah yang menjadi acuan dalam klasifikasi warna kulit. Jika nilai perhitungan yang dilakukan berada pada range nilai warna kulit maka warna kulit dapat diklasifikasi sesuai range nilai yang telah ditentukan klasifikasi RAS-nya. Tabel hasil klasifikasi warna kulit wajah manusia dengan deteksi warna dalam ruang krominan dapat dilihat pada tabel 2 berikut. Tabel 2. Hasil rangkuman penelitian ras manusia Sampel wajah
Manual
Kaukasoi d
Range warna Cb : 150– 200 Cr : 140 170
Mongoloi d
Cb : 130 150 Cr : 120-140
Kaukasoi d
Cb : 150– 200 Cr : 140 170
Mongoloi d
Cb : 130 150 Cr : 120 140
Mongoloi d
Cb : 130 150 Cr : 120 140
Komputerisasi Hasil Kelompok perhitungan RAS Kaukasoid Mean Y : 148,2 StdDev Y : 40,57 Mean Cb : 171,4 StdDevCb : 47,15 Mean Cr : 145,7 StdDev Cr : 40,71 Mongoloid Mean Y : 130,6 StdDev Y : 44,32 Mean Cb : 135,4 StdDevCb : 38,39 Mean Cr : 129,8 StdDev Cr : 46,13 Kaukasoid Mean Y : 151,9 StdDev Y : 34,15 Mean Cb : 171,9 StdDevCb : 42,11 Mean Cr : 146,6 StdDev Cr : 33,16 Mean Y : 126,9 Mongoloid StdDev Y : 17,57 Mean Cb : 138,4 StdDevCb : 17,17 Mean Cr : 124,2 StdDev Cr : 21,07 Mean Y : 128,2 Mongoloid StdDev Y : 6,809 Mean Cb : 143,2 StdDevCb : 21,50 Mean Cr : 122,5 StdDev Cr : 14,22
PDF created with pdfFactory Pro trial version www.pdffactory.com
Keterangan Berhasil
Berhasil
Berhasil
Berhasil
Berhasil
Mongoloi d
Cb : 130 150 Cr : 120 140
Kaukasoi d
Cb : 150– 200 Cr : 140 170
Mongoloi d
Cb : 130 150 Cr : 120 140
Kaukasoi d
Cb : 150– 200 Cr : 140 170
Kaukasoi d
Cb : 150– 200 Cr : 140 170
Kaukasoi d
Cb : 150– 200 Cr : 140 170
Kaukasoi d
Cb : 150– 200 Cr : 140 170
Mean Y : 135,6 StdDev Y : 20,11 Mean Cb : 145,1 StdDevCb : 23,63 Mean Cr : 125,1 StdDev Cr : 27,45 Mean Y : 160,1 StdDev Y : 64,53 Mean Cb : 167,7 StdDevCb : 77,14 Mean Cr : 157,9 StdDev Cr : 61,14 Mean Y : 197,9 StdDev Y : 40,33 Mean Cb : 21,31 StdDevCb : 49,63 Mean Cr : 193,9 StdDev Cr : 37,89 Mean Y : 171,8 StdDev Y : 48,52 Mean Cb : 186,9 StdDevCb : 62,78 Mean Cr : 167 StdDev Cr : 43,88 Mean Y : 147,1 StdDev Y : 22,84 Mean Cb : 167,2 StdDevCb : 34,36 Mean Cr : 140 StdDev Cr : 19,33 Mean Y : 168,7 StdDev Y : 36,02 Mean Cb : 180,2 StdDevCb : 44,43 Mean Cr : 165,5 StdDev Cr : 33,89 Mean Y : 168 StdDev Y : 37,43 Mean Cb : 178,9 StdDevCb : 46,98 Mean Cr : 167,2 StdDev Cr : 36,87
Mongoloid
Berhasil
Kaukasoid
Berhasil
-
Tidak berhasil
Kaukasoid
Berhasil
Kaukasoid
Berhasil
Kaukasoid
Berhasil
Kaukasoid
Berhasil
PDF created with pdfFactory Pro trial version www.pdffactory.com
Cb dan diluar jangkauan range Mongoloid
Cr
Dari analisis program diatas dapat diketahui bahawa dari 20 citra pengujian terdapat 3 citra pengujian yang tidak berhasil, hal ini terjadi karena adanya efek pencahayaan menyebabkan warna kulit hasil cropping diluar range warna dan adanya kesalahan dalam mengklasifikasi RAS manusia. 5. KESIMPULAN Kesimpulan yang dapat diambil berdasarkan hasil aplikasi deteksi tipe warna kulit dalam warna krominan adalah hasil deteksi yang dilakukan oleh pengolahn citra mempunyai persentase ketepatan yang cukup baik, yaitu rata-ratanya 85 %.dengan contoh uji 20 sampel wajah manusia dari berbagai RAS manusia.Efek pencahayaan membuat citra yang diteliti memiliki nilai perhitungan diluar range kelompok RAS-nya. Saran untuk perbaikan penelitian di masa mendatang adalah jumlah data yang digunakan untuk pelatihan perlu ditambah, karena semakin banyak data pelatihan maka semakin beragam RAS manusia, sehingga deteksinya juga semakin baik. Perlu dilakukan penelitian lebih lanjut dengan model sistem warna yang berbeda. Perlu adanya penelitian yang mempergunakan hasil dari aplikasi ini tentang pengenalan RAS manusia dalam masalah kesehatan, kriminal, maupun pengetahuan.
DAFTAR PUSTAKA [1] Achmad, Balza, Kartika Firdausy, 2005, “ Teknik Pengolahan Citra Digital Menggunakan Delphi “, Ardi Publishing, Yogyakarta [2] Dulimarta, Hans S., 1997, “Diktat Kuliah Pengolahan Citra”, Jurusan Teknik Informatika ITB. [3] Jain, Ramesh, 1995, “Machine Vision”, McGraw-Hill [4] Madcoms, 2003, “ Pemrograman Borland Delphi 7”, Penerbit Andi, Yogyakarta [5] Mengko, Richard, 1989, “Workshop On Image Processing & Pattern Recognition”, PAU Mikroelektronika ITB [6] Munir, Renaldi., 2004, Pengolahan Citra Digital dengan Pendekatan Algoritma, Informatika, Bandung. [7] Nikmah, S.,Murinto, Eko Aribowo, 2006, Aplikasi Deteksi Tepi Menggunakan Operator Prewitt untuk Klasifikasi Bentuk Wajah Manusia, Teknik Informatika UAD, Yogyakarta. [8] Pitas, Ioannis, 1993, “Digital Image Processing Algorithms”, Prentice-Hall International. [9] Wahidah, Wahyuning, 2007, Pengenalan wajah 2 Dimensi Menggunakan Metode Perceptron Lapis Jamak, Teknik Informatika UAD, Yogyakarta [10] Http://students.if.itb.ac.id/~if33996/webS3/33503505/Jurnal/GEMATEK.pdf [11] Http://www.betaface.com [12] Http://www.colorimageprocessing.com
PDF created with pdfFactory Pro trial version www.pdffactory.com
[13] [14] [15] [16]
Http://www.colorimageprocessing.org Http://www.facegen.com/indexhtm Http://www.femina.com Http://www.id.wikipedia.org,.
DAFTAR RIWAYAT HIDUP Murinto, S.Si, M.Kom, saat ini tercatat sebagai staf pengajar tetap di Program Studi Teknik Informatika Universitas Ahmad Dahlan Yogyakarta. Pendidikan S1 diselesaikan pada tahun 1998 pada program studi Matematika FMIPA UNS Surakarta, sedangkan gelar Magister Komputer (M.Kom) diperoleh pada tahun 2004 dari Pascasarjana S2 Ilmu Komputer UGM Yogyakarta. Bidang penelitian yang saat ini ditekuni adalah pada bidang Pengolahan Citra dan Computer Vision.
PDF created with pdfFactory Pro trial version www.pdffactory.com