SISTEM PENGHITUNG PENGUNJUNG BERDASARKAN GENDER

PRIA DAN WANITA

TUGAS AKHIR
Disusun dalam rangka memenuhi salah satu persyaratan
Untuk menyelesaikan program Strata-1 Departemen Teknik Informatika
Fakultas Teknik Universitas Hasanuddin
Makassar

Disusun Oleh :
TIWI NUR SAFITRI
D421 14 008

DEPARTEMEN TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
MAKASSAR
2017
1. Judul
Judul proyek tugas akhir ini adalah "Deteksi Wajah Pelanggan Berdasarkan
Gender Dengan Metode Local Binary Pattern (LBP)”

2. Latar Belakang
Perkembangan teknologi modern memberikan dampak kehidupan yang
menjadi semakin lebih praktis, cepat, dan ekonomis. Seiring dengan
perkembangan teknologi tersebut, keberadaan bisnis ritel modern menjadi
semakin penting karena adanya pergeseran pola belanja masyarakat yang lebih
suka berbelanja di pasar ritel modern seperti minimarket, supermarket atau
hipermarket. Masyarakat menjadi lebih gemar untuk berbelanja di pasar ritel
modern dimana masyarakat bisa mendapatkan kepraktisan dan kecepatan dalam
berbelanja [1].
Perkembangan bisnis ritel di Indonesia dapat dikatakan cukup pesat akhir-
akhir ini, terutama ritel modern dalam semua variasi jenisnya. Beberapa faktor
pendukung perkembangan usaha ritel modern diantaranya adalah cukup
terbukanya peluang pasar, perkembangan usaha manufaktur yang akan memasok
produknya ke retailer (peritel), dan upaya pemerintah untuk mendorong
pertumbuhan ekonomi dengan cara salah satunya mengembangkan bisnis ritel [2].
Perkembangan bisnis ritel atau eceran modern yang terus mengalami
peningkatan tersebut, menyebabkan tingkat persaingan bisnis ritel eceran sangat
kompetitif. Pesoalan yang muncul dari persaingan yang tinggi antar pelaku bisnis
ritel membawa dampak pada perubahan strategi bisnis masing-masing pelaku ritel
guna memenangngkan persaingan (meningkatkan pangsa pasar), yakni strategi
mempertahankan dan memperebutkan pelanggan atau konsumen akhir [3].
Salah satu indikator untuk mengindikasikan adanya kinerja pasar yang baik
melalui perspektif pelanggan, seperti market share di berbagai lokasi/wilayah,
kenyamanan yang didapat oleh pengujung, brand image, dan jumlah pengunjung
yang datang. Dengan mengetahui perspektif tersebut, seperti jumlah dan detail
pengunjung berdasarkan gendernya yang datang pada perusahaan tersebut, maka
akan dapat lebih memaksimalkan perspektif pelanggan ini [4].

2
 Saat ini jumlah pengunjung di perusahaan ritel XYZ telah dapat diamati
dengan menggunakan kamera cctv yang terpasang di dalam perusahaan. Data
rekaman kamera cctv tersebut bisa dimanfaatkan untuk menghitung jumlah
pengunjung berdasarkan gendernya. Namun apabila perhitungan dilakukan secara
manual maka masih membutuhkan pihak lain untuk mengoperasikan dan hal
tersebut akan memakan waktu dan tenaga. Sehingga diperlukan suatu sistem yang
secara otomatis dapat mendeteksi wajah pengunjung yang bergerak dan
menghitung jumlah pengunjung melalui data video rekaman dari kamera cctv
dengan memanfaatkan Computer Vision.
Computer vision bekerja dengan cara memproses data citra menggunakan
kombinasi algoritma pengolahan citra dan kecerdasan buatan sehingga dapat
menghasilkan informasi dari citra tersebut [5].
Beberapa metode atau algoritma yang dapat digunakan untuk mendeteksi dan
menghitung jumlah wajah antara lain Gaussian Mixture Models, Histogram
Oriented Gradient, Fiducial distances, Pixel intensity values, Rectangle features,
Local binary patterns, Scale Invariant Feature Transform, Local Binary Pattern
(LBP).
Sebagian besar penelitian deteksi dan penghitung wajah dilakukan tanpa
membedakan gendernya dan hanya beberapa penelitian yang mendeteksi wajah
berdasarkan gendernya. Deteksi wajah berdasarkan gendernya adalah tugas yang
sangat menantang. Oleh karena itu, dalam penelitian ini akan diangkat sebuah
judul “Deteksi Wajah Untuk Menghitung Pengunjung Berdasarkan Gender
Dengan Metode“ yang akan diaplikasikan pada perusahaan retail XYZ.
.
3. Rumusan Masalah
Rumusan masalah yang akan diuraikan dalam tugas akhir ini adalah:
a. Bagaimana membuat sistem yang dapat mendeteksi wajah dan bukan
wajah manusia?
b. Bagaimana membuat sistem yang dapat mendeteksi wajah berdasarkan
gender?

3
 c. Bagaimana membuat sistem yang dapat menghitung jumlah wajah
berdasarkan gender?
4. Tujuan Penelitian
Penelitian ini bertujuan untuk ;
1. Membuat sistem yang mampu mengetahui wajah dan bukan wajah
manusia.
2. Membuat sistem yang mampu mendeteksi wajah perempuan.
3. Membuat sistem yang dapat menghitung jumlah wajah perempuan.

5. Manfaat Penelitian
1. Bagi Perusahaan, dapat memiliki sistem yang bisa secara automatis
untuk menghitung jumlah pengunjung perempuan untuk membuat
dasar strategi marketing perusahaan.
2. Bagi Peneliti, dapat digunakan untuk menambah pengetahuan dan
sebagai referensi mengenai sistem yang mampu mendeteksi wajah
perempuan.
3. Bagi Institusi pendidikan, dapat digunakan sebagai referensi dalam
pengembangan penelitian topik terkait untuk pengenalan wajah
berdasarkan gender.

6. Batasan Masalah
Ruang lingkup pembahasan tugas akhir ini dibatasi hanya mencakup hal-hal
berikut:
a. Objek penelitian difokuskan pada Perusahaan Retail XYZ
b. Objek input, menggunakan data rekaman CCTV dari Perusahaan Retail
XYZ, berupa :
1. Video CCTV, dengan detail sebagai berikut :
YTech CA-N342S Color CCD Audio Camera Senser : 1/3' Sony
Super CCD 420TVL System: PAL Power: DC 12V 1.0A CCTV
Lens 3.5mm-8.0mm F1.4
2. Wajah Pengunjung;

4
 c. Penerapan metode Deteksi Citra menggunakan software Matlab
R2016b.
d. Membandingkan hasil pendeteksian secara otomatis melalui kamera
CCTV dengan pendeteksian pengunjung secara manual.
e. Wajah yang terdeteksi adalah wajah manusia yang menghadap kearah
kamera CCTV, melalui jalur masuk yang telah ditetapkan oleh
perusahaan retail XYZ.
f. Wajah tidak saling tertutup oleh objek yang lainnya, sehingga wajah
harus terlihat secara utuh.
g. Data video diambil menggunakan static camera.
h. Waktu pengambilan data dilakukan pada pagi hari, siang hari dan sore
hari sesuai dengan jam kerja toko.

7. Penelitian Terkait
Penelitian terkait dalam mengembangkan deteksi wajah dengan
menggunakan Deteksi Citra
1. “Real Time Face Detection And Recognition Using Hybrid
Method”, Ashish Kumrawat, M.P.S. Chawla. (2017)
Penelitian ini bertujuan untuk menciptakan sistem deteksi dan
pengenalan wajah manusia menggunakan algorima hybrid yang terdiri
dari skin grabbing, gabor filter, dan (PCA). Hasil dai penelitian ini
adalah wajah dapat dikenali dengan baik dengan data latih yang telah
dimasukkan ke dalam sistem. Penelitian ini membuktikan bahwa
dengan menggunakan teknik hybrid akurasi untuk mendeteksi dan
mengenali wajah dapat meningkat serta mengurangi time performance.
Akurasi dari penelitian ini pada keadaan open-plain sebesar 93,75%,
wall-dark sebesar 76,19%, restaurant-dark sebesar 60%, park-plain
sebesar 100%, movie-frame sebesar 100%, wall-brightest sebesar 0%,
wall-plain sebesar 95%, dan classroom-bright sebesar 100%.[5]

5
2. “Real Time Face Detection and Recognition: Overview and
Suggested Approach”, Anagha P. Dhote, Vikramsingh R. Parihar.
(2017)
Penelitian ini membahas tentang analisis detail mengenai pendekatan
dan solusi terhadap masalah-masalah yang terdapat pada deteksi dan
pengenalan wajah secara real time. Penilitian ini mencakup deteksi
wajah, pengenalan pola, dan pengukuran bagian-bagian wajah.
Penelitian ini menggunakan metode viola-jones. Analisis dari viola-
jones dilanjutkan dengan pendekatan model yang memungkinkan.
Pendekatan ini berbasis pada kombinasi dari metode dan algoritma
yang bekerja pada platform deteksi objek viola-jones. Dari penelitian
dapat disimpulkan bahwa sistem bekerja terbaik pada saat objek berada
150 cm dari kamera. Akurasi dari sistem ini mencapai 90.59% [6].

3. “Implementasi Algoritma Pengenalan Wajah Untuk Mendeteksi

Visual Hacking”, Luisan William Alexander, dkk. (2017)
Penelitian ini bertujuan membuat sebuah aplikasi berbasis computer
vision dengan tujuan mengimplementasikan algoritma pengenalan
wajah eigenface untuk mendeteksi visual hacking. Penelitian ini
menggunakan framework Viola-Jones dan fitur Local Binary Pattern
(LBP) untuk mendeteksi wajah. Aplikasi yang dibuat dapat mengenali
wajah pengguna dan akan mengeluarkan jendela peringatan jika
terdeteksi wajah pengintip. Jika tidak terdeteksi wajah atau yang
terdeteksi bukan wajah pengguna, aplikasi akan mengeluarkan jendela
peringatan besar untuk menutupi informasi pada monitor. Dari
penelitian disimpulkan bahwa waktu kecepatan deteksi wajah 2.7003
detik serta tingkat akurasi pengenalan wajah sebesar 94% [7].

4. “Vision-based Human Gender Recognition: A Survey”, Choon

Boon Ng, dkk. (2012)

6
 Penelitian ini menyediakan survey terhadap pengenalan gender manusia
pada visi komputer. Identifikasi ini dilakukan dengan mengambil
informasi baik dari wajah ataupun seluruh badan, baik gambar diam
maupun urutan gaya berjalan. Untuk melatih dataset wajah, diperlukan
ekstraksi fitur. Ekstraksi fitur wajah dapat dilakukan dengan berbagai
macam algoritma seperti Fiducial distances, Pixel intensity values,
Rectangle features, Local binary patterns, Scale Invariant Feature
Transform, dan lainnya. Setelah itu, data kemudian dimasukkan
kedalam classifier tertentu agar wajah dapat dikenali sistem. Sistem
pengenalan wajah terbaik diperoleh dengan ekstraksi fitur LGBP-LDA
dan classifier SVMAC dengan tingkat keakuratan klasifikasi 99.1%.
Pengenalan gender berdasarkan cara jalan memiliki dua algoritma
ekstraksi fitur, yaitu Model-Based dan Appearance-based . Pengenalan
gender berdasarkan cara jalan dapat memiliki tingkat klasifikasi yang
tinggi pada dataset yang terkontrol, khususnya pada sisi pengelihatan
tunggal [8].

5. “Identifikasi Gender Berdasarkan Citra Wajah Menggunakan

Deteksi Tepi dan Backpropagation”, Destri Wulnsari, dkk. (2017)
Penelitian ini membangun sistem yang dapat melakukan identifikasi
gender berdasarkan citra wajah menggunakan deteksi tepi dan JST
Backpropagation. Deteksi tepi digunakan untuk memperjelas garis
batas suatu obyek. Segmentasi dilakukan dengan membagi area wajah
menjadi segmen mata kanan, mata kiri, dan mulut. Segmentasi
menghasilkan 8 bit warna yang dilakukan thresholding, selanjutnya
dikonversi dari matriks ke vektor sebagai data masukan untuk
identifikasi gender menggunakan Backpopagation. Sistem pada
penelitian ini menggunakan citra wajah sebagai masukan yang terdiri
dari lima naracoba laki-laki dan lima naracoba perempuan dengan
pengambilan citra menggunakan kamera ponsel resolusi 3264 x 2448
piksel. Jarak maksimal kamera terhadap wajah maksimum 50 cm

7
 dengan kondisi pencahayaan yang normal. Sistem diuji dengan
parameter α 0.05, MSE 0.001 dan maksimum epoch 10000, terhadap 60
citra data baru dari 10 naracoba baru diperoleh hasil akurasi sebesar
82%, sedangkan pengujian terhadap data yang sudah dilatih sebesar
100% [9].

8. Metodologi Penelitian
Adapun metodologi penelitian pada tugas akhir ini sebagai berikut :
1. Studi literatur
Pada tahap ini dilakukan kajian terhadap berbagai literatur yang
dapat menunjang perancangan tugas akhir ini hingga selesai.
2. Diskusi dan konsultasi
Pada tahap ini dilakukan proses diskusi dan konsultasi dengan
dosen pembimbing serta berbagai pihak yang kompeten dalam bidang
ini.
3. Perancangan sistem
Pada tahap ini dilakukan analisis kerja, perancangan algoritma, serta
perancangan sistem yang akan dibuat.
 Diagram tahapan penelitian

3. Pengambilan
data/citra video
2. Identifikasi
1. Studi literature pelanggan di 4. Analisis data
kebutuhan
terkait perusahaan retail video
penelitian
XYZ

7. Analisis akurasi 5. Implementasi

penghitungan 6. Pengujian ketepatan Algoritma
8. Kesimpulan deteksi wajah
pelanggan Computer Vision
Penelitian pelanggan perempuan
perempuan dalam data video

Gambar 1.1 Blok Diagram Tahapan Penelitian

1. Studi literature terkait

8
 Pada studi literatur, pencarian penelitian dilakukan terkait sistem
pendeteksian dan penghitungan wajah perempuan menggunakan
Deteksi Citra. Pada tahap ini juga dilakukan pencarian
dokumentasi hasil penelitian-penelitian sebelumnya.
2. Identifikasi kebutuhan penelitian
Pada tahap ini, dilakukan penetapan berbagai kebutuhan
penelitian dan disiapkan untuk menunjang penelitian.
3. Pengambilan data/citra video pelanggan di perusahaan retail
XYZ
Setelah menyiapkan kebutuhan penelitian, pengambilan data
video pelanggan sudah dapat dimulai sebagai bahan pengujian
sistem nantinya.
4. Analisis data video
Analisis data video berfungsi untuk memilah data yang layak
diimplementasikan pada sistem.
5. Implementasi algoritma dalam data video
Data video yang sudah dianalisis tadi kemudian
diimplementasikan pada algoritma sistem.
6. Pengujian ketepatan deteksi wajah perempuan
Ketepatan deteksi wajah laki-laki dan wajah perempuan dapat
dilihat dari output video hasil implementasi algoritma.
7. Analisis akurasi penghitungan wajah perempuan
Proses perhitungan dilakukan dengan menjumlahkan
pengunjung, dalam hal ini pengunjung perempuan yang telah
dideteksi.
8. Kesimpulan Penelitian
Setelah melakukan tahapan-tahapan di atas, diperolehlah
kesimpulan berdasarkan penelitian yang telah dilakukan.
Kesimpulan ini akan dituangkan dalam penulisan laporan
penelitian sebagai bahan penyusunan tugas akhir.

Input Preprocessing Ekstraksi Fitur

Video

Tracking and Identifikasi

Counting Gender 9
 Output

Gambar 2 Blok diagram Perancangan Sistem

Gambar 1.3 Gambaran Umum Sistem Perhitungan Pengunjung

10
 9. Daftar Pustaka

[1] P. Adji, “Pengaruh Retail Mix Terhadap Keputusan Pembelian Mahasiswa Uk

Petra Di Circle K Siwalankerto Surabaya,” J. Strategi Pemasar., vol. 1, no. 2,
hlm. 1–10, Jun 2013.
[2] Tri Joko Utomo, “LINGKUNGAN BISNIS DAN PERSAINGAN BISNIS
RITEL,” Fokus Ekon., vol. 5, no. 1, hlm. 70–80, Jun 2010.
[3] Kasmiruddin ’, “ANALISIS KEKUATAN PERSAINGAN BISNIS RITEL
MODERN DI PEKANBARU (SEBAGAI SUATU FORMULASI STRATEGI
BERSAING),” J. Apl. Bisnis, vol. 4, no. 1, hlm. 10–20, Mei 2014.
[4] E. Soliha, “ANALISIS INDUSTRI RITEL DI INDONESIA,” J. Bisnis Dan
Ekon., vol. 15, no. 2, 2008.
[5] P. M. Chawla dan A. Kumrawat, “Real Time Face Detection And Recognition
Using Hybrid Method,” J. Control Instrum. Eng., vol. 3, no. 3, Sep 2017.
[6] A. P. Dhote dan V. R. Parihar, “Real Time Face Detection and Recognition:
Overview and Suggested Approach,” J. Image Process. Artif. Intell., vol. 3,
no. 3, Okt 2017.
[7] L. W. Alexander, S. Sentinuwo, dan A. Sambul, “Implementasi Algoritma
Pengenalan Wajah Untuk Mendeteksi Visual Hacking,” J. Tek. Inform. Univ.
SAM RATULANGI, vol. 11, no. 1, Jul 2017.
[8] C. B. Ng, Y. H. Tay, dan B. M. Goi, “Vision-based Human Gender
Recognition: A Survey,” ArXiv12041611 Cs, Apr 2012.
[9] D. Wulansari, E. C. Djamal, dan R. Ilyas, “Identifikasi Gender Berdasarkan
Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation | Wulansari |
Seminar Nasional Aplikasi Teknologi Informasi (SNATI).”

11