PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS
MATA MENGGUNAKAN METODE GABOR
WAVELET PADA EKSTRAKSI CIRI
SKRIPSI
PRISILIA LUKAS
081401039
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2013
PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR
WAVELET PADA EKSTRAKSI CIRI
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer
PRISILIA LUKAS 081401039
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2013
PERSETUJUAN
Judul : PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI
Kategori : SKRIPSI
Nama : PRISILIA LUKAS Nomor Induk Mahasiswa : 081401039
Program Studi : S1 ILMU KOMPUTER Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) SUMATERA UTARA
Diluluskan di Medan, Maret 2013 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Syurahbil,S.Si,MCompSc Prof. Dr. Opim Salim Sitompul NIP 1975022722008101001 NIP 196108171987011001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
Dr. Poltak Sihombing, M.Kom NIP 196203171991031001
PERNYATAAN
PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABORWAVELET
PADA EKSTRAKSI CIRI
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Maret 2013
PRISILIA LUKAS 081401039
PENGHARGAAN
Puji dan syukur saya ucapkan kehadirat Tuhan Yang Maha Esa yang selalu memberikan berkat dan perlindunganNya, sehingga saya dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih saya sampaikan kepada Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, serta bapak Dr. Poltak Sihombing, M.Kom dan ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Ketua dan sekretaris Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi USU. Ucapan terima kasih juga ditujukan kepada bapak Prof. Dr. Opim Salim Sitompul dan bapak Syurahbil, S.Si, M.comp.Sc selaku pembimbing I dan pembimbing II pada penyelesaian skripsi ini yang telah memberikan panduan dan penuh kepercayaan kepada saya untuk menyempurnakan kajian ini. Panduan ringkas dan padat dan profesional telah diberikan kepada saya agar dapat menyelesaikan tugas ini. Terima kasih yang mendalam juga saya ucapkan kepada bapak Dr. Poltak Sihombing, M.Kom dan bapak Sajadin Sembiring S.Si, M.comp.Sc. selaku pembanding I dan pembanding II yang telah memberikan kritik dan masukan-masukan positif guna penyempurnaan skripsi ini.
Ucapan terima kasih juga ditujukan kepada ibunda tercinta, Anthon Mezak Lukas dan Lusye Panoto yang telah memberikan semangat dan motivasi dan yang selalu sabar dalam mendidik saya serta kakak dan abang saya, Nancy Lukas, Dalisang Lukas yang telah banyak berjasa dan selalu memberi dorongan serta bantuan baik moril maupun meteril. Selain itu, penulis juga mengucapkan banyak terima kasih kepada sahabat-sahabat dan teman-teman angkatan 2008 serta junior dan senior di Program Studi S1 Ilmu Komputer yang telah memberi motivasi, semangat serta dukungan dalam menyelesaikan skripsi ini.semua dosen dan pegawai pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Infromasi USU yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
ABSTRAK
Penelitian yang disajikan pada tugas akhir iniKata Kunci : Iris, Segmentasi, Normalisasi, Ekstraksi, Gabor Wavelet.
adalah bagaimana mengimplementasikan metode pengenalan citra iris ke dalam perangkat lunak. Pembuatan sistem sebatas mampu mengenali citra iris database dengan memilih metode pengenalan citra yang dianggap sederhana untuk tahap pemula yang ingin membangun suatu sistem pengenalan citra iris yang pada umumnya dianggap sulit untuk mengimplemetasikan ke dalam bentuk software. Untuk melakukan pengujian terhadap sistem dipakai database digital dari CASIA (Chinese Academy of Science Institute of Auutomation) Iris Database. Sistem pengenalan iris terdiri dari proses segmentasi yaitu Gaussian filter, grayscale, binerisasi, deteksi tepi sobel dan terakhir transformasi Hough. Wilayah hasil segmentasi kemudian dinormalisasikan dengan menggunakan Daugman Rubber Sheet setelah selesai kemudian masuk ke dalam ekstraksi ciri menggunakan Gabor Wavelet, hasil ekstraksi dengan mengkodekan pola unik iris ke dalam bentuk template bit biometrik. Jarak hamming digunakan untuk hasil pengujian template iris. Hasil akhir yang diperoleh adalah sistem mampu mengenali citra yang diuji dengan membandingkan yang ada dalam database dengan akurasi tertentu. Sistem mampu mengenali dengan baik pada 100 citra mata yang berbeda, untuk 50 citra mata yang berbeda sudah tersimpan lebih dahulu dalam database, setiap mata terdiri dari 3 citra mata yang sama baik bentuk dan jaraknya masing-masing diberi noise yang berbeda pada citra tersebut. Jadi dalam perancangan sistem aplikasi pengenalan citra ini kontribusi saya sebagai peneliti adalah bagaimana merancang aplikasi pengenalan iris mata yang sederhana dengan mengimplementasikan Gabor Wavelet pada ekstraksi ciri.
ABSTRACT
The research presented in this thesis is how to implement iris image recognition methods into the software. Making the system is able to recognize the extent of iris image database by selecting the image recognition method is considered simple for beginners who want to build the stage of an iris recognition system image that is generally considered difficult to implement into the form of software. For perform testing of the system used digital database of CASIA (Chinese Academy of Science Institute of Auutomation) Iris Database. Iris recognition system consists of the segmentation process is Gaussian filters, grayscale, threshold, Sobel edge detection and Hough transformation recent. Region segmentation results then normalized by using Daugman Rubber Sheet after then get into using the Gabor wavelet feature extraction, the extraction of the unique iris patterns to encode the bits of biometric templates. Hamming distance is used to test the results of the iris template. The final result obtained is a system capable of recognizing tested by comparing the images in the database with a certain accuracy. The system is able to recognize well over 100 different eye images, for 50 different eye images are first stored in the database, each eye consists of three images of the same eye both shape and distance were each given a different noise in the image. Thus in the design of image recognition application system these my contribution as researchers is how to design iris recognition application is simple to implement the the Gabor wavelet of feature extraction.
DAFTAR ISI Halaman Persetujuan ii Pernyataan iii Penghargaan iv Abstrak v Abstract vi
Daftar Isi vii
Daftar Tabel x Daftar Gambar xi Bab 1 Pendahuluan 1 1.1 Latar Belakang 1 1.2 Rumusan Masalah 2 1.3 Batasan Masalah 2 1.4 Tujuan Penelitian 3 1.5 Manfaat Penelitian 3 1.6 Metode Penelitian 3 1.7 Sistematika Penulisan 4
Bab 2 Landasan Teori 5
2.1 Sistem Biometrik 5
2.1.1 Modul dalam Sistem Biometrik 7 2.1.2 Perbandingan Biometrik 7 2.2 Mata Sebagai Sistem Biometrik 8
2.2.1 Pupil Mata 9
2.2.2 Iris Mata 10
2.3 Sistem Pengenalan Iris Mata 11 2.4 Beberapa Metode Sistem Biometrik Iris Mata 12 2.4.1 Representasi Citra Digital 12
2.4.2 Segmentasi 13
2.4.2.1 Gaussian Filter 13 2.4.2.2 Grayscale 14 2.4.2.3 Treshold (Binerisasi) 14 2.4.2.4 Deteksi Tepi Sobel 14 2.4.2.5 Transformasi Hough 15
2.4.3 Normalisasi 16
2.4.3.1 Daugman Rubber Sheet Model 16 2.4.4 Gabor Wavelet 17 2.4.5 Pencocokan (Matching) 18
2.5 Flowchart 19
Bab 3 Perancangan dan Implementasi 20
3.1 Perancangan 20
3.1.1.1 DFD Level 0 21 3.1.1.2 DFD Level 1 22
3.1.2 Kamus Data 25
3.1.3 Relasi Antar Entitas 27 3.1.4 Perancangan Flowchart 28 3.1.5 Gambaran Umum Sistem 29 3.1.6 Perhitungan dari Sistem Pengenalan Citra Iris 30 3.1.6.1 Pengolahan Awal 30 3.1.6.2 Segmentasi 32 3.1.6.2.1 Gaussian Filter 32 3.1.6.2.2 Grayscale 39 3.1.6.2.3 Threshold (Binerisasi) 40 3.1.6.2.4 Deteksi Tepi 42 3.1.6.3 Normalisasi 44 3.1.6.4 Ekstraksi fitur 45 3.1.6.5 Pencocokan Iris Mata 46 3.1.7 Spesifikasi Rancangan Algoritma Program Utama Aplikasi 47 3.1.7.1 Algoritma Program Rancangan Template 47 3.1.7.2 Algoritma Program Segmentasi 47 3.1.7.3 Algoritma Program Normalisasi 48 3.1.7.4 Algoritma Program Encoding 49 3.1.7.5 Algoritma Program Hamming Distance 49 3.1.7.6 Algoritma Program Koordinat Lingkaran 50 3.1.7.7 Algoritma Program Koordinat Garis 50 3.1.7.8 Algoritma Program Hough 51 3.1.7.9 Algoritma Program Gabor Wavelet 51 3.2 Rancangan Antarmuka Pengguna (User Interface) 52 3.2.1 Rancangan Menu Utama 52
3.2.2 Rancangan Login 53
3.2.3 Rancangan Pengenalan 53 3.2.4 Rancangan Data Pendukung 54 3.2.5 Rancangan Data Iris 54
3.3 Implementasi 55
3.3.1 Tampilan Menu Utama 55 3.3.2 Tampilan Menu Masuk 55 3.3.3 Tampilan Login 56 3.3.4 Tampilan Menu Pengenalan Iris 56 3.3.5 Tampilan Data Iris 57 3.3.6 Tampilan Pengujian Pemasukan Data Iris dan Template 57 3.3.7 Tampilan Pengujian Identifikasi 59 3.3.8 Tampilan hasil Pengujian 61
Bab 4 Hasil dan Pembahasan 63
4.1 Hasil dan Pembahasan Pengujian Proses Citra Iris Mata 63 4.1.1 Hasil Segmentasi (Deteksi Tepi Sobel) Citra Iris Mata 63 4.1.2 Hasil Segmentasi (Transformasi Hough) Citra Iris Mata 64 4.1.3 Hasil Koordinat Pusat dan Jari-Jari dan Pupil Mata 65 4.1.4 Hasil Ekstraksi Gabor Wavelet 65 4.1.5 Hasil Uji Coba Pencocokan 65 4.1.5.1 Pencocokan Hasil Citra Query dengan Database 66
Bab 5 Kesimpulan dan Saran 67
5.1 Kesimpulan 67
5.2 Saran
DAFTAR TABEL
Halaman 2.1 Perbandingan Karakteristik Biometrik 8
2.2 Simbol-Simbol Flowchart Program 19
3.1 Tabel User 25
3.2 Tabel Hasil 26
3.3 TabelTemplate 26
3.4 Matriks Kernel Gaussian 2D 5x5 32 3.5 Matriks Citra Iris Heksadesimal 33 3.6 Nilai Heksadesimal Diubah dalam Desimal 33 3.7 Hasil Dari Konvolusi Citra Dengan Matriks Kernel 34 3.8 Hasil Matriks Citra Iris RGB 38 4.1 Hasil Segmentasi (Deteksi Tepi Sobel) Citra Iris Mata 63 4.2 Hasil Segmentasi (Transformasi Hough) Citra Iris Mata 64 4.3 Hasil Koordinat Pusat dan Jari-jari Iris Mata 65 4.4 Hasil Koordinat Pusat dan Jari-jari Pupil 65
4.5 Hasil Ekstraksi 65
DAFTAR GAMBAR
Halaman 2.1 Anatomi Mata Bagian Luar 8
2.2 Pupil Mata 9
2.3 Anatomi Iris Mata 10
2.4 Tahapan Sistem Pengenalan Iris 11 2.5 Fungsi Koordinat sebagai Representasi Citra Digital 12 2.6 Kernel Filter Gaussian untuk ukuran 5 x 5 14 2.7 Ilustrasi Daugman Rubber Sheet Model 17 3.1 Proses Pengolahan Iris Mata 20
3.2 DFD Level 0 21
3.3 DFD Level 1 22
3.4 Relasi Antar Entitas 27
3.5 Tahap Penyimpanan 28
3.6 Tahap Pengujian 28
3.7 Skema Sistem 29
3.8 Data Citra Digital Iris 30 3.9 Matriks Nilai Grayscale Citra 40 3.10 Matriks RGB Citra Iris 41
3.11 Matriks Citra Biner 42
3.12 Citra Iris Biner 42
3.13 Duah Buah Matriks Kernel 43 3.14 Matriks Citra 3x3 Piksel dengan Dua Filter 44 3.15 Nilai Konvolusi (M) Sekitar Piksel 3x3 43 3.16 Matriks Hasil Deteksi Tepi Citra 3x3 44 3.17 Model Normalisasi Daugman Rubber Sheet 44
3.18 Hasil Ekstraksi Fitur 46
3.19 Template Iris Mata 47
3.20 Rancangan Menu Utama 51
3.21 Rancangan Login 51
3.22 Rancangan Identifikasi 52 3.23 Rancangan Data Pendukung 53
3.24 Rancangan Data Iris 53
3.25 Tampilan Menu Utama 54
3.26 Tampilan Login 55
3.27 Tampilan Pengenalan 55
3.28 Tampilan Data Iris 56
3.29 Tampilan Awal Pemasukan Citra Iris dan Template 56 3.30 Tampilan Kotak Dialog Pemilihan Citra Iris Pengujian 57 3.31 TampilanPemilihan Citra Iris 57 3.32 Tampilan Hasil Template Iris Dalam Citra dan Biner 58 3.33 TampilanPesan Penyimpanan 58 3.34 Tampilan Awal Identifikasi 58 3.35 Tampilan Kotak Dialog Pemilihan Citra Iris Pengujian 59 3.36 Tampilan Pemilihan Citra Iris Pengujian 59
3.37 Tampilan Pemilihan Citra Iris Database 60 3.38 Tampilan Hasil Identifikasi Citra Pengujian 60 3.39 Tampilan Hasil Pengujian 61
