Oleh:
Andriana, Zulkarnain
Fakultas Teknik Universitas
Langlangbuana Bandung
ABSTRAK
Biometrik adalah suatu bidang ilmu yang
mempelajari identifikasi dan verifikasi individu berdasarkan karakteristik fisik
atau tingkah laku manusia, salah satunya dengan menggunakan iris. Penelitian
ini menyajikan metode pengolahan citra untuk identifikasi iris dengan teknik
non-intrusif. Tahapan umum yang dilakukan pada biometrik identifikasi iris
adalah akuisisi citra, segmentasi citra, ekstraksi ciri dan pencocokan citra.
Metode Hough Transform merupakan
tahap segmentasi mencari lingkaran iris dan Gray Level Co Matrix (GLCM)
merupakan tahap segmentasi untuk mencari pola, dengan menghitung nilai rata-rata,
intensitas, entropi, homogenitas dan energi sebagai parameter proses ekstraksi
dan jarak Euclidean pada tahap pencocokan
citra. Hasil perhitungan disimpan ke dalam akumulator. Selisih nilai terkecil
pada proses pencocokan merupakan iris yang dikenali pada proses uji. Hasil dari
pengujian sistem menunjukkan metode GLCM dan Hough Transform dapat mengidentifikasi iris mata dengan tingkat
akurasi 100% dan tingkat keberhasilan dengan kategori baik.
Kata kunci: Biometrik, GLCM, Hough Transform, jarak Euclidean
ABSTRACT
Biometrics is a field of science that studies the identification and verification of individuals based on physical or behavioral characteristics of human beings, one of them by using the iris. This study presents a method of image processing for iris identification with non-intrusive techniques. Common steps taken in biometric iris identification is image acquisition, image segmentation, feature extraction and image matching. Hough Transform method is a stage of searching for a circle iris segmentation and Gray Level Co Matrix (GLCM) is a segmentation stage to look for patterns, by calculating the average value, intensity, entropy, homogeneity and energy as a parameter extraction process and the Euclidean distance on stage image matching. The calculation result is stored into the accumulator. Difference smallest value in the process of matching the iris which is known to test the process. Results of the testing system shows GLCM and Hough Transform method can identify the iris with a 100% accuracy rate and the success rate with both categories.
Keywords: Biometrics, GLCM, Hough
Transform, Euclidean Distance
PENDAHULUAN
Biometrik
adalah suatu bidang ilmu yang mempelajari identifikasi dan verifikasi individu
berdasarkan karakteristik fisik atau tingkah laku manusia. Biometrik yang
berdasarkan tingkah laku berhubungan dengan perilaku seseorang seperti tanda
tangan, mengetik, gaya berjalan atau pola suara. Sedangkan biometrik berdasar
karakteristik fisik berhubungan dengan bentuk tubuh manusia seperti sidik jari,
wajah, suara, bentuk geometri tangan dan mata. Biometrik yang baik memiliki
karakteristik ciri yang unik yaitu tidak ada kemungkinan dua orang memiliki
ciri yang sama, stabil yaitu tidak termakan oleh perubahan waktu, mudah
didapatkan dan memiliki
tingkat kesalahan yang kecil dalam merepresentasikan ciri tersebut. Saat ini Iris merupakan biometrik handal yang
banyak digunakan untuk kebutuhan identifikasi.
Oleh karena itu
berbagai macam pendekatan dikembangkan agar dapat mengenali Iris. Salah satunya adalah dengan teknik
instrusif dan non-instrusif. Teknik instrusif mengharus- kan subjek menggunakan
perangkat tertentu seperti lensa kontak khusus agar dapat mengenali mata.
Sedangkan teknik non-instrusif disisi lain tanpa memerlukan perangkat khusus.
Dalam penelitian ini teknik non-intrusif dipilih dalam proses identifikasi Iris. Teknik ini sangat cocok untuk
tujuan Identifikasi Iris karena tidak
harus bergantung pada perangkat khusus tertentu.
Selanjutnya Metode (Gray Level Co
Matrix) GLCM
dan hough transform dipilih sebagai metode
untuk dapat mengenali pola iris. GLCM dipilih
karena pada umumnya banyak digunakan untuk pendeteksian objek dengan pola mean, intensity, entropy,
homogenity dan energy.
Berdasarkan hal tersebut maka dilakukan penelitian tentang Iris menggunakan teknik non-instrusif dan metode GLCM dan hough transform sebagai
algoritma pengenalan pola iris.
Tinjauan Pustaka
Biometrik
Biometrik adalah suatu
bidang ilmu yang mempelajari identifikasi dan verifikasi individu berdasarkan
karakteristik fisik atau tingkah laku manusia.Teknologi biometrik menjadi dasar
dari identifikasi yang aman dan solusi untuk verifikasi pribadi. Teknologi
biometrik sebaiknya dipertimbangkan dan dievaluasi dengan karakterisitik
sebagai berikut:
·
Universality,
setiap orang harus
memiliki karakterisik.
·
Uniqueness,
pada umumnya tidak ada
2 orang yang memiliki karakteristik identik.
·
Permanence,
karakteristik seharus- nya tidak bergantung
terhadap waktu. Sebagai contoh wajah seseorang akan berubah saat mengalami
penuaan.
·
Collectibility,
karakteristik harus
mudah didapat dan terukur.
·
Performance,
metoda yang digunakan
harus memberikan hasil yang akurat dalam keadaan lingkungan yang bervariasi.
·
Acceptability,
masyarakat harus
menerima rutinitas pengumpulan sampel.
·
Circumvention,
teknologi yang
digunakan seharusnya sulit untuk dikelabui.
Biometrik menawarkan
beberapa keunggulan unik dalam meng- indentifikasi
manusia. Biometrik bekerja cepat, mudah digunakan, akurat, dapat diandalkan,
dan memiliki biaya yang relatif murah untuk berbagai aplikasi. Sistem biometrik
dapat dioperasikan dengan dua metode berikut:
1. Verifikasi;
perbandingan antara satu biometrik yang ditangkap dengan satu template yang ada
digunakan untuk memverifikasi bahwa individu tersebut adalah benar orang yang
diklaimnya.
2. Identifikasi;
membandingkan biometrik dengan database biometrik dalam upaya mengidentifikasi
individu yang tidak diketahui.
Karakteristik biometrik
dibagi dalam dua kelas utama:
·
Fisiologis, berhubungan
dengan bentuk tubuh
·
Behavioral, berkaitan
dengan perilaku seseorang
Mata
Mata adalah salah satu
organ tubuh manusia yang memiliki fungsi yang sangat vital yaitu untuk
mengetahui apakah suatu lingkungan terang atau gelap sehingga manusia bisa
melihat. Mata disusun oleh organ-organ dalam seperti kornea, sklera, pupil,
iris, retina dan lensa.
Selain memiliki fungsi
yang vital, mata memiliki keistimewaan tersendiri jika dilihat dari sisi
keilmuan. Tingkat randomness dan
keunikan pola yang dimiliki mata manusia merupakan suatu terobosan besar dalam
dunia identifikasi manusia secara otomatis. Biometrik sebagai bidang ilmu yang
mempelajari identifikasi dan verifikasi individu berdasarkan karakteristik
fisik atau tingkah laku manusia, menjadikan mata (Iris) sebagai salah satu biometrik handal yang banyak digunakan
saat ini.
Pernyataan diatas
dikuatkan oleh hasil studi yang dilakukan oleh John Daugmann dan Cathryn yang
menunjukkan bahwa lebih dari dua juta pasang mata manusia dalam gambar yang
diambil oleh relawan di Inggris, Amerika Serikat dan Jepang tidak ada dua pola
mata yang sama bahkan sepertiga dari bentuk mata mereka. Bahkan wajah yang
identik secara genetik (misalnya kembar) memiliki pola mata yang berbeda. Bila
dibandingkan dengan biometrik lain seperti sidik jari, wajah, suara, geometri
tangan maka Iris dianggap biometrik
yang paling handal yang banyak digunakan oleh organisasi-organisasi besar
seperti bank, maskapai penerbangan dan imigrasi yang mencari sistem keamanan
yang lebih efektif.
Segmentasi
Iris
didasarkan pada fakta
bahwa iris mata manusia berisi fitur unik yang benar-benar membedakan
seseorang. Tujuan sebenarnya dalam penelitian ini dapat ditemukan dalam pola
mata. Dengan demikian, langkah pertama dalam menerapkan sistem biometrik adalah
mengisolasi wilayah mata dari bagian lain dari citra yang tidak memiliki
relevansi. Dengan demikian, dalam langkah ini sistem harus mampu mendeteksi
batas-batas tepi dan mengisolasi bagian di dalam gambar. Dalam penelitian ini
proses segmentasi dilakukan dengan proses deteksi tepi menggunakan operator Prewitt dan metode GLCM.
Deteksi Tepi Prewitt
Deteksi tepi adalah tool dasar yang digunakan di sebagian
besar aplikasi pengolahan citra untuk mendapatkan informasi dari frame sebagai langkah pendahulu untuk
segmentasi objek dan ekstraksi ciri. Proses ini mendeteksi garis dari sebuah
objek dan batas-batas antara objek dan latar belakang dalam gambar. Filter
deteksi tepi juga dapat digunakan untuk meningkatkan citra masukan yang kabur
akibat noise. Dasar dari operator
deteksi tepi adalah operator gradien daerah matriks yang menentukan tingkat
varian antara piksel yang berbeda. Operator deteksi tepi dihitung dengan
membentuk matriks yang berpusat pada piksel yang dipilih sebagai pusat area
matriks. Jika nilai daerah matriks ini berada diatas ambang tertentu, maka
piksel tengah diklasifikasikan sebagai sebuah tepi. Contoh detektor tepi
berbasis gradien adalah detektor tepi Roberts, Prewitt, Sobel dan operator.
Semua algoritma berbasis gradien memiliki operator kernel yang menghitung
kekuatan lereng ke arah yang orthogonal satu sama lain, biasanya vertikal dan
horizontal. Kemudian, kontribusi dari berbagai komponen dari lereng digabungkan
untuk memberikan nilai keseluruhan dari kekuatan tepi.
Hough Transform
Hough
Transform merupakan teknik
segmentasi yang digunakan pada pengolahan gambar untuk menemukan bentuk
(garis/kurva) dengan menggunakan sistem suara terbanyak (voting). Secara umum Hough
Transform dapat dilakukan untuk pendeteksian objek seperti garis, lingkaran
atau elips pada citra yang telah dilakukan pemrosesan awal (pra-processing). Namun hasil pemrosesan
awaldapat menyebabkan hilangnya beberapa piksel atau malah menimbulkan noise. Saat terjadi penurunan kualitas
pada gambar, Hough Transform dapat
diterapkan dengan cukup baik. Hal ini dikarenakan Hough Transform toleran terhadap celah dalam deskripsi batas tepi dan
relatif tidak terpengaruh oleh noise. Masukan
Hough Transform adalah berupa
piksel-piksel dalam sistem koordinat tertentu.
GLCM (Gray Level Co
Matrix)
GLCM merupakan proses
segmentasi untuk Ekstraksi ciri yaitu suatu proses pengambilan ciri dari suatu
bentuk yang nantinya nilai yang diperoleh akan dianalisis untuk proses
selanjutnya. Pada penelitian ini metode yang digunakan untuk proses ekstraksi
adalah dengan menghitung nilai mean, intensitas, entropy, homogenitas dan energi.
Euclidean Distance
Dalam matematika, jarak euclidean atau
euclidean metrik adalah jarak antara dua titik yang satu dengan yang
lain yang dapat diukur dengan menggunakan penggaris, pada perhitungan jarak euclidean
digunakan formula Pythagoras. Dengan meng- gunakan formula ini sebagai jarak, ruang
euclidean menjadi ruang metrik. Pada perhitungan euclidean distance nilai
yang didapatkan adalah nilai positif. Similaritas yang dihitung dengan
menggunakan Euclidean distance diperoleh dengan mendapat- kan nilai terendah. Dua hal yang
dibandingkan dan dihitung dengan menggunakan euclidean distance dapat
dikatakan mirip jika nilai yang didapatkan adalah nilai paling rendah bahkan
mendekati 0. Hasil ekstraksi ciri akan digunakan sebagai acuan untuk mengukur
kemiripan terhadap hasil ekstraksi ciri pada data uji coba.
Metode Penelitian
Analisis Kebutuhan
Sistem
Untuk mencapai
tujuan penelitian dalam membangun sebuah aplikasi biometrik dalam mengenali Iris dengan
menggunakan metode GLCM dan Hough
Transform, maka dilakukan analisis kebutuhan sistem untuk memahami apa saja
yang dibutuhkan dan yang harus dicapai dalam setiap tahapan-tahapan proses.
1. Tahap
Akuisisi Citra
Sistem harus mampu
menghasil- kan citra masukan yang optimal dengan menggunakan perangkat yang
ada.
2. Tahap
Pemrosesan Awal
Sistem melakukan proses
Grayscalling dan Smoothing untuk mengurangi derau (noise) pada citra masukan.
3. Tahap
Segmentasi Citra
Sistem harus mampu men- segmentasi wilayah mata
dari wilayah lain yang tidak dibutuhkan oleh sistem.
4. Tahap
Ekstraksi Ciri
Sistem harus mampu
menghasilkan ciri dari mata dengan menghitung nilai-nilai pembanding.
5. Tahap
Matching Citra
Sistem harus mampu meng- identifikasi citra
hasil pelatihan dengan citra uji dan menghasilkan keputusan akhir.
Berikut ini
adalah blok diagram dari setiap tahapan-tahapan proses Iris (Lihat Gambar 1)
Dalam mengolah
keseluruhan proses, dimanfaatkan fungsi-fungsi dalam software MATLAB R2012A
yang dioperasikan dibawah sistem operasi Windows 8.
Metodologi Pengembangan
Sistem
Metodologi waterfall dipilih
dalam melakukan analisis pengembangan sistem pengenalan pola iris mata.
Metodologi ini sangat sesuai dengan sistem yang akan dibangun, dikarenakan
dalam pengembangannya metode waterfall memiliki
tahapan yang runut. Keluaran dari tahap sebelumnya merupakan masukan untuk
tahap berikutnya. Berikut ini adalah tahap-tahap dalam metode waterfall :
1. Analisis
Kebutuhan Sistem
Pertama-tama dilakukan
analisis kebutuhan dalam perancangan sistem yang dibagi menjadi 2 bagian yaitu Software dan Hardware.
2. Desain
Sistem
Dalam tahap ini yang
dimaksud dengan desain sistem adalah desain arsitektur perancangan dan desain
GUI (Graphical User Interface).
3. Implementasi
Kode Program
Tahapan selajutnya
dilakukan pemrograman sistem. Pembuatan Software
dipecah menjadi modul-modul yang nantinya akan digabungkan menjadi satu
kesatuan.
4. Pengujian
Sistem
Dalam tahap ini
modul-modul yang yang sudah digabungkan akan diuji untuk mengetahui apakah
modul sudah memenuhi fungsi yang diinginkan atau belum.
5. Pemeliharaan
Sistem
Software
yang sudah jadi dijalankan serta
dilakukan pemeliharaan sistem. Pemeliharaan termasuk dalam memperbaiki
kesalahan sistem yang tidak ditemukan pada langkah sebelumnya.
Perancangan
Sistem
Setelah
dilakukan analisis kebutuhan sistem, langkah selanjutnya adalah merancang
tahapan-tahapan aplikasi biometrik dalam melakukan Iris. Berikut ini adalah flowchart sistem yang dibangun (Lihat
Gambar 2)
Gambar 2. Flowchart Sistem
Tahap
Ekstraksi Ciri dengan GLCM
Penghitungan
nilai-nilai tersebut dilakukan untuk mendapatkan parameter pembanding.
Parameter hasil perhitungan dijadikan ciri yang akan digunakan untuk proses matching citra. Berikut ini adalah
flowchart dan tampilan antarmuka dari
proses ekstraksi ciri (Lihat Gambar 3).
Gambar 3. Flowchart Ekstraksi Ciri
Tahap Matching Citra
Tahap akhir
dalam pengenalan pola iris mataadalah verifikasi. Seperti yang sudah dijelaskan
dalam sub bab perancangan sistem, dalam tahap ini terdapat 2 jenis citra yaitu
citra uji dan citra latih. Citra uji memiliki tahapan yang sama dengan citra
latih namun yang membedakan adalah pada akhir proses. Citra latih disimpan ke
dalam database, sedangkan citra uji akan
diverifikasi atau dibandingkan dengan citra latih yang sudah disimpan kedalam Database. Berikut ini adalah flowchart proses verifikasi kode biner
iris (Lihat Gambar 4)
Gambar 4. Flowchart Verifikasi Kode Biner Iris
Hasil dan Pembahasan
Pengujian Sistem
Pengujian
merupakan bagian penting dalam proses pengembangan aplikasi ke depan. Pengujian
dimaksudkan untuk mengetahui pencapaian dari tujuan awal dan untuk mengetahui
apakah aplikasi mampu menjalankan fungsi-fungsi sesuai dengan yang diharapkan.
Data hasil pengujian nantinya akan digunakan untuk analisis aplikasi sehingga user bisa mengembangkan aplikasi lebih
baik lagi. Metode pengujian yang digunakan adalah metode Blackbox.
Metode Blackbox merupakan metode yang digunakan
untuk mengetahui apakah perangkat lunak berfungsi dengan benar, dengan tanpa
memperhatikan struktur logika internal perangkat lunak. Pengujian
sistem yang dilakukan terdiri dari proses akuisisi citra, pemrosesan awal,
segmentasi citra, ekstraksi ciri dan matching
citra.
Pengujian Akuisisi
Citra
Pengujian
akuisisi citra dilakukan dengan mengakuisisi 10 sampel berbeda. Total 10 citra latih disimpan
ke dalam folder lokal. Sedangkan
proses akuisisi citra uji dilakukan dengan mengakuisisi salah satu dari 10
sampel sebanyak 1 kali akuisisi.
Pengujian Pemrosesan Awal
Pemrosesan awal
melakukan pengolahan citra pada citra masukan hasil akuisisi citra. Langkah
pertama adalah dengan melakukan konversi layer
RGB menjadi layer graylevel (derajat
keabuan). Setelah itu dilakukan penghalusan pada citra hasil Grayscale dengan menggunakan fungsi Gaussian Smoothing.
Pengujian Segmentasi Citra
Segmentasi yang
dilakukan adalah deteksi tepi menggunakan operator Prewitt dan deteksi lingkaran menggunakan GLCM. Deteksi tepi mendeteksi setiap tepi pada citra dengan
operator kernel yang menghitung kekuatan gradien ke arah vertikal dan
horizontal. Kontribusi dari berbagai komponen dari lereng digabungkan untuk
memberikan nilai keseluruhan dari kekuatan tepi. Hasil deteksi tepi digunakan GLCM untuk mendeteksi lingkaran dengan
cara menghitung nilai radius setiap piksel yang terdeteksi. Hasil perhitungan
disimpan kedalam accumulator.
Untuk mengetahui
presentase keberhasilan Hough Transform dalam
mendeteksi lingkaran maka dilakukan pengambilan parameter-parameter nilai hasil
perhitungan dari 10 sampel citra latih. Parameter nilai maxval menjadi tolak ukur kategori keberhasilan Hough Transform dalam mendeteksi
lingkaran.Maxval adalah jumlah piksel
yang menyusun lingkaran mata pada citra. Jika suatu citra latih memililki nilai
maxval diatas 20 maka dapat
disimpulkan lingkaran mata terdeteksi dengan baik. Berikut ini adalah tabel
presentase keberhasilan Hough Transform (Lihat
Tabel 1).
Tabel 1.
Tingkat Keberhasilan Hough Transform
|
Parameter
Nilai
|
Tingkat
Keberhasilan
|
Keterangan
|
|
Maxval ≥
20 piksel
|
Baik
|
Garis
lingkaran dan bentuk mata bulat sempurna
|
|
20≥ maxval ≥ 10 piksel
|
Sedang
|
Garis
lingkaran mata putus-putus
|
|
Maxval ≤ 10
piksel
|
Kurang
|
Mata
tidak terdeteksi (kosong)
|
Dari total 30
citra latih yang disimpan dalam folder lokal,
28 citra latih memiliki tingkat keberhasilan baik (nilai maxval diatas 20 piksel). Sedangkan 2 citra latih memiliki nilai
dengan tingkat keberhasilan sedang (nilai maxval
di antara 20 piksel dan 10 piksel). Berdasarkan data tersebut dapat
disimpulkan dari 30 citra latih hasil akuisisi sistem dapat mengenali lingkaran
dari mata dengan tingkat akurasi mencapai 100% dan tingkat keberhasilan dengan
kategori baik.
Pengujian Ekstraksi
Ciri
Pengujian
ekstraksi dilakukan dengan pengambilan ciri dari citra latih dan citra uji
yaitu dengan menghitung nilai pembanding nya. Berikut ini adalah tabel nilai
parameter dari 10 sampel citra latih proses akuisisi ke-1 (Lihat Tabel 2)
Tabel
2. Parameter Nilai Pembanding
Hasil Pengujian Sistem
Dalam pengujian
ini dilakukan beberapa pengujian modul yang terdapat dalam aplikasi biometrik Iris.
Berikut ini adalah tahapan dan hasil pengujian yang telah dilakukan.
Hasil Pengujian Akuisisi Citra
Berikut ini
hasil pengujian proses pengambilan citra (Lihat Tabel 3).
Tabel 3. Hasil Pengujian Akuisisi Citra
|
Akuisisi Citra
|
|||
|
Data Masukan
|
Yang
Diharapkan
|
Pengamatan
|
Kesimpulan
|
|
Mata sampel
|
Menghasilkan input berupa citra menggunakan kamera
|
Pengambilan sampel mata berhasil
|
[X] Diterima
[ ] Ditolak
|
Hasil Pengujian Pemrosesan Awal
Berikut ini
hasil pengujian pemrosesan awal citra masukan (Lihat Tabel 4)
Tabel 4. Hasil Pengujian Pemrosesan Awal
|
Pemrosesan Awal
|
|||
|
Data Masukan
|
Yang
Diharapkan
|
Pengamatan
|
Kesimpulan
|
|
Citra hasil akuisisi
|
Mengkonversi citra kedalam bentuk graylevel
dan image smoothing
|
Konversi graylevel dan image smoothing berhasil
|
[X] Diterima
[ ] Ditolak
|
Hasil Pengujian Segmentasi Citra
Berikut ini
hasil pengujian segmentasi citra (Lihat Tabel 5).
Tabel 5 Hasil Pengujian Segmentasi Citra
|
Segmentasi Citra
|
|||
|
Data Masukan
|
Yang
Diharapkan
|
Pengamatan
|
Kesimpulan
|
|
Citra hasil pemrosesan awal
|
Mensegmentasi wilayah mata dari wilayah lain yang
tidak dibutuhkan oleh sistem.
|
Citra mata berhasil
disegmentasi
|
[X] Diterima
[ ] Ditolak
|
Hasil Pengujian Ekstraksi Ciri
Berikut ini
hasil pengujian ekstraksi ciri (Lihat Tabel 6).
Tabel 6 Hasil Pengujian Ekstraksi Ciri
|
Ekstraksi Ciri
|
|||
|
Data Masukan
|
Yang
Diharapkan
|
Pengamatan
|
Kesimpulan
|
|
Citra hasil segmentasi
|
Menghasilkan
nilai pembanding dengan menghitung nilai mean,
intensity, entropy, homogeneity dan energy
|
Penghitungan nilai mean,
intensity, entropy, homogeneity dan energy berhasil
|
[X] Diterima
[ ] Ditolak
|
Hasil Pengujian Matching Citra
Berikut ini
hasil pengujian Matching citra (Lihat
Tabel 7).
Tabel 7 Hasil Pengujian Matching
Citra
|
Matching Citra
|
|||
|
Data Masukan
|
Yang
Diharapkan
|
Pengamatan
|
Kesimpulan
|
|
Nilai hasil ekstraksi ciri
|
Mencocokan
citra latih dan citra uji dengan menghitung nilai pembanding citra latih dan
citra uji
|
Penghitungan nilai pembanding berhasil namun kecocokan antara citra latih
dan citra uji tidak sesuai
|
[ ] Diterima
[X] Ditolak
|
Hasil pengujian
identifikasi pola iris dapat dilihat
pada Gambar 5.
Gambar 5. Hasil pengujian Identifikasi pola
iris
KESIMPULAN
Berdasarkan apa
yang telah dilakukan di dalam penelitian ini, sistem berhasil membangun tahapan-tahapan yang
menjadi kebutuhan utama aplikasi biometrik untuk Iris. Tahapan dari aplikasi biometrik meliputi tahap akuisisi,
pemrosesan awal, segmentasi, ekstraksi ciri dan
matching data. Berikut ini adalah poin-poin kesimpulan yang didapat dari setiap
tahapan :
·
Pada tahap pemrosesan awal sistem berhasil melakukan konversi layer RGB kedalam derajat keabuan dan
melakukan penghalusan citra dengan meng- gunakan Gaussian Smoothing.
·
Pada tahap segmentasi citra yang terdiri dari proses deteksi tepi dan
deteksi lingkaran, detektor tepi Prewitt dan
Hough Transform berhasil diterapkan
dengan baik dalam mendeteksi batas tepi dan objek penelitian yang berbentuk
lingkaran yang terdapat dalam mata.
·
Pada tahap ekstraksi ciri dengan GLCM
walaupun sistem berhasil melakukan pengambilan ciri dari citra mata dengan
menghitung nilai dari mean, intensity,
entropy, homogeneity dan energy dengan
baik, namun metode ini dianggap penulis kurang maksimal dikarenakan nilai hasil
perhitungan yang dihasilkan tidak dapat merepresentasikan ciri dari mata itu
sendiri dan menghasilkan rentang nilai yang kecil yang tidak valid untuk
masukan proses selanjutnya.
·
Pada tahap identifikasi atau matching
citra menggunakan Euclidean Distance,
sistem berhasil menghitung nilai jarak antara citra latih dan citra uji,
namun sistem belum mampu menemukan kecocokan data antara citra latih dan citra
uji dikarenakan rentang nilai hasil ekstraksi ciri yang terlalu kecil dan juga
kurangnya ketepatan logika pemrograman pada sistem pengambilan keputusan.
DAFTAR PUSTAKA
Ernastuti.
2012. “Implementasi Metode Hough dan
Jarak Mahalanobis pada Sistem
Biometrik Pengenalan Telinga Dengan Menggunakan Library Open CV”.
Fahmi.
2007. “Perancangan Algoritma Pengolahan Citra Mata Menjadi Citra Polar Iris
Sebagai Bentuk antara Sistem Biometrik”. Universitas Sumatera Utara.
J.
Daugman and Cathryn, 2008. “Effect of
Severe Image Compression on Iris Recognition Performance”.
Khoirunnisak,
Dzikrina. 2011. “Analisis Perbandingan Algoritma Hough Transform dan Algoritma Transformasi Radon untuk Deteksi Tepi
Objek Planar Segi-N Berbasis Pengolahan Citra Digital”. IT Telkom.
Kumar,
Kaushal and Kumar, Aswin Tigga. 2009. "Iris Using Varients ofHough Transform".
National Institute of Technology Rourkela.
Munir, Rinaldi.
2004. “Pengantar Pengolahan Citra Digital dengan Pendekatan Algoritma”.
Perdana,
Andika Ahmad. 2013. “Deteksi
Iris Mata dan Perhitungan Kedipan Mata Menggunakan Circular Hough Transform untuk Mencegah Computer Vision Syndrome”. IT Telkom.
Wayman,
James. 2005. Biometric Systems Technology,
Design and Performance Evaluation. Springer London.