PROCEEDING
SEMINAR NASIONAL
TEKNOLOGI INFORMASI DAN APLIKASINYA 2014
“Membangun Jiwa Technopreneurship yang Kreatif dan Inovatif di Era Big Data”
Bali, 17 OKTOBER 2014
Diselenggarakan Oleh:
Program Studi Teknik Informatika Jurusan Ilmu Komputer
Universitas Udayana
Bali
KATA PENGANTAR
Puji syukur kita panjatkan kehadirat Tuhan Yang Maha Esa, atas terselesainya penyusunan Proceeding SNATIA 2014 ini. Buku ini memuat naskah hasil penelitian dari berbagai bidang kajian yang telah direview oleh pakar dibidangnya dan telah dipresentasikan dalam acara Seminar SNATIA tahun 2014 pada tanggal 17 Oktober 2014 di Universitas Udayana kampus Bukit Jimbaran, Badung, Bali.
Kegiatan SNATIA 2014 merupakan agenda tahunan Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Universitas Udayana. SNATIA 2014 mengambil tema “Membangun Jiwa Technopreneurship yang Kreatif dan Inovatif di Era Big Data”, dengan pembicara utama seminar yang terdiri dari pakar-pakar peneliti dan Pemerhati dibidang Teknologi Informasi, Technopreneurship, dan Big Data.
Meskipun kegiatan seminar dan pendokumentasian naskah dalam proceeding ini telah dipersiapkan dengan baik, namun kami menyadari masih banyak kekurangannya. Untuk itu panitia mohon maaf yang sebesar-besarnya, dan juga mengucapkan terimakasih atas kepercayaan dan kerjasamanya dalam kegiatan ini. Kritik dan saran perbaikan sangat diharapkan untuk penyempurnaan di masa mendatang, yang dapat dikirimkan melalui e- mail snatia@cs.unud.ac.id.
Kepada semua pihak yang terlibat, baik langsung maupun tidak langsung dalam penyelenggaraan seminar, dan penyusunan proceeding SNATIA 2014, panitia mengucapkan terima kasih.
Denpasar, 17 Oktober 2014
Panitia SNATIA 2014
DAFTAR ISI
Kata Pengantar Daftar Isi
Simulasi Pengaturan Lampu Lalu Lintas Pada Persimpangan Menggunakan Logika Fuzzy Dengan Metode Tsukamoto
Ketut Bayu Yogha B. ... 1 Aplikasi Pencarian Lokasi Dealer Dan Servis Resmi Sepeda Motor Wilayah
Bandarlampung Berbasis Android Dengan Algoritma A*
Agus Waisnawa ... 11 Rancangan Sistem Akuntansi Pemerintah Daerah Berbasis Akrual
Kholid Haryono ... 16 Aplikasi Panduan Mahasiswa Kalbis Institute Berbasis Mobile Multimedia
Nuraini Purwandari ... 24 Perancangan Dan Implementasi Data Warehouse Spasial Untuk Mendukung
Layanan Kebencanaan: Studi Kasus Badan Informasi Geospasial (Big)
Irena Susanti ... ... 34 Elisitasi Kebutuhan Prototipe Pengelolaan Unpredictable Data Pada
Basisdata Spatio Temporal Untuk Disaster Information Management System (DIMAS)
Yani Widyani ... ... 44 Perancangan Sistem Proteksi File Video Dengan Algoritma AES (Advance
Encryption Standard)
I Gusti Agung Gede Arya Kadyanan ... 51 Studi Komparasi Penggunaan Framework Tata Kelola Teknologi Informasi
Lembaga Sandi Negara
Ninik Ratna Dewi ... 60 Pola Adopsi Situs Jejaring Sosial
Almed Hamzah ... 67 Sistem Penilaian Ujian Essay Otomatis Menggunakan Metode Jaro Winkler
Rahimi Fitri ... ... 72 Implementasi Algoritma Steganografi Enhanched Least Significant Bit Untuk
Menyembunyikan Pesan Pada Gambar
I Wayan Adi Wiratama ... 79
Analisis Pengaruh Penggunaan Sistem Informasi Tour Travel Terhadap Peningkatan Kunjungan Wisatawan Pada Bali Precious Tours
I Gede Adrian Agustana ... 85 Implementasi Sistem Single Sign On Pada Aplikasi Berbasis Web
Menggunakan Central Authentication Service
I Putu Agus Eka Darma Udayana ... 94 Sistem Prakiraan Curah Hujan Harian Dengan Fuzzy Inference System
I Made Agus Oka Gunawan ... 103 Sistem Pendeteksi Kantuk Untuk Pengemudi Dengan Metode Haarcascade
Classifier
I Gede Arya Maharta ... 110 Implementasi Sistem Pencarian Pada Sinopsis Film Menggunakan
Metodepembobotan Term Frequency Inverse Document Frequency (TF-IDF)
Ni Made Ayu Handayani ... 116 Implementasi Sistem Manajemen Admin Pada Ldap Server Menggunakan
PHP LDAP
I Putu Gede Darpana Putra W ... 122 Klasifikasi Wine Berdasarkan Kandungan Alkohol Dan Asam Malat
Menggunakan Algoritma K-Nearest Neighbor (KNN)
Kadek Dwi Praseptia Putra ... 133 Rancang Bangun Sistem Informasi Promosi Online Menggunakan
Framework YII
Faizal A Saputra . ... 138 Implementasi File Sharing Dengan Protokol Server Message Block (SMB)
Pada Router Mikrotik Di Kantor Desa Lodtunduh
Putu Ferry Audy Praditha ... 142 Pengenalan Huruf Isyarat Menggunakan Modified K-Nearest Neighbor
Fuad Adi Pradana ... 146 Management Bandwidth Menggunakan Simple Queue Pada Router Mikrotik
Made Hadi Yudana ... 152 Implementasi Pengembangan Firewall Filter Pada Protokol Ssh Untuk
Mencegah Serangan Brute Force Pada Proses Otentikasi Router Mikrotik
Hamzah Eka Novia Prakasa ... 157
Perancangan Dan Implementasi Website Pada Pt. Darma Telekomunikasi Dengan Framework Codeigniter
Gde Kharisma Primawardhana Agusta ... 164 Implementasi Metode Redness Dan Circle Detection Pada Pengenalan Buah
Apel Pada Gambar Pohon Apel
Nyoman Krisnaadi Suastika ... 171 Analisis Protokol Tcp Reno Dan Tcp Vegas Pada Traffik CBR
Natanael Kristiawan ... 175 Analisis Dan Implementasi Pengembangan Web Menggunakan Content
Management System Wordpress (Studi Kasus: Web Bali-India Foundation)
Putu Pande Wahyu Diatmika ... 180 Perancangan Dan Implementasi Sistem Pembelajaran Dengan Metode Drill
Soal Pada Mata Pelajaran Matematika
Ida Bagus Adisimakrisna Peling ... 186 Implementasi Identifikasi Letak Iris Mata Dengan Transformasi Hough Dan
Gabor Filter
I Gede Wahyu Surya Dharma ... 194 Penerapan Metode Particle Swarm Optimization Pada Optimasi Distribusi
Lpg Dari Agen Ke Toko
I Made Hary Kartika Putra ... 200 Implementasi Replikasi Basis Data Terdistribusi Pada Sistem Informasi
Invoice Di CV. Avatar Solution
I Wayan Parwita ... 205 Implementasi Algoritma Rabin-Karp Untuk Sistem Pendeteksi Kesamaan
Dokumen Proposal Tugas Akhir
I Gede Wira Kusuma Jaya ... 212 Integrasi Openmeetings Dengan Moodle Sebagai Sarana Pembelajaran
Jarak Jauh
I G A Bagus Prema Pradana ... 220 Implementasi Hit & Miss Cache Proxy Untuk Penggunaan Bandwidth Yang
Efektif
Rae Arya Pangestu Here Wollo ... 227 Klasifikasi Buah Menggunakan Metode Support Vector Machine (SVM)
Dengan Kernel Gaussian Radial Basis Function (RBF)
Komang Soniya Gunawan ... 232 Steganografi Pesan Text Terenkripsi Caesar Cipher Pada File Audio Mp3
Dengan Metode Bit Parity Coding
Ni Nyoman Sri Suariani ... 237
Implementasi Traffik Filtering Dan Transparent Proxy Dalam Membangun Web Proxy Pada Mikrotik Router Di Kantor Desa Baturiti
I Kadek Sumara ... 246 Analisis Performa Protocol TCP SACK Dan SCTP Pada Aplikasi FTP Dan
CBR
Ida Bagus Tantra Pradhana ... 251 Implementasi Algoritma Genetika Dalam Proses Pengendalian Lengan Robot
Luh Trisna Aryantini ... 257 Simulasi Antrian Nasabah Bank Dengan Mengadaptasi Model Analitikal
Antrian (Studi Kasus: Bank BNI Cabang Jimbaran)
Ni Wayan Eka Ayuningsih ... 263 Peramalan Cuaca Dengan Metode Root Means Square Error (RMSE)
Berdasarkan Algoritma Adaptive Splines Threshold Autoregression (ASTAR) Di Bandara Ngurah Rai Bali
Luh Eka Kusumayanti ... 270 Analisis Dan Desain Algoritma Pewarnaan Graf (Studi Kasus Penjadwalan
Level Pelajaran Di Robokidz Jimbaran)
Gede Dian Wirawan Putra ... 274 Analisis Perbandingan Tingkat Efisiensi Pelayanan Sarbagita Melalui Sms
Gateway Dan Manual
Ni Made Krista Kurnia Dewi ... 278 Pencarian Otonan Dengan Konversi Tanggal Masehi Ke Bilangan Julian
Menggunakan Fungsi Sys Pada Visual Foxpro
Made Pasek Agus Ariawan ... 282 Implementasi Algoritma K-Means Clustering Terhadap Pengklasifikasian
Hasil Belajar Siswa Sebagai Bahan Kaji Efektifitas Media Pembelajaran Matematika Berbasis TIK Di SMP Negeri 3 Semarapura
I Wayan Safira Sri Artha ... 288 Keamanan Jaringan Wifi Pada Sistem Login Member Perpustakaan Daerah
Singaraja Menggunakan Metode Algoritma Vigenere Chipper
Gede Suhendra Prayoga Saputra ... 293 Perancangan Dan Implementasi Sistem Manajemen Proyek Pada Pt. Asanka
Dengan Menggunakan Metode Prototyping
Putu Bagus Ari Dharma Udayana ... 300 Implementasi Virtual Private Network Menggunakan EoIP Tunnel Untuk
Koneksi Bridging Antar Kantor Di Dinas Komunikasi Dan Informatika Kota Denpasar
I Gede Wahyu Pramartha ... 307
Analisis Metode Steganografi Advance LSB Pada Domain Transformasi Wavelet Menggunakan MSE, PSNR Dan SSIM
I Wayan Agus Wirayasa ... 312
Perancangan Dan Implementasi Sistem Informasi Kritik & Saran Pelayanan Public Kantor Imigrasi Kelas I Denpasar
Ni Putu Yanita Pratiwi ... 320 Analisis Storage Data Record Pada IP Camera Di Gedung Rektorat
Universitas Udayana
Ida Bagus Gede Yogi Permadi ... 327 Sistem Absensi Pegawai Dan Pendataan Tamu Berbasis Desktop (Studi
Kasus Biro Jasa House Of Bali)
Ni Nyoman Yuli Andari ... 332
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya 2014
194 | PS. Teknik Informatika, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Udayana IMPLEMENTASI IDENTIFIKASI LETAK IRIS MATA DENGAN TRANSFORMASI HOUGH DAN GABOR FILTER
I Gede Wahyu Surya Dharma
1, Agus Muliantara
21jurusan Ilmu Komputer, Fakultas Mipa, Universitas Udayana, Kampus Bukit Jimbaran, Badung, Bali
E-mail:igedewahyu.suryadharma@cs.unud.ac.id1,muliantara@cs.unud.ac.id2
ABSTRAK
Sistem biometri dapat memberikan identifikasi secara otomatis dari suatu individu berdasarkan ciri atau karakteristik unik yang dimiliki oleh individu tersebut. Pada saat ini pengenalan iris merupakan teknologi biometri yang relatif baru dengan beberapa keuntungan yang dimilikinya dari kestabilan dan keamanan. Sistem identifikasi letak iris terdiri dari proses segmentasi menggunakan metode transformasi Hough dan Gabor Filter yang kemudian citra iris yang di hasilkan disimpan sebagai iris template. Iris template ini berisi citra hasil segmentasi dan citra setelah di identifikasi letak iris dan pupil nya. Dalam penelitian ini digunakan data berupa citra iris keabuan yang diambil dari basis data citra iris mata casia. Sistem identifikasi iris ini mampu mengenali sebagian besar citra iris dengan tingkat keberhasilan 93% untuk citra query sama dengan citra pada basis data. Threshold dengan jarak mata dengan kamera berpengaruh sangat signifikan dalam sistem ini Kata kunci: Identifikasi Iris, Transformasi Hough, Gabor filter
ABSTRACT
Biometric system provides automatic identification of an individual based on a unique feature or characteristic possessed by each individual. At this time iris recognition is a relatively new biometric technology with some advantages such as stability and security. Iris location identification system consists of a segmentation process using Hough transformation method Gabor filter then generated iris image which is stored as an iris template. These iris templates consist of segmentation image and image of iris after identification the position of iris and its pupil. This study used grayscale iris data image are taken from the casia iris image database. This identification system able to recognize most of the image of the iris with a success rate over 93%
for the same query images within database images. Threshold and distance between eyes and iris is significantly effect to this system
Keywords: iris identification, Hough transformation, Gabor filter
1. PENDAHULUAN
Keamanan merupakan salah satu masalah yang sering dihadapi oleh manusia pada era globalisasi saat ini. Untuk menindak lanjuti masalah keamanan tersebut, pengenalan identitas manusia merupakan sebuah solusi yang dapat diterapkan di dalam sebuah sistem yang memerlukan tingkat keamanan data yang cukup tinggi. Identitas yang dipakai pada keamanan tersebut berupa bagian – bagian anggota tubuh manusia yang bisa dibuat menjadi fitur unik agar dapat mengakses keamanan dari sebuah sistem, yang diistilahkan dengan sistem biometri.
Ada pula beberapa bagian dari tubuh manusia yang dapat dijadikan biometri. Seperti, telapak tangan, sidik jari, suara manusia, iris mata,
dan lain-lain. Pada pola iris mata, memiliki beberapa sifat yang cukup stabil, mempunyai fitur dan bentuk yang bermacam- macam, tidak tergantung pada sifat genetik. Dengan demikian, sistem pengenalan identitas dengan iris mata sekarang dikembangkan sebagai tanda identifikasi pada setiap manusia.
Beberapa penelitian pengenalan iris mata sudah dilakukan sebelumnya (Daugman, 1994;
Wildes, 1997; Masek, 2003). Adapun Perbedaan antara penelitian iris mata yang satu dengan yang lainnya adalah terdapat pada metode ekstraksi fitur dan proses iris template matching. Dalam sistem identifikasi iris mata, inputan untuk sistem berupa gambar citra mata.
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya 2014
195 | PS. Teknik Informatika, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Udayana
2. MODEL, ANALISIS, DESAIN, DAN IMPLEMENTASI
2.1. Iris Mata
Selaput pelangi yang terdapat pada iris mata merupakan sebuah daerah berbentuk seperti gelang pada mata yang dibatasi oleh pupil dansklera (bagian putih dari mata). Tekstur selaput pelangi yang rumit dalam membawa informasi memiliki sifat sangat unik dan bermanfaat untuk pengenalan yang bersifat pribadi. Ketelitian dan kecepatan dari sistem identifikasi iris mata memiliki peluang dan sangat memungkinkan untuk digunakan pada sistem identifikasi yang berskala besar. Tiap selaput pelangi bersifat unik dan sama seperti sidik jari, tekstur selaput pelangi dari sepasang mata memiliki sifat yang berbeda pula. Tekstur dari selaput pelangi itu sendiri sangat sulit untuk dibongkar melalui pembedahan. Iris mata manusia dapat pula digunakan untuk kepentingan pengenalan seseorang yang memiliki tingkat keamanan yang cukup kompleks.
Hal ini didukung oleh sifat-sifat yang dimiliki iris mata manusia sebagai berikut [3]:
a) iris mata manusia sangat terlindungi posisinya dimana iris mata manusia merupakan organ dalam dari mata manusia.
b) Iris mata manusia hanya dapat terlihat dari suatu jarak tertentu.
c) pola iris mata manusia mempunyai derajat randomize yang tinggi.
d) Stabil (dalam hal posisi dan jumlahnya) selama manusia hidup.
e) Tidak bergantung pada sifat genetik.
Mempunyai tekstur dan struktur yang kompleks.
2.2. Identifikasi Letak Iris Mata
Identifikasi adalah proses pengenalan, menempatkan obyek atau individu dalam suatu kelas sesuai dengan karakteristik tertentu
[4]. Sehingga berdasarkan pengertian di atas menjadi dasar dari sistem identifikasi letak iris mata pada citra iris mata yang mana ruang lingkup dari sistem di ini hanya identifikasi, berbeda dengan pengenalan. Pengenalan adalah proses analisis lebih lanjut dengan bermacam-macam aspek pembeda sehingga di ketahui milik masing- masing individu.
2.3. Segmentasi Citra
Langkah awal yang dilakukan dalam sistem untuk mengidentifikasi letak iris mata adalah dengan melakukan segmentasi (memisahkan) daerah iris mata yang dipengaruhi oleh bulu mata dan kelopak mata. Proses segmentasi citra ini dilakukan dengan menggunakan deteksi tepi canny.
2.4. Deteksi Tepi Canny
Langkah awal dalam melakukan segmentasi adalah melakukan identifikasi ciri yang terdapat dalam citra yang berhubungan dengan penaksiran struktur dan sifat - sifat objek tersebut. Salah satu ciri dari suatu citra adalah tepi (edge). Tepi merupakan suatu ciri yang penting dalam analisis citra dan biasanya pembentukan tepi terjadi pada batas (boundary) antara dua daerah (region) yang berbeda dalam suatu citra[5].Operator Canny merupakan kombinasi dari Gaussian smoothing filter dan pendekatan gradient. Langkah-langkah dalam deteksi tepi Canny adalah sebagai berikut:
Gaussian filtering
Gaussian filtering merupakan proses filterisasi yang dilakukan untuk menghilangkan gangguan (noise) yang terdapat pada citra iris mata.
Algoritma:
Input: citra i
Konversi citra i dengan fungsi gaussian
S = i * g ( 1 )
S [ i . j ] = g [ l . j ] . < r [ I . j ] * l [ i . j ] ( 2 )
Output citra s : menghitung besar magnitudo dengan memperhitungkan arah gradient pada citra iris mata
Algoritma:
P[i, j ] - (s[i, j +1]" s [ i , j]+ s [ i +1, j +1]- s[i
+1, j]) 2 (3)
Q [ i , j ] - (s[i, j]-s[i +1, j]+s[i, j +1]-s[i +1, j
+1]) 2 (4)
Menghitung magnitudo m[i, j ] dan arah gradien 8 [ i , j ] adalah:
(5)
(6)
Non maximum suppression.
Algoritma:
Mencari arah vector d(i, j ) dari setiap gradien dengan merubah arah tepi gradien dari langkah 2 sebagai berikut:
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya 2014
196 | PS. Teknik Informatika, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Udayana
Jika 0 <0 < 22,50 dan 157,50 <0 < 1800 maka 0 = 100
Jika 22,50 <0 < 67,50 maka 0 = 450
Jika 67,50 <0 < 112,50 maka 0 = 900
Jika 112,50 <0 < 157,50 maka 0 = 1350
Buat mask 3 x3 dengan magnitudo pusat adalah maksimum lokal m b [ i j ] . Tentukan letak tetangganya yaitu sebelah kiri dan kanan m b [ i j ] sesuai arahnya. Lakukan untuk semua nilai magnitudo. Magnitudo pusat yang akan diselidiki selanjutnya adalah magnitudo yang tegak lurus dengan arah gradien dari magnitudo sebelumnya.
Bandingkan nilai magnitudo pusat dengan dua magnitudo tetangganya yang terletak sepanjang arah gradien magnitudo pusat yaitu m a [ i j ] dan m c [ i j ] . Nilai magnitudo yang baru adalah: [0, k]
Hysteresis thresholding
Hysteresis thresholding merupakan proses pengambangan dengan menggunakan dua nilai threshold yaitu l (low threshold) dan h (high threshold) [5].
Algoritma:
Input: citra dengan non maximum suppression
Tentukan nilai l (low threshold) dan h (high threshold)
Periksa setiap pixel yang ada pada citra terhadap nilai dari l (low threshold) dan h (high threshold):
o Jika pixel [i, j] > h maka pixel yang di pilih itu merupakan pixel tepi atau dapat disebut dengan strong pixel.
o Jika pixel [i, j] > l maka proses yang dilakukan adalah dengan menelusuri pixel berdasarkan arahnya sampai tidak ditemukan nilai yang sesuai dengan menghitung magnitudo pixel yang lebih besar dari l. Jika pixel yang diperoleh terhubung dengan sebuah strong pixel maka pixel yang di peroleh merupakan sebuah pixel tepi.
Abaikan pixel tersebut jika pixel [i, j] < l.
2.5. Gabor Filter
Sebuah Gabor filter dua dimensi terdiri atas dua gelombang sinusoida dari orientasi dan frekuensi, di modulasikan oleh sebuah envelope (sampul) Gaussian [9]. Gabor filter bekerja pada frekuensi dan orientasi yang selektif sesuai sifatnya. Sifat-sifat ini membuat filter di tuning agar menghasilkan respon maksimal pada ridge orientasi dan ridge frekuensi tertentu dalam pencitraan sidik jari. Untuk itu, tuning yang sempurna dari gabor filter dapat digunakan secara efektif untuk mempertahankan struktur citra saat terjadi pengurangan noise.
Gabor filter simetrik genap adalah bagian nyata dari fungsi gabor, yang diberikan oleh gelombang cosinus yang di modulasi oleh Gaussian (Gambar 1).
Gabor filter dalam domain spatial ditentukan oleh:
Dimana θ adalah orientasi gabor filter, f adalah frekuensi gelombang cosinus, x σ dan y σ adalah deviasi standar sifat gaussian sepanjang sumbu x dan y , dan θ x dan θ y mendefinisikan sumbu x dan y dari koordinat filter.
Gambar 44. Gabor filter simetris genap dalam spatial domain (Thai Raymond, 2003 )
Penerapan gabor filter untuk memperoleh peningkatan citra dilakukan sesuai rumus:
2.6. Hough Transform
Transformasi Hough menspesifikasikan kurva dalam bentuk parametrik. Kurva dinyatakan sebagai bentuk parametric[8] :
Dari parametrik u. Bentuk parametrik tersebut menspesifikasikan titik-titik sepanjang kurva dari titik awal kurva p1 = (x(u1), y(u1)) ke titik p2 = (x(u2), y(u2)).
Transformasi Hough menggunakan mekanisme voting untuk mengestimasi nilai parameter. Setiap titik di kurva menyumbang suara untuk beberapa kombinasi parameter. Parameter yang memperoleh suara terbanyak terpilih sebagai pemenang.
3. PERANCANGAN SISTEM DAN SKENARIO UJI COBA
3.1. Alur sistem identifikasi letak iris mata Alur sistem identifikasi letak iris mata dapat dilihat pada bagan di bawah ini :
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya 2014
197 | PS. Teknik Informatika, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Udayana
Gambar 45. Diagram Alur Proses Identifikasi Letak Iris Mata pada Citra Iris Mata
Secara garis besar, proses dari terdiri dari :
Memilih citra iris mata yang akan digunakan sebagai citra masukan
Melakukan proses segmentasi citra yang berguna/ untuk memisahkan citra iris dari citra mata
Melakukan ekstraksi fitur untuk mendapatkan ciri unik dari mata
Kemudian normalisasi citra iris untuk membersihkan noise dan hanya mengambil bagian iris dan tidak membuang bagian pupil dan alis mata
Citra mata dapat di identifikasi letak iris matanya
3.2. Perancangan perangkat lunak
Adapun perancangan perangkat lunak dari sistem identifikasi letak iris mata terdiri dari :
Segmentasi citra iris mata dengan mempergunakan basisdata dari citra iris mata membedakan lingkaran pupil dan lingkaran iris mata yang notabene bukan merupakan lingkaran yang bulat sempurna. Sehingga untuk memperolehnya sangat sulit dan diperlukan perhitungan yang rumit. Untuk mempermudah pencarian, dalam segmentasi ini, dilakukan pendekatan asumsi bahwa lingkaran pupil dan lingkaran pada iris mata memiliki bentuk lingkaran yang bulat sempurna. Langkah pertama dalam segmentasi iris mata adalah mencari luasan besar lingkaran pupil, titik tengah dan radiusnya. Langkah-langkah yang dilakukan adalah pengambangan (thresholding), penghalusan (smoothing), yang pada akhirnya akan ditemukan luas dari titik tengah pupil dan jari-jarinya.
Pendeteksian tepi citra mata yang sudah menjadi citra input akan dilakukan pendeteksian tepi agar
mendapatkan ciri atau fitur dari iris itu sendiri.
Setelah itu, akan dibandingkan dengan citra lainnya, apakah fitur yang ada di citra mata input akan sama dengan citra input pembandingnya.
4. HASIL UJI COBA
Sistem untuk mengenali iris mata manusia yang akan dibangun terdiri dari dua sistem yaitu sistem pembentukan basis data dan sistem yang akan mengidentifikasi letak iris mata manusia. Sistem pembentukan basis data berfungsi untuk membuat basis data ciri citra mata (iris template). Sedangkan sistem yang melakukan identifikasi mengenai letak iris mata manusia berfungsi untuk mengidentifikasi suatu citra query yang berupa citra mata. Data yang digunakan dalam penelitian ini adalah data citra mata keabuan dengan level 256 milik china yaitu casia
(
Chinese Academy Of Sciences-Institute Of Automation) dalam format bitmap (bmp). Pengujian sistem dilakukan berdasarkan citra mata yang digunakan sebagai citra query dan citra dalam basis data. Oleh karena itu citra mata dibagi dua yaitu untuk mata yang sama dan mata yang berbeda.Pada proses pengujian, seperti yang di perlihatkan pada gambar 3. bagian picturebox lines dan noise pada grup noise menampilkan hasil identifikasi letak iris mata, citra ini di segmentasi dan di identifikasi melalui picturebox iris pada grup iris.
Citra hasil identifikasi yang berada pada picturebox lines dan noise pada grup noise kemudian di normalisasi pada tab Normalization seperti pada gambar 4. Proses normalisasi ini ditujukan untuk memisahkan antara bagian pupil, iris mata, dan bulu mata yang ada pada citra iris mata ini. Proses ini untuk memudahkan jika nanti nya akan dilakukan proses pengenalan terhadap pemilik dari iris mata yang di uji.
Gambar 46. Proses Untuk Menganalisis Citra Iris Mata, Dari Menentukan Threshold, Estimasi Besar Iris
Mata, Dan Estimasi Besar Pupil
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya 2014
198 | PS. Teknik Informatika, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Udayana
Gambar 47. Setelah Proses Analisis Selesai, Tahap Selanjutnya Adalah Normalisasi Iris Mata, Untuk Mendapatkan Posisi Iris Dan Membuang Bagian Pupil
Dan Alis Mata
Gambar 48. Bermacam-Macam Filter Yang Lakukan Dengan Menggunakan Metode Gabor Filter, Untuk
Melihat Perubahan Yang Terjadi Dengan Masing- Masing Filter
Citra query sama dengan citra basis data adalah citra mata yang diambil dari mata yang sama dan diambil dalam periode yang sama. Pengujian dilakukan terhadap 15 mata yang berbeda dan setiap mata rata-rata diambil 1 citra dengan menggunakan threshold sebesar 50 untuk besar pupil dan 90 untuk besar iris. Dari hasil tabel 1 dapat dinyatakan bahwa untuk citra query yang sama dengan citra basis data, sistem pengidentifikasi berhasil mengenali citra mata dengan tingkat keberhasilan sebesar 93%. Dengan demikian sistem dapat mengenali hampir semua citra query dengan benar.
Table 1. Tabel Perbandingan Citra Iris Mata Uji dengan Citra Iris Mata Pada Database
5. KESIMPULAN
Berdasarkan penelitian yang telah dilakukan maka dapat diambil kesimpulan bahwa untuk data - data citra yang digunakan dalam penelitian ini, sistem dapat mengenali citra mata dengan prosentase tertinggi 100% untuk citra query sama dengan citra yang disimpan cirinya dalam basis tetapi hasil yang di dapatkan semakin menurun tingkat persentase dengan jumlah citra yang makin banyak. Hal ini penting mengingat bahwa ada banyak factor yang menyebabkan apakah sistem dapat mengetahui letak persis sebuah iris, yang utama adalah jarak kamera dengan mata, semakin beragam jarak mata dengan kamera, maka dengan threshold yang konstan akan menghasilkan hasil yang bervariasi dari proses identifikasi ini, maka dari itu penting untuk menjaga agar posisi mata dengan kamera konstan agar sistem dapat mengetahui letak pasti dari iris mata
6. Daftar pustaka
[1] Chinese academy of sciences -institute of automation, october 2005, database of grayscale eye images.
[2] http://www.sinobiometrics.com. Version 1.0.
[3] nabilah shabrina, saiful akbar, peb ruswono aryan, 2013, " palmprint authentication in smartphone using phase-only correlation method". International conference advanced computer science and information system (icacsis 2013).
[4] ma, l and t. Tan, 2003, ”personal identification based on iris textural analysis", ieee transaction on pattern analysis and machine intelligence.
[5] kusuma, a.a. , 2009, "pengenalan iris mata menggunakan pencirian matriks ko-okuren si a ras keabuan", skripsi s-1, universitas diponegoro, semarang.
[6] Heaton, J., "Introduction to Neural Network withJava",http://www.heatonresearch.eom/articl es/6/p age2.html, 2003. (diakses terakhir pada tanggal 7 Oktober 2014 jam 14.35 WITA).
[7] Kusumadewi, Sri, 2003, "Artificial N
o
Jumlah citra query
Jumlah citra basis data
Pengujian Kebe
rhasil an (%) Dikenali
benar
Dike nali salah
Tidak diken ali
1 1 1 1 0 0 100
2 3 3 3 0 0 100
3 5 5 5 0 0 100
4 8 8 8 0 0 100
5 10 10 9 0 0 90
6 15 15 14 0 0 93.3
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya 2014
199 | PS. Teknik Informatika, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Udayana
Intelligence(Teknik dan Aplikasinya)", Graha Ilmu, Yogyakarta.
[8] Munir, Rinaldi, "Pengolahan Citra Digital dengan pendekatan algoritmik" , Informatika, Bandung, 2004.
[9] Murni, Aniati, "Pengantar Pengolahan Citra", Elex Media Komputindo, Jakarta, 1992.
[10] Nur Yusuf Oktavia, Ahmad Zakky, Riyanto Sigit, Miftahul Huda, 2002, "Aplikasi Jaringan Syaraf Tiruan untuk Pengenalan Huruf pada Pengolahan Citra Digital Berbasis Web".
[11] Rajasekaran S.,GA. Vijayalakshmi Pai, "Neural Network, Fuzzy Logic and Genetic Algorithms", Prentice-Hall of India, New Delhi, 2005.
