Flash Rocky
Transcript of Flash Rocky
-
7/25/2019 Flash Rocky
1/22
IDENTIFIKASI IRIS MENGGUNAKAN IMPROVED
LEVENBERGMARQUARDT
Rocky Yefrenes D!!"k
Jurusan Teknik Elektro, Politeknik Negeri Kupang
Jl. Adisucipto-Penfui Kupang, Nusa Tenggara Timur
E-mail:rocky_dillakya!oo.com
ABSTRAK
"istem #iometrika adala! suatu sistem pengenalan diri menggunakan #agian tu#u!
atau perilaku manusia seperti sidik $ari, telapak tangan, telinga, retina, iris mata, %a$a!,
su!u tu#u!, tanda tangan, dll. &ris mata merupakan sala! satu #iometrika yang sangat sta#il,
!andal, akurat dan merupakan metode autentikasi #iometrika tercepat ole! karena itu
merupakan suatu topik penelitian yang sangat diminati ole! #anyak peneliti. Penelitian ini
#ertu$uan untuk mengem#angkan suatu metode yang dapat digunakan untuk mengidentifikasi
secara otomatis seseorang #erdasarkan citra iris mata miliknya menggunakan $aringan
syaraf tiruan le'en#erg-mar(uardt. Penelitian ini menggunakan metode deteksi tepi cany dan
circular !oug! transform untuk segmentasi %ilaya! iris yang terletak diantara pupil dan
sclera serta metode ekstraksi ciri gray le'el cooccurence matri) *+/ yang digunakan
untuk ekstraksi ciri. iri-ciri terse#ut adala! ma)imum pro#a#ility, correlation, contrast,
energy, !omogeneity, dan entropy. iri-ciri terse#ut kemudian dilati! menggunakan $aringan
syaraf tiruan dengan aturan pem#ela$aran le'en#erg0mar(uardt algorit!m untuk
mailto:[email protected]:[email protected]:[email protected]:[email protected] -
7/25/2019 Flash Rocky
2/22
mengidentifikasi seseorang #erdasarkan citra irisnya.Penelitian ini menggunakan 123 data
citra iris yang masing-masing ter#agi atas 133 data citra iris untuk pelati!an dan 23 data
citra iris untuk pengu$ian. 4erdasarkan !asil pengu$ian yang dilakukan diperole! correct
recognition rate *55/ se#esar 66.678 yang menun$ukkan #a!%a metode ini dapat
digunakan untuk mengidentifikasi secara otomatis seseorang #erdasarkan citra iris mata
miliknya.
Kata Kunci : identifikasi iris mata, sistem #iometrika, +, $aringan syaraf tiruan,
le'en#erg0mar(uardt algorit!m
#$ PENDA%ULUAN
Semua sistem biometrika bergantung pada bentuk yang bervariasi secara acak yang
dimiliki diantara manusia [Daugman, 2002]. Berbeda dengan identifikasi personal sistem
keamanan biometrik tidak membutuhkan pass%ordyang dibuat atau diberikan orang lain
tetapi menggunakan pengukuran biometrik milik individu seperti sidik ari, geometri tangan,
dan iris sehingga kemungkinan dicuri, hilang, dilupakan, atau dipalsukan sangat kecil [!hou,
200"]. #erbandingan dari berbagai sistem pengenalan biometrik menunukkan bah$a sistem
pengenalan iris sangat stabil, handal, tepat, dan merupakan metode autentikasi biometrik
tercepat [%i$ari, dkk., 20&2]. %uuan dari pengenalan iris sebagai teknologi berbasis
biometrik untuk identifikasi manusia dan verifikasi adalah untuk mengenali seseorang dari
cetak irisnya ['ayte, dkk., 20&2]. Sebagai suatu biometrika iris memiliki beberapa kelebihan (
)ris mata bebas dari pengaruh genetik sehingga tidak ada iris mata yang sama sekalipun iris
kiri dan kanan milik orang yang sama atau iris mata milik kembar identik [Daugman,
&""* + ohamed, et al., 200" + -opikrishnan and Santhanam, 20&0].
-
7/25/2019 Flash Rocky
3/22
#osisi iris mata yang dilindungi oleh kornea dan a(ueous !umorsehingga sulit atau sangat
tidak mungkin mengalami kerusakan [aroko, et al., 200"].
)ris mata manusia tidak berubah dan bersifat stabil mulai usia satu tahun sampai meninggal
[/haudhary and ubarak, 20&2].
)ris mata selain memiliki kelebihan sebagaimana telah diuraikan diatas, uga memiliki
beberapa kelemahan sebagai suatu biometrika meliputi (
Sulit untuk menangkap citra iris oleh karena ukurannya yang sangat kecil [oy, 20&&]
#ada bagian tertentu iris dihalangi oleh kelopak atas dan ba$ah dan tertutup oleh
bulumata, pantulan, dan lensa [akthal, 2001]
Sebagaimana ukuran pupil berubahubah, perubahan bentuk non elastis adalah kelemahan
lainnya [akthal, 2001].
'ebutuhan akan akurasi identifikasi manusia telah berkembang dari $aktuke $aktu untuk
tuuan keamanan dan pemeriksaan identitas ['han, et al., 20&23. -angguan bulu mata dan
kelopak mata merupakan masalah yang paling sering muncul dalam sistem pengenalan iris
dikarenan keduanya merupakan bagian dari mata sama seperti iris, sehingga diperlukan
pemilihan $ilayah iris yang tidak rentan terhadap gangguan bulu mata dan kelopak mata.
4danya gangguan bulu mata dapat mempengaruhi akurasi sistem identifikasi iris. enurut
Daugman [&""*] dan 56hilararasan, et al., [20&0] informasi pola iris tersebar secara acak dan
tidak merata pada $ilayah iris, tetapi perlu diketahui bah$a terdapat karakteristik iris yang
terkonsentrasi pada $ilayah dekat pupil. 7leh karena itu pengenalan iris yang baik dapat
diperoleh dengan hanya menganalisis 108 atau kurang dari $ilayah iris yang tersedia. al ini
didukung oleh penelitian yang dilakukan oleh 9atsa, et al., [200:] yang menggunakan
sebagian $ilayah iris yaitu bagian kiri dan bagian kanan, -opikrishnan and Santhanam
[20&&] dalam penelitiannya menggunakan ; ukuran iris untuk mempercepat image
processing. urugan and Savithiri [20&0], Savithiri and urugan [20&&], urugan and
Savithiri [20&&] dalam penelitian mereka membagi $ilayah iris dalam empat kategori yaitu
internal region, e)ternal region, lo%er region dan upper region. asil penelitian mereka
-
7/25/2019 Flash Rocky
4/22
menunukkan hasil yang baik namun pemilihan $ilayah tersebut masih rentan terhadap
gangguan bulu mata dan kelopak mata. 7leh karena itu dalam penelitian ini penulis akan
menggunakan pendekatan menggunakan $ilayah iris yang merupakan irisan internal region
dan lo%er regionuntuk meminimalisasi gangguan bulu mata dalam proses identifikasi iris.
Berdasarkan latar belakang tersebut di atas, penelitian ini akan mengkai pengaruh
pemakaian $ilayah iris yang merupakan irisan internal regiondan lo%er regionuntuk proses
indentifikasi iris dengan algoritma aringan syaraf tiruan le'en#erg-mar(uardt.
#enelitian ini bertuuan untuk mengembangkan suatu metode yang dapat digunakan untuk
melakukan identifikasi iris menggunakan aringan syaraf tiruan le'en#erg-mar(uardt
algorit!m. anfaat penelitian ini adalah untuk menghasilkan suatu metode yang dapat
digunakan untuk melakukan identifikasi personal berdasarkan citra irisnya. #enelitian ini uga
diharapkan memberikan informasi bagi penelitian lanutan tentang biometrika menggunakan
citra iris.
&$ TIN'AUAN PUSTAKA
#enelitian tentang iris mata manusia sudah banyak dilakukan oleh para peneliti, seperti
penelitian tentang deteksi kolestrol, deteksi ginal, identifikasi iris, dll.
#enggunaan sebagian $ilayah iris dalam proses pengenalan iris telah banyak dilakukan
dan menunukkan hasil yang baik seperti yang dilakukan oleh 56hilarasan, et al., [20&0] yang
melakukan penelitian tentang pengenalan iris berdasarkan pola tekstur iris. -ausian
smoothing digunakan pada citra inputan dengan tuuan untuk menghilangkan noise setelah itu
dilakukan segmentasi iris menggunakan metode integrodiferential operator. #enelitian ini
diusulkan berdasarkan pada kenyataan bah$a $ilayah yang mengandung paling banyak
informasi tentang iris adalah $ilayah yang mendekati pupil, dengan demikian tidak semua
bagian iris akan diekstrak cirinya melainkan dipilih bagian yang dianggap paling represtative
-
7/25/2019 Flash Rocky
5/22
yaitu inner multi-#ands. Selanutnya hasil segmentasi iris dinormalisasikan menggunakan
Daugmanully )ris
%emplate, )nner egion, 7uter egion, ?o$er egion, @pper egion menggunakan * Atiga3
metode ekstrasi ciri yaitu +a#or
-
7/25/2019 Flash Rocky
6/22
citra iris telah direduksi menadi ; dari ukuran asli dengan tuuan untuk meningkatkan
performance sistem. etode =oug! Transfrom digunakan untuk mencari titik tengah dan
radius pupil selanutnya menentukan batas atas dan ba$ah iris menggunakan !ori?ontal so#el
filter. asil dari penelitian menunukkan ba$ah perceptron memilikiperformance yang lebih
baik dibandingkan dengan metode yang lain. Berdasarkan uraian diatas menunukkan bah$a
penelitian menggunakan internal region[56hilarasan, 20&0] dan lo%er region[urugan and
Savithiri, 20&&] memberikan hasil yang sangat baik, eskipun akurasi yang diperoleh sangat
baik namun pemilihan 7) iris oleh beberapa peneliti sebagaimana diuraikan diatas masih
mempunyai kemungkinan terganggu dengan bulu mata dan kelopak mata sehingga peneliti
akan menggunakan pendekatan irisan internal region dan lo%er region dimana $ilayah
tersebut tidak rentan dengan gangguan bulumata dan kelopak mata dan belum ada peneliti
yang menggunakan $ilayah tersebut dalam penelitian mereka.
#engenalan iris secara otomatis telah banyak dilakukan menggunakan mac!ine learning
seperti yang dilakukan oleh /ho$han and Shinde [20&&] yang bertuuan untuk
mengembangkan sistem identifikasi biometrika menggunakan iris. #roses pengenalan iris
dilakukan menggunakan>u??y in-a) Neural Net%orkyang mencapai tingkat pengenalan
sebesar "1,C:8. >arouk, et al., [20&&] memperkenalkan suatu pendekatan yang baru dan
efektive untuk pengenalan iris yang dioperasikan menggunakan acti'e contour modelsuntuk
preprocessing dan segmentasi, @9 +a#or
-
7/25/2019 Flash Rocky
7/22
ashad, et al., [20&&] melakukan penelitian yang bertuuan untuk mengembangkan suatu
algoritma baru menggunakan ?B# dan istogram properties Apendekatan statisitk3 untuk
ekstraksi fitur dan com#ine B lassifier Apendekatan neural net%ork3 untuk klasifikasi.
etode ini diharapkan dapat menghasilkan akurasi yang baik dalam pengenalan iris. etode
segmentasi iris yang digunakan adalah anny Edge 9etection dan =oug! Transformation
selanutnya dinormalisasi menggunakan metode9augmans 5u##er "!eet. asil penelitian ini
menunukanperformancedengan tingkat akurasi yang tinggi sebesar "",:F8menggunakan
database /4S)4, @&, @2, dan ?5).#enelitian serupa dilakukan oleh /haudhary and
ubarak [20&2] menggunakan rectangular area met!od untuk lokalisasi iris dan GS%
4ackpropagation untuk pengenalan iris dengan tingkat pengenalan iris mencapai
"",218.#enelitian serupa dilakukan oleh ossain and Sarma [20&2] yang memperkenalkan
suatu sistem pengenalan iris yang handal menggunakan @9-9iscrete osine TransformAD/%3
untuk ekstrasi ciri dan "elf ;rgani?ing apArtificial Neural Net%ork AS7H4==3 untuk
klasifikasi citra iris. Sistem bekera secara efisien menggunaka " I &00 D/% coefficientdan
mencapai akurasi sekitar "".&8 pada epoc!s ke &000 lebih baik dibandingkan dengan
menggunakan5adial 4asis >unction Artificial Neural Net%ork AB>H4==3 dalam penelitian
mereka sebelumnya.
($ METODE PENELITIAN
($# R"nc"n)"n Ars*ek*+r Ss*e,
#eneliti mengusulkan arsitektur sistem seperti -ambar &. #enelasan pada subbab berikut
memaparkan dengan lebih detail proses yang teradi dalam setiap bagiannya
-
7/25/2019 Flash Rocky
8/22
-ambar &. 4rsitektur sistem klasifikasi fase retinopati diabetes
($& I,")e Processn)
Bertuuan untuk memperbaiki kualitas citra, menemukan lokasi iris, menentukan 6ona
perhitungan yaitu daerah diantara luarpupildan di dalamscleraserta menghasilkan citra iris
yang lebih baik untuk digunakan pada tahap selanutnya. %ahapan &mage-processing yang
dilakukan meliputi tahap preprocessing, segmentation, normalisation, 5;& selection.
-
7/25/2019 Flash Rocky
9/22
($&$# Pre-rosesn)
%uuan utama dari preprosesing citra adalah untuk meningkatkan kualitas citra dimana citra
yang dihasilkan dapat memberikan informasi yang lebih elas bagi manusia sehingga
memudahkan dalam melakukan interpretasi atas suatu citra ['uivaleinen, 2001]. Dalam
penelitian ini digunakan dua teknik preprosesing sebagai berikut (
1. +ausian >ilter.
Sebelum dilakukan segmentasi citra iris maka sebelumnya dilakukan perbaikan kualitas
citra menggunkan filter gausian yang bertuuan untuk menghilangkan noise. Berikut adalah
fungsi matematika dari filter gausian (
2 2
222
&A , 3
2
) y
g ) y e
+
= A&3
Dengan gAJ,y3 menyatakan titik tengah dari fungsi gausian, K adalah standard deviasi
dari distribusi gausian dan L adalah radius dari koordinat polar.
@. ;perasi orp!olgi.
7perasi morfologi yang digunakan adalah operasi opening yang bertuuan untuk
menekan H menyembunyikan gangguan dari bulu mata. 7perasi opening merupakan
kebalikan dari operasi closingyaitu operasi erosi yang diikuti dengan dilasi menggunakan
elemen penstruktur yang sama. Secara matematika, operasi opening dinyatakan dengan (
A 3A 4 A 4 4 = A23
-
7/25/2019 Flash Rocky
10/22
Dimana 4merupakan citra yang akan diperbaiki dan B merupakan elemen penstruktur
4.
($&$& Se),en*"*on
#roses segmentasi adalah proses untuk memisahkan obyek dari #ackground, dalam hal ini
untuk memisahkan $ilayah iris dari pupil dan sclera. Dalam penelitian ini metode segmentasi
yang digunakan adalah metode circular !oug! transform dan canny edge detection untuk
proses segmentasi $ilayah iris yang akan digunakan untuk identifikasi iris terhadap citra
inputan.
($&$( Nor,"!s"*on
@kuran iris yang diambil dengan kameraHalat sensor iris mata dari orang yang berbeda bahkan dari orangyang sama dapat berbedabeda hal ini disebabkan oleh variasi pencahayaan dan faktorfaktor lain sepertideformasi elastis tekstur iris yang sangat mempengaruhi hasil pencocokan. 7leh karena itu dilakukannormalisasi ukuran citra iris menggunakan model daugman rubber sheet [Daugman,200"] agar ukuran citra iris
menadi seragam. /itra iris akan ditransformasi ke bentuk segiempat seperti ditunukkan pada -ambar 2.
?
rr
?
-ambar 2. Daugman
-
7/25/2019 Flash Rocky
11/22
($&$. ROI Se!ec*on
"etelah dilakukan proses normalisasi ukuran #itra iris maka dilakukan pemilihan $%Idari #itra iris yan merupakan &ilayah irisan dari internal regiondan lower region!
($&$/ Pe,0en*+k"n GL1M
#enelitian ini mengggunakan -?/ multi arah Amultiple3 yang dibentuk menggunakan arak 2 piJeltetangga AdE23. Garak 2 piJel tetangga dipilih karena termasuk salah satu arak ideal dalam membentuk -?/
[-adkari, 200]. ?angkah I langkah membentuk multiple-?/ dalam penelitian ini sebagai berikut (
&. %etapkan arak piJel Ad3 yang dinginkan.
2. itung semua arah yang mungkin.
*. Bentuk -?/ untuk setiap arah Amenggunakan langkah I langkah membentuk
-?/ 3.
. itung semua ciri statistik untuk setiap arah yang terbentuk.
1. itung rata I rata Amean3 dari setiap ciri pada semua arah yang terbentuk.
Gumlah arah yang terbentuk pada distance dE2 adalah &C, artinya terdapat &C -?/ yang terbentuk A &sampai &C3.
($&$2 Eks*r"ks cr GL1M
Setelah -?/ terbentuk pada suatu arak dan arah tertentu, maka langkah selanutnya adalah menghitung
ciri statistik dari semua -?/ yang telah terbentuk berdasarkan arak dan arah yang telah terbentuk. 5namelemen yang diusulkan oleh -adkari [200] adalah ( Ai3 ma)imum pro#a#ility, Aii3 entropi, Aiii3 energy, Aiv3korelasi, Av3 kontras, dan Avi3 homogenitas. #roses ektraksi ciri dilakukan dengan menghitung C ciri statistik darisetiap -?/ A&C -?/3 sebagai berikut (
&. aJ #robability E maJA 3i$p AC3
2. 5ntropi.
5ntropi menunukan ukuran ketidakteraturan distribusi intesitas suatu citra pada matriks
co-coccurence. #ersamaannya untuk meng hitung entropi adalah(
5ntopi E
2
& &
logk k
i$ i$
i $
p p= =
AF3
*. 5nergi.
5nergi adalah fitur untuk mengukur konsentrasi pasangan intensitas pada matriks co-
occurance[-on6ales and oods, 200:]. =ilai energi akan makin membesar bila pasangan
piksel yang memenuhi syarat matriks intensitas co-occuranceterkonsentrasi pada beberapa
koordinat dan mengecil bila letaknya menyebar. yang digunakan untuk menghitung energi
adalah (
5nergi E
2
& &
k k
i$i $
p= = A:3
-
7/25/2019 Flash Rocky
12/22
. 'orelasi.
/iri ini menunukan tingkat korelasi antar piJel dalam suatu citra. #ersamaannya adalah
(
'orelasi E
r
& &
Ai m 3A 3k k c i$
i $ r c
$ m p
= =
A"3
1. 'ontras
'ontras adalah fitur yang digunakan untuk mengukur kekuatan perbedaan intensitas
dalam citra [-on6ales and oods, 200:]. =ilai kontras membesar ika variasi intensitas
citra tinggi dan menurun bila variasi rendah. #ersamaan yang digunakan untuk mengukur
kontras suatu citra ditunukkan pada persamaan di ba$ah ini (
'ontras E
2
& &
A 3k k
i$
i $
i $ p= =
A&03
C. omogenitas
omogenitas digunakan untuk mengukur kehomogenan variasi intensitas citra [-on6ales
and oods, 200:]. =ilai homogenitas akan semakin membesar bila variasi intensitas dalam
citra mengecil. omogenitas dihitung dengan persamaan di ba$ah ini (
omogenitas E & && M M
k ki $
i $
p
i $= = +
A&&3
@ntuk melakukan identifikasii terhadap citra iris, maka hasil proses ektraksi ciri statistik selanutnya akandiadikan sebagai data masukan untuk dilatih dengan aringan syaraf tiruan AGS%3 untuk mengenali pola inputanserta pasangan pola outputnya.
($&$3 Pe!"*4"n 5"rn)"n sy"r"f *r+"n levenberg-marquardt
#roses pelatihan aringan pada dasarnya merupakan proses penyesuaian bobotbobot untuk
masing I masing simpul antara lapisan input, lapisan tersembunyi, dan lapisan output.
#enyesuaian bobot dilakukan secara terusmenerus sampai dicapai error yang paling
minimum [Dilak and Bintiri, 20&2 + Dilak et al., 20&2]. >ungsi aktivasi yang digunakan
adalah fungsi aktivasi tangent !yper#olic. 4rsitektur GS% yang digunakan dalam penelitian ini
seperti ditunukkan pada -ambar 2.
-
7/25/2019 Flash Rocky
13/22
-ambar *. 4rsitektur GS%
Data input yang digunakan sebagai pola dalam pelatihan GS% sebanyak C buah yang terdiri atas C buah ciri
statistik dan bias. Data inputan tersebut adalah (J&C ma)imum pro#a#ilityJ2 E correlationJ* E contrastJC energy
J1C entropyJC E !ommogeneityJF E bias
Gumlah !iddenlayer ( & lapisan tersembunyi, dengan umlah neuron dalam lapisan tersembunyi divariasikan
antara 1 F neuron pada setiap !iddenlayer. Gumlah neuron dalam lapisan output sebanyak & neuron.
-
7/25/2019 Flash Rocky
14/22
4lgoritma ?evenbergarNuardt merupakan pengembangan algoritma #ackpropagation
stOndar. #ada algoritma #ackpropagation, proses update bobot dan bias menggunakan
negati'e gradient descent secara langsung sedangkan algoritma le'en#erg-mar(uardt
menggunakan pendekatan matrik esian A3 [&C] yang dapat dihitung dengan,
T= J e= A&23
Sedangkan gradient dapat dihitung dengan,
T
g J J= A&*3
Dalam hal ini G merupakan sebuah mattrik acobian yang berisikan turunan pertama dari
erroraringan terhadap bobot dan bias aringan. #erubahan pembobot dapat dihitung degan,
T TD J J & J e = + A&3
Sehingga perbaikan pembobot dapat ditentukan dengan,
D D D= + A&13
T TD D J J & J e = + + A&C3
A&F3
-
7/25/2019 Flash Rocky
15/22
Dimana (
P E fungsi bobotbobot aringan dan bias
PE && &2 0& 02 0 && 0& 02
, ,.., + , ,.. + , + , ,..i$ $ $k oK
' ' ' ' ' ' % % % % %
5 adalah vektor yang menyatakan semua error pada output aringan
& & 2 2...T
p pe t y t y t y =
Q E konstant learning
) E matrik identitas
4lgoritma pelatihan Garingan Syaraf %iruan e'en#erg-ar(uardtseperti ditunukkan pada
-ambar .
-
7/25/2019 Flash Rocky
16/22
-ambar . #elatihan GS%H?
($&$6 Pen)+5"n 5"rn)"n sy"r"f *r+"n levenberg-marquardt
Setelah GS% dilatih dengan sekumpulan pola maka tahap selanutnya adalah melakukan
penguian terhadap kinera dari GS% sekaligus untuk mengukur kinera dari sistem yang
dibangun. 4lgoritma penguian aringan syaraf tiruan mengikutiflo%c!artseperti -ambar 1.
-
7/25/2019 Flash Rocky
17/22
-ambar 1. #enguian GS%
-
7/25/2019 Flash Rocky
18/22
.$ %ASIL DAN PEMBA%ASAN
#ada penelitian ini, penguian dilakukan dengan melatih GS% secara berulangulang untuk
mendapatkan bobotbobot aringan yang optimal sehingga dapat digunakan untuk
menyelesaikan permasalahan klasifikasi. Data yang digunakan dalam penelitian ini berumlah
&00 citra terbagi atas dua kelompok data yakni(
Data pelatihan &00 citra
Data penguian 10 citra.
Data I data tersebut diekstrak menggunakan metode -?/ dengan arak 2 piJel tetangga.
#arameter GS% yang digunakan dalam penguian ini adalah sebagai berikut (
earning rateAR3 E 0.&.
omentum AQ3 E 0.".
Gumlah lapisan tersembunyi E & lapis.
Gumlah neuron dalam lapis tersembunyi E 1.
Batas toleransi error E 0,00&
4.1 Pen)+5"n Ak+r"s Kner5" 'ST Le7en0er)8M"r9+"r:*
'inera GS% dalam mengidentifikasi sesorang berdasarkan citra irisnya diui menggunakan data citrasebanyak lima puluh buah citra yang telah diproses pada tahap sebelumnya. #enguian dilakukan dalam duamode yaitu mode verifikasi dan identifikasi. Dalam mode verifikasi menggunakan e(ual error rate A553dengan menghitung >= dan > dan dalam mode indetifikasi menggunakan correct recognition rateA/3berdasarkan persamaan yang dilakukan pada penelitian sebelumnya [>arouk, et al., 20&0 + oy, et al., 20&0].
/ adalah #robabilitas identifikasi iris yang benar A%abel 2.3, 55 adalah nilai titik potong > dengan>= atau tingkat kesalahan sama yaitu E>= A%abel *.3, > adalah probabilitas bah$a sistemmenyatakan data ui yang tidak terdaftar dalam database dikenali atau cocok dengan data citra dalam databasedan >= adalah probabilitas bah$a sistem menyatakan data ui yang terdaftar dalam database tidak dikenaliatau tidak cocok dengan data citra dalam database.
%abel 2. #erbandingan hasil /
4lgoritma / A83
Daugman,
[&""*]
":,&*
aroko, et al.
[200"]
:,21
oy, et al.,
[20&0]
":,2"
#eneliti "",":
-
7/25/2019 Flash Rocky
19/22
%abel *. #erbandingan hasil 55
4lgoritma / A83
Daugman,
[&""*]
&.:0
aroko, et al.
[200"]
0,2:
oy, et al.,
[20&0]
0.F
#eneliti 0.
Berdasarkan hasil yang ditunukkan pada %abel 2 dan %abel * menunukkan bah$a algoritma
yang diusulkan mencapai hasil /E"",": dan 55 E0. yang menunukkan bah$a kinera
algoritma yang diusulkan oleh peneliti sangat baik dan dapat digunakan dalam mode
identifikasi maupun mode verifikasi.
/$ KESIMPULAN
a. etode yang dikembangkan mampu melakukan identifikasi seseorang berdasarkan citra irisnya.b. #endekatan identifikasi iris yang dilakukan dalam penelitian ini dapat melakukan identifikasi dengan hasil
/ E "",":8 dan 55 E 0, dengan demikin metode ini dapat digunakan sebagai salah satu alternativeuntuk sistem identifikasi personal berdasarkan citra iris.
2$ PENG%ARGAAN DAN TERIMA KASI%
#enulis mengucapkan terima kasih kepada database /4S)4 [/4S)4, 200C] yang telah
memberikan dukungan data citra retinopati diabetes beserta data hasil pemeriksaan medis
terhadap penelitian ini.
-
7/25/2019 Flash Rocky
20/22
3$ PUSTAKA
/haudhary, @., ubarak, ., /., )ris ecognition @sing B#== 4lgoritma, )nternational
Gournal of 5ngineering esearch and 4pplications A)G543, National onference on
Emerging Trends in Engineering Tec!nology *NET/, ar 20&2, 20*20:.
/hinese 4cademy of Sciences)nstitute of 4utomation A/4S)43, 200C, /4S)4 )ris )mage
Database, Guni 200, http(HHbiometrics.idealtest.orgH
/ho$han, S., S., Shinde, -., =., )ris ecognition @sing >u66y inaJ =eural =et$ork,
&nternational Journal of omputer and Electrical Engineering, 20&&, 9ol. *, =o. 1, 7ct
20&&, F*FF
Daugman, G., -., igh /onfidence 9isual ecognition of #erson by a %est of Statisticl
)ndependece, )55 Trans. Pattern Analysis and ac!ine &ntell, &""*, &1, &&:&&C&.
Daugman, G., o$ )ris ecognition orks, )55 )/)#, 2002, )** I )*C.
Dillak, ., ., Bintiri, ., -., )dentifikasi >ase #enyakit etinopati Diabetes enggunakan Garingan Syaraf
%iruan ?evenbergarNuardt, "eminar Nasional &nformatika *"ENA"&>/, @31@ : -113--11F.
Dillak, ., ., Bintiri, ., -., #angestuty, D., ., #emanfaatan 4lgoritma Garingan Syaraf %iruan ?evenberg
arNuardt @ntuk endeteksi #enyakit 4l6heimer, "eminar Nasional &nformatika *"ENA"&>/, @31@ : -
1@G--1HH.
56hilarasan, ., Gacthish, ., Subramanian, -., '., S., @mapathy, ., )ris ecognition Based
7n )ts %eJture #attern, &nternational Journal on omputer "cience and Engineering
*&J"E/, 20&0, 9ol. 2, =o. ", *0F&*0F.
>arouk, ., ., 'umar, ., iad, '., 4., )ris atching @sing ultiDimensional 4rtificial
=eural =et$ork, T!e &ternational of Engineering and Tec!nology, &ET omputer
ision, 20&&, 9ol. 1, )ss. *, &F:&:.
-adkari, D., )mage Tuality 4nalysis @sing -?/, Tesis, @niversity of /entral >lorida,
>lorida, 200.
-
7/25/2019 Flash Rocky
21/22
-on6ales, ., /., oods, ., 5., Digital )mage #rocessing, * rded., #rentice all ( @pper Sadle iver, =e$Gersey,
@S4, 200:.
-opikrishnan, ., Santhanam, %., )mproved Biometric ecognition and )dentification of
uman )ris #attern @sing =eural =et$ork, Journal of T!eoretical and Applied
&nformation Tec!nology AJAT&T3, 20&0, 9ol. *&, =o. 2, Sep 20&&, &*&*".
-opikrishnan, ., Santhanam, %., 5ffect of Different =eural =et$orks on %he 4ccuracy in
)ris #attern ecognition,&nternational Journal of 5e'ie%s in omputing *&J5&/, 20&&,
9ol. F, Sep 20&&, 222:
aroko, 4., artati, S., D$iyasa, ., 4 ethod for )ris ecognition Based on &D /oiflet
avelet, %orld Academy of "cience,Enginnering and Tec!nology, 200", &2C&2".
ossain, d., S., Sarma, '., '., )ris ecognition Based )dentification @sing 2DDiscrete
/osine %ransform and Self 7rganising ap =eural =et$ork, &nternational Journal of
"ystems,Algorit!m ApplicationA&J"AA3, 20&2, 9ol. 2, )ssue )/45% &2, ay 20&2,
22FF2CFF
'ayte, /., =., #a$ar, 9., #., Son$ane, /., D., 5fficient Biometric for uman )dentification
and 9erification through )ris ecognition,&ndian "treams 5eseacr! Journal, 9ol. &, )ssue
9, Gun 20&2, &.
'han, ., D., 4hmad, >., 4n$ar, ., ., 4 =euro/ognitive 4pproach for )ris ecognition
@sing Back #ropagation,
-
7/25/2019 Flash Rocky
22/22
ohamed, ., 4., 4bou5lsoud, 5id, ., ., 4n 5fficient 4lgorithm in 5Jtracting uman
)ris orphological >eatures,&EEE &nternational onferences on Net%orking and edia
on'ergence A&N3, 200", &C&10.
ashad, ., !., Shams, ., ., =omir, 7., 5l4$ady, . ., )ris ecognition Based on ?B#
and /ombine ?9T /lassifier, &nternational Journal od omputer "cience
&nformation Tec!nology *&J"&T/, 20&&, 9ol. *, =o. 1, 7ct 20&&, CFF:
oy, '., ecognition of =onideal )ris )mages @sing Shape /uided 4pproach and -ame
%heory, T!esis, %he Department of /omputer Science and Soft$are 5ngineering,
/oncordia @niversity, otreal, Tuebec, /anada, 20&&.
%i$ari, @., 'elkar, D., %i$ari, 4., Study of Defferent ))S ecognition ethods,
&nternational Journal of omputer Tec!nology and Electronics Engineerign *&JTEE/ ,
20&2, 9ol. 2, FC:&.
9atsa, ., Singh, ., =oore, 4., )mproving )ris ecognition #erformance @sing
Segmentation, Tuality 5nhancement, atch Score >usion, and )ndeJing, &EEE
Transactions ;n "ystem, an, and y#ernetics-Part 4 : y#ernetics, 200:.
!hou, S., 4 =ovel 4pproach to )ris ?ocali6ation and /ode atching for )ris ecognition,
9esertasi, -raduate School of /omputer and )nformation Science =ova Southeastern
@niversity, 200".