Perancangan Sistem Identifikasi Biometrik Iris Mata Menggunakan Metode Transformasi Hough
Manogu Supriadi Purba
Teknik Informatika, STMIK Budi Darma. Medan, Indonesia Email:[email protected]
Abstrak
Sistem biometrik memberikan identifikasi secara otomatis dari individu berdasarkan ciri atau karakteristik unik yang dimiliki setiap individu. Pada saat ini identifikasi iris mata merupakan teknologi biometrik yang relatif baru dengan beberapa keuntungan yan g dimilikinya seperti kestabilan dan keamanan .Sistem pengenalan iris mata terdiri dari proses segmentasi dan ekstraksi ciri menggunakan transformasi hough dan disimpan sebagai iris template. Dalam penelitian ini digunakan data citra mata keabuan.
Hasil penelitian menunjukkan bahwa dari mata yang sama, sistem pengenalan iris mampu mengenali citra mata dengan tingkat keberhasilan 100%. Untuk menciptakan hal tersebut diatas penulis melakukan penelitian, sistem pengenalan untuk iris mata.
Proses pengenalan yang di lakukan adalah dengan mencari suatu ekstraksi ciri dengan Transformasi Hough. Filter ini digunakan untuk mengetahui mata siapa yang paling sesuai dengan yang ada di dalam database. Percobaan yang di lakukan untuk proses pengenalan ini diambil dari citra mata skala keabuan yang siap untuk diproses.
Kata Kunci: Identifikasi, Iris mata, Segmentasi, Transformasi, Hough
I. PENDAHULUAN
Iris mata merupakan salah satu organ internal yang dapat dilihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata sehingga organ tubuh ini tidak dapat digantikan oleh organ lain yang ada pada tubuh manusia. Pada mata manusia tersimpan banyak sekali informasi yang dapat diolah melalui iris mata maupun retina mata.
Informasi-informasi yang tersimpan ini dapat meliputi kondisi tubuh manusia yang bersangkutan, dan kode genetis yang membedakan manusia satu dengan yang lainnya. Kode genetis ini bersifat unik dimana setiap manusia memiliki kode genetisnya masing-masing dan saat ini memiliki peranan untuk mengindentifikasi seseorang. Kode genetis ini selain pada mata manusia juga dapat ditemukan pada sidik jari, bentuk geometris telapak tangan, telapak tangan, bentuk telinga dan pada wajah.
Dahulu cara untuk mengidentifikasi manusia digunakan wajah maupun kode sandi, tetapi dua cara ini memiliki kekurangan yaitu wajah manusia dapat berubah dan manusia rentan untuk lupa akan kode sandinya, sehingga dalam beberapa tahun terakhir, identifikasi seseorang berdasarkan biometrik telah berkembang dan dikebangkan dengan pesat dikalangan industri maupun akademis. Identifikasi berdasarkan biometrik ini menggunakan tubuh manusia sebagai media untuk menggali informasi. Terdapat dua jenis biometrik diantaranya adalah physiological (iris mata, wajah dan sidik jari) dan behavioural (suara dan tulis tangan)[1]. Pengenalan iris mata adalah jenis biometrik yang di dasarkan pada fitur physiological.
Untuk menciptakan hal tersebut diatas penulis melakukan penelitian, sistem
pengenalan untuk iris mata. Proses pengenalan yang di lakukan adalah dengan mencari suatu ekstraksi ciri dengan Transformasi Hough. Filter ini digunakan untuk mengetahui mata siapa yang paling sesuai dengan yang ada di dalam database. Percobaan yang di lakukan
untuk proses pengenalan ini diambil dari citra mata skala keabuan yang siap untuk diproses.
Pada penelitian ini penulis melakukan penggalian data untuk melakukan proses identifikasi iris mata dengan menggunakan transformasi hough. Pemanfaatan metode Transformasi Hough sendiri telah digunakan sebelumnya, Pada penelitian sebelum penulis menggunakannya didalam penelitian ini. Salah satunya jurnal yang dilakukan oleh I Made Gede Sunarya dengan judul “ Deteksi Kemiringan Citra Dokumen Berbasis Transformasi Hough untuk Deteksi Baris pada Citra Dokumen Aksara Bali [2] “Penelitian ini bertujuan untuk mengetahui pengaruh deteksi kemiringan terhadap deteksi baris pada dokumen citra aksara Bali. Penelitian selanjutnya dari [3]. dengan judul“
Deteksi Katarak Menggunakan Metode Transformasi Hough Berbasis Android. Katarak biasanya tumbuh secara perlahan dan tidak menyebabkan rasa sakit. Pada tahap awal kondisi ini hanya akan mempengaruhi sebagian kecil bagian dari lensa mata anda dan mungkin saja tidak akan mempengaruhi pandangan. Saat katarak tumbuh lebih besar maka noda putih akan mulai menutupi lensa mata dan mengganggu masuknya cahaya ke mata. Awalnya cahaya yang terang dan kacamata dapat membantu penglihatan. Ketika hal ini sangat mengganggu aktivitas keseharian, maka operasi merupakan prosedur yang dibiutuhkan. Pada tugas akhir ini akan menggunakan metode Transformasi Hough.
Metode ini akan mengekstrasi ciri pada citra untuk memperoleh informasi yang diinginkan dalam pengujian. Kemudian menggunakan K-Nearest Neighbor sebagai pengklasifikasi citra dengan parameter uji titik pusat dan skala keabuan. Akurasi yang dihasilkan adalah sebesar 85,18%. Hal ini menujukkan bahwa transformasi hough dapat membantu proses segmentasi citra untuk pendeteksian mata katarak.
II. TEORITIS
2.1 Citra Digital
Citra atau gambar dapat didefenisikan sebagai sebuah fungsi dua dimensi, f(x,y), dimana x dan y adalah koordinat bidang datar, dan harga fungsifdisetiap pasangan koordinat (x,y) disebut intensitas atau level keabuan (grey level) dari gambar dititik itu. Jika x,y dan f semuanya berhingga (finite) , dan nilainya diskrit, maka gambarnya disebut citra digital (gambar digital).
Sebuah citra digital terdiri dari sejumlah elemen yang berhingga, dimana masing-masing mempunyai lokasi dan nilai tertentu. Elemen-elemen ini disebut sebagai picture elemen, image element, pels atau pixels [4].
2.2 Identifikasi
Identifikasi adalah penempatan atau penentu identitas seseorang atau benda pada suatu saat tertentu. Proses identifikasi terjadi apabila individu meniru perilaku seseorang atau sikap kelompok lain dikarenakan sikap tersebut sesuai dengan apa yang dianggapnya sebagai bentuk hubungan yang menyenangkan antara dia dengan pihak lain termaksud. Pada dasarnya proses identifikasi merupakan sarana atau cara untuk memelihara hubungan yang diinginkan dengan orang atau kelompok lain dan cara untuk menopang pengertiannya sendiri mengenai hubungan tersebut.
Berdasarkan pendapat para ahli, dapat ditarik kesimpulan bahwa identifikasi adalah penentuan identitas seseorang atau benda pada suatu saat tertentu [5].
2.3 Biometrik
Biometrik adalah studi untuk mengenali seseorang secara unik. Didukung faktor harga yang semakin terjangkau dan bisa diterapkan pada banyak sektor, teknologi ini akan menggusur kata sandi Password atau pun kartu (misal credit card sebagai alat autentikasi maupun identifikasi. Kemajuan pesat dalam jaringan komunikasi mapun mobilitas alat memang membutuhkan metode yang handal untuk mengidentifikasi seseorang. Cara yang dikembangkan ialah dengan menggunakan biometrik, yaitu suatu keadaan fisik tertentu ataupun suatu perilaku tertentu unik yang ada pada seseorang[6].
2.4 Mata
Mata adalah organ penglihatan. Mata mendeteksi cahaya dan mengubahnya menjadi impuls elektrokimia pada sel saraf. Pada organisme yang lebih tinggi, mata adalah sistem optik kompleks yang mengumpulkan cahaya dari lingkungan sekitarnya, mengatur intensitasnya melalui diafragma, memfokuskan melalui penyesuaikan lensa untuk membentuk sebuah gambar, mengkonversi gambar tersebut menjadi satu himpunan sinyal listrik, dan mentransmisikan sinyal-sinyal ke otak melalui jalur saraf kompleks yang menghubungkan mata melalui saraf optik menuju korteks visual dan area lain dari otak. Mata dengan daya resolusinya memiliki sepuluh bentuk yang berbeda secara fundamental, dan 96% dari spesies hewan memiliki sistem optik yang
kompleks. Mata kompleks ini mampu membentuk gambar, seperti pada moluska, kordata, dan artropoda [6].
2.4 Transformasi Hough
Transformasi Hough (TH) merupakan teknik pengalokasian bentuk-bentuk dalam gambar. Secara khusus, transformasi ini digunakan untuk ekstrasi garis, lingkaran, dan elips. Untuk ekstrasi garis, definisi matematisnya ekuivalen. TH diperkenalkan oleh Hough dan kemudian digunakan untuk menemukan bubble.
Transformasi Hough adalah sebuah metode yang dapat digunakan untuk mengisolasi feature tertentu dalam sebuah citra. Tujuan dari transformasi Hough adalah menentukan garis teoritis yang mana melewati titik - titik penting pada suatu image. Di dalam penelitian ini dipakai dua jenis yaitu mendeteksi garis lurus dan mendeteksi lingkaran. Dalam penelitian ini digunakan untuk mendeteksi bentuka lingkaran didalam citra.Cara yang paling sederhana mendeteksi garis lurus adalah menemukan semua garis yang ditentukan oleh dua buah pixel dan memeriksa apakah sebagian dari pixel tepi termasuk ke dalam garis tersebut (cara exhaustive search) [6]. Transformasi Hough dapat juga digunakan untuk mendeteksi bentuk lingkaran di dalam citra. Persamaan lingkaran yang berpusat di titik (a, b) dengan jari-jari r adalah
( x − a)2 + ( y − b)2 = r 2
Jadi, ruang parameter untuk lingkaran adalah r – a – b ,sehingga matriks trimatra P(r , a, b) dibutuhkan untuk menyimpan perhitungan suara. Persamaan polar untuk setiap titik ( x, y) di lingkaran:
x = a + r cos q y = b + r sin q
Persamaannya dapat ditulis : a = x – r cos q
b = y – r sin q)
III. ANALISA DAN PEMBAHASAN 3.1 Analisa Iris Mata
Pengenalan iris mata adalah cara mengidentifikasikan mata manusia berdasarkan gambaran bentuk pola dari iris mata. Otak manusia memiliki kemampuan yang handal dalam melakukan pengenalan iris mata tersebut.
Namun mata manusia memiliki keterbatasan untuk dapat mengenali dua buah iris mata yang memiliki pola yang hampir sama, walaupun sebenarnya manusia mampu melakukannya namun dubutuhkan waktu lama.
Dengan berkembangnya dan semakin meluasnya penggunaan komputer, diharapkan kemampuan pengenalan iris yang dimiliki oleh manusia dapat diadopsi pada perangkat pintar tersebut.
Pendeteksian dengan Transformasi Hough dilakukan dengan menggunakan citra grayscale yang kemudian dilanjutkan dengan manghapus noise pada citra mata dan membuat kahalusan batas melingkar kabur (blur) dari citra dengan Gaussian Blur untuk menghindari kesalahan pada pendeteksian lingkaran.
Kemudian dilakukan pendeteksian tepi dengan canny.
Selanjutnya pendeteksian iris dilakukan dengan penentuan minumum dan maksimal radius parameter Hough dengan nilai masing-masing 0.
Dalam analisis metode ini, langkah pertama yang harus dilakukan ialah melakukan input citra dengan menggunakan foto berukuran 256 piksel/inchi, gambar yang diinputkan dapat berekstention berupa .jpeg. Setelah citra diinputkan maka sistem akan melakukan proses pengambilan nilai piksel masing- masing dari Red,Green dan Blue (RGB).
Namun dalam bab ini yang akan dijelaskan hanya perhitungan untuk satu kali proses yaitu pengambilan 25 piksel. Pengambilan 25 piksel ini dikarenakan ukuran kernel/filter yang akan digunakan berukuran 5 x 5.
Langkah-langkah yang dilakukan dalam identifikasi iris mata adalah sebagai berikut:
1. Merubah citra RGB menjadi citra Grayscale.
2. Segmentasi citra untuk mendapatkan citra mata yang hendak di identifikasi, dalam kasus ini metode yang digunakan adalah metode gaussian.
3. Setelah proses segmentasi, maka dilakukan proses deteksi tepi citra untuk memperjelas daerah arah tepi yang dikatakan sebagai iris mata, dalam kasus ini metode yang akan digunakan adalah metode canny.
4. Selanjutnya adalah proses identifikasi iris mata dengan menggunakan metode transformasi hough.
Adapun pengambilan 25 piksel tersebut dapat dilihat pada gambar berikut.
Gambar 1. Citra input
Dari 25 buah piksel gambar diatas, akan diambil nilai intensitas dari masing-masing piksel dengan menggunakan bantuan aplikasi Matlab.
Tabel 1. RGB Citra R: 164
G: 145 B: 141
R: 31 G: 13 B: 9
R: 76 G: 60 B: 60
R: 179 G: 170 B: 171
R: 171 G: 176 B: 180 R: 121
G: 102 B: 98
R: 86 G: 68 B: 64
R: 106 G: 90 B: 90
R: 152 G: 146 B: 146
R: 153 G: 158 B: 162 R: 193
G: 175 B: 171
R: 199 G: 184 B: 179
R: 200 G: 186 B: 185
R: 63 G: 57 B: 57
R: 74 G: 79 B: 83 R: 224
G: 206 B: 202
R: 199 G: 184 B: 179
R: 80 G: 69 B: 67
R: 62 G: 58 B: 57
R: 79 G: 87 B: 90 R: 210
G: 195 B: 190
R: 182 G: 169 B: 163
R: 62 G: 52 B: 50
R: 48 G: 47 B: 45
R: 66 G: 76 B: 78
Sebelum dilakukan proses analisis metode gaussian, akan dilakukan terlebih dahulu proses perubahan yakni jenis citra berwarna akan di ubah menjadi citra grayscale, dimana jenis citra berwarna ini merupakan jenis citra yang menyajikan warna dalam bentuk komponen R (Merah), G (Hijau), dan B (Biru). Setiap komponen warna menggunakan delapan bit (nilainya berkisar antara 0 sampai dengan 255). Adapun tahap- tahap yang dilakukan adalah sebagai berikut.
Rumus untuk mengubah RGB menjadi citra grayscale sebagai berikut:
Grayscale = 𝑅 +𝐺 +𝐵
3
Sehingga perhitungan untuk merubah ke dalam bentuk grayscale adalah sebagai berikut :
Piksel 1= 164+145 +141 3 = 450
3 = 150 Piksel 2= 31 +13 +93 = 533 = 18 Piksel 3= 76 +60 +60
3 = 196
3 = 65 Piksel 4= 179 +170 +171
3 = 5203 = 173 Piksel 5= 171 +176 +180
3 = 527
3 = 176
Dari perhitungan di atas, maka nilai intensitas piksel berubah menjadi:
Tabel 2. hasil citra RGB ke Grayscale 150 18 65 173 176 107 73 95 148 158 180 187 190 59 78 211 187 72 59 85 198 171 55 47 73
Dan jika proses di atas dilakukan hingga akhir pada gambar yang asli, maka citra output dari proses grayscale adalah sebagai berikut:
Gambar 2. citra Grayscale
Setelah citra RGB dirubah ke grayscale maka dilakukan proses penghalusan citra dengan menggunakan operator gaussian, adapun fungsi gaussian dapat dinyatakan dengan persamaan berikut:
G (x,y) = 𝑒−
(𝑥2+𝑦2) 2𝜎2
Jika ditentukan 𝜎2 = 1, ukuran filter 5 x 5 dari pembentukan warna menjadi -2 -1 0 1 2. Nilai pada (0,0) yaitu 1.
G (0,0) = 𝑒−
(02+02) 2.1 = 𝑒−
(0+0) 2 = 𝑒−
(0)
2 = 𝑒−0 = 1 G (1.0) = G (0.1) = G (-1-0) = G (0,-1) = 𝑒−1/2 = 0, 6065
G (1.1) = G (-1.1) = G (1.-1) = G (1.-1) 𝑒−1 = 0, 3679 Maka nilai pembobotan ialah :
Tabel 3. Nilai Pembobotan
(x,y) -2 -1 0 1 2 -2 0,0183 0,0821 0,1353 0,0821 0,0183 -1 0,0821 0,3679 0,6065 0,3679 0,0821 0 0,1353 0,6065 1,000 0,6065 0,1353 1 0,0821 0,3679 0,6065 0,3679 0,0821 2 0,0183 0,0821 0,1353 0,0821 0,0183 Selanjutnya normalisasi nilai pembobotan atau pembulatan dengan cara membaginya dengan nilai terkecil dari nilai pembobotan.
Tabel 4. Normalisasi Nilai Pembobotan Nilai bobot Pembulatan bobot 1.000 1.000/0,0183 = 55 0,6065 0,6065/0,0183 = 33 0,3679 0,3679/0,0183 = 20 0,0821 0,0821/0,0183 = 4 0,1353 0,1353/0,0183 = 7 0,0183 0,0183/0,0183 = 1 Hasilnya ialah :
(x,y) -2 -1 0 1 2
-2 1 4 7 4 1
-1 4 20 33 20 4 0 7 33 55 33 7 1 4 20 33 20 4
2 1 4 7 4 1
Maka distribusi gaussian nya seperti dibawah : 1 4 7 4 1
4 20 33 20 4 7 33 55 33 7 4 20 33 20 4 1 4 7 4 1
Pada proses canny terdapat enam langkah yang dilakukan untuk mendapatkan hasil deteksi tepi, langkah-langkahnya adalah:
Dalam langkah awal dilakukan penghalusan dengan filter gaussian.
G (x,y) = 𝑒−
(𝑥2+𝑦2) 2𝜎2
Jika ditentukan 𝜎2 = 1, ukuran filter 5 x 5 dari pembentukan warna menjadi -2 -1 0 1 2. Nilai pada (0,0) yaitu 1.
G (0,0) = 𝑒−
(02+02) 2.1 = 𝑒−
(0+0) 2 = 𝑒−
(0)
2= 𝑒−0 = 1 G (1.0) = G (0.1) = G (-1-0) = G (0,-1) = 𝑒−1/2
= 0, 6065
G (1.1) = G (-1.1) = G (1.-1) = G (1.-1) 𝑒−1 = 0, 3679 Maka nilai pembobotan ialah :
(x,y) -2 -1 0 1 2
-2 0,0183 0,0821 0,1353 0,0821 0,0183 -1 0,0821 0,3679 0,6065 0,3679 0,0821 0 0,1353 0,6065 1,000 0,6065 0,1353 1 0,0821 0,3679 0,6065 0,3679 0,0821 2 0,0183 0,0821 0,1353 0,0821 0,0183 Selanjutnya normalisasi nilai pembobotan atau pembulatan dengan cara membaginya dengan nilai terkecil dari nilai pembobotan.
Nilai bobot Pembulatan bobot 1.000 1.000/0,0183 = 55 0,6065 0,6065/0,0183 = 33 0,3679 0,3679/0,0183 = 20 0,0821 0,0821/0,0183 = 4 0,1353 0,1353/0,0183 = 7 0,0183 0,0183/0,0183 = 1 Hasilnya ialah :
(x,y) -2 -1 0 1 2
-2 1 4 7 4 1
-1 4 20 33 20 4 0 7 33 55 33 7 1 4 20 33 20 4
2 1 4 7 4 1
Maka distribusi gaussian nya seperti dibawah : 1 4 7 4 1
4 20 33 20 4 7 33 55 33 7 4 20 33 20 4 1 4 7 4 1
Setelah penapisan gambar dilakukan, selanjutnya proses untuk mendapatkan kekuatan tepi (Edge Strength). Hal ini dilakukan dengan langkah mengalikan matriks gambar asli (gaussian) dengan kernel distribusi gaussian dengan rumus :
h(x,y) = 3311 (f(x,y) * g (x,y))
Langkah selanjutnya adalah penghitungan arah tepi dengan rumus berikut:
Theta = tan−1 (𝐺𝑦 , 𝐺𝑥 )
Penyelesaian:
Konvolusi pertama
Gx= 5(1)+22(0)+33(1) = 38 6(-2)+27(0)+45(2) = 78 8(-1)+37(0)+62(-1) = -70 Gx = 38 + 78 + (-70) = 46 Gy = 5(1)+22(2)+33(1) = 82 6(0)+27(0)+45(0) = 0 8(1)+37(2)+62(1) = 144 Gy = 82 + 0 + 144 = 226
Nilai gradien = Gx + Gy = 46 + 226 = 272
Nilai akhir gradient konvolusi canny
* * * * *
* 272 278 116 *
* 316 282 100 *
* 332 344 251 *
* * * * *
Setelah nilai akhir konvolusi Canny maka perlu mengetahui arah tepi yaitu menghubungkan antara arah tepi dengan sebuah arah yang dapat dilacak dari citra.
Dimana Gx dan Gy adalah gradient pada masing- masing arah x dan y. Namun, tepian biasanya luas dan dengan demikian tidak dapat menunjukkan persis dimana tepian yang sesungguhnya, untuk menentukan tepian yang sesungguhnya, arah tepian harus ditentukan dan disimpan dengan persamaan.
θ= tan−1(𝐺𝑥, 𝐺𝑦)
Nilai keseluruhan konvolusi Canny
150 18 65 173 176
107 272 278 116 158
180 316 282 100 78
211 332 344 251 85
198 171 55 47 73
1. Setelah arah tepi diperoleh, perlu menghubungkan arah tepi dengan sebuah arah yang dapat dilacak dengan citra.
Nilia perubahan theta
51.7 39.6 -29.6 -50.8 -50.8 39.6 87.9 27.9 50.8 84.9 54.8 23.7 -37.9 17.7 82.9 37.8 26.5 -45.8 12.9 -90 18.7 16..6 85.9 -45 -90 Nilia hasil derajat theta
45 45 -45 -45 -45
45 90 45 45 -90
45 0 45 0 -90
45 45 45 0 -90
0 0 -90 -45 -90
2. Penghilangan non-maksimum
Setelah diketahui hasil derajat theta maka langkah selanjutnya adalah penghapusan maksimum, penghilangan non-maksimum dilakukan di sepanjang tepi pada arah tepian menghilangkan piksel-piksel (piksel diatur menjadi 0) yang tidak dianggap sebagai tepi. Dengan cara sepert itulah diperoleh tepi tipis.
3. Proses hysteris. Menghilangkan garis-garis yang seperti terputus-putus pada objek.
Tentukan nilai x dan y pada tepian:
0 0 0 0 0
0 272 278 116 0 0 316 0 100 0 0 332 344 251 0
0 0 0 0 0
xIndex = [272;278;116;316;100;332;344;251]
yIndex = [272;316;332;278;344;116;100;251]
theta = 45 (cos 45 = 0,7071 ; sin 45 = 0,7071) R = 282
[x0] = a + r cos q ➔ a = x – r cos q
272 – (282 x 0,7071) = 72,5958 (dibulatkan 73) 278 – (282 x 0,7071) = 78,5958 (dibulatkan 79) 116 – (282 x 0,7071) = -83,4041 (dibulatkan -83) 316 – (282 x 0,7071) = 116,5958 (dibulatkan 117) 100 - (282 x 0,7071) = -99,4041 (dibulatkan -99) 332 – (282 x 0,7071) = 132,5958 (dibulatkan 133) 344 - (282 x 0,7071) = 144,5958 (dibulatkan 145) 251 - (282 x 0,7071) = 50,5958 (dibulatkan 51) [y0]= b + r sin q ➔ b = y – r sin q
272 – (282 x 0,7071) = 72,5958 (dibulatkan 73) 316 – (282 x 0,7071) = 116,5958 (dibulatkan 117) 332 – (282 x 0,7071) = 132,5958 (dibulatkan 133) 278 – (282 x 0,7071) = 78,5958 (dibulatkan 79) 344 - (282 x 0,7071) = 144,5958 (dibulatkan 145) 116 – (282 x 0,7071) = -83,4041 (dibulatkan -83) 100 - (282 x 0,7071) = -99,4041 (dibulatkan -99) 251 - (282 x 0,7071) = 50,5958 (dibulatkan 51) R(x,y) = (73,73; 79,117; -83,133; 117,79; -99,145;
133,-83; 145,-99; 51,51)
Gambar 3. Citra Identifikasi Iris Mata
Berdasarkan dari hasil di atas, maka teridentifikasi hasil lingkaran iris mata pada titik R(x,y)= (79,117; -83,133;
117,79; 51,51).
3.2 Implementasi
Hasil implementasi aplikasi identifikasi biometrik iris mata menggunakan metode transformasi hough adalah sebagai berikut:
Gambar 4. Tampilan Form Output Data Uji setelah dilakukan peilihan,maka citra iris akan tampil dengan data pendukung .selanjutnya pilih tombol <
identifikasi> untuk melakukan identifikasi pada gambar 4. Dari hasil output yang di dapat, maka hasil dari pengujian program berdasarkan dari data latih dan data uji tingkat presentasi identifikasi yang di dapat sebesar 93.9427%. Ini menyatakan bahwa iris mata yang di data uji teridentifikasi ke dalam data latih.
Gambar 5. H gtasil Pengujian program.
IV. KESIMPULAN
Berdasarkan dari hasil penelitian, analisis, perancangan sistem, dan implementasi serta pengujian, maka diperoleh kesimpulan perancangan sistem identifikasi iris mata menggunakan metode transformasi hough didapat kesimpulan sebagai berikut:
1. Segmentasi citra untuk mendapatkan citra mata identifikasi menggunakan metode gaussian.
2. Setelah proses segmentasi, dilakukan proses deteksi tepi citra untuk memperjelas daerah arah tepi yang dikatakan sebagai iris mata metode yang digunakan adalah metode canny.
3. Selanjutnya adalah proses identifikasi iris mata dengan menggunakan metode transformasi hough..
REFERENSI
[1] B. dan Whitten, “system analysis and design for the global enterprise.” 2009.
[2] A. D. L. Tumuli, 1*, X. N. Najoan, 2, A. M. Sambul, and 3, “Implementasi Teknologi Biometrical Identification untuk Login Hotspot,” E - J. Tek. Inform., vol. 12, pp. 1–5, 2017.
[3] A. D. L. Tumuli et al., “Implementasi Teknologi Biometrical Identification untuk Login Hotspot,” vol.
12, no. 1, pp. 1–5, 2017.
[4] A. H. Maimunah, “Sistem pengenalan iris mata manusia dengan menggunakan transformasi wavelet,” Snati, vol.
2007, no. Snati, 2007.
[5] Zahendi and E. Janitra, “Perancangan Program Aplikasi Deteksi Iris Mata Untuk Absensi Karyawan
Menggunakan Metode Gabor Wavelet,” Comtech, vol.
2, no. 1, pp. 175–179, 2011.
[6] F. A. Hermawati, No Title, vol. 3. 2013.
[7] A. K. & A. Susanto, Teori dan Aplikasi Pengolahan citra. 2013.
[8] A. KURNIADI, pemograman microsoft visual basic 6.
1999.