Pengenalan iris mata dengan algoritme voting feature interval versi

PENDAHULUAN
Latar Belakang
Dalam beberapa tahun terakhir, identifikasi
seseorang
berdasarkan
biometrik
telah
berkembang dengan pesat di kalangan
akademik dan industri. Metode pengenalan
identitas seseorang yang banyak digunakan di
antaranya berdasarkan nomor identitas unik
(kunci fisik, kartu identitas dan lainnya) atau
berdasarkan ingatan terhadap sesuatu (sandi
rahasia dan lainnya). Metode tersebut banyak
memiliki kekurangan di antaranya adalah kartu
identitas dapat hilang dan sandi dapat lupa dari
ingatan seseorang. Ada dua jenis biometrik di
antaranya adalah physiological (iris mata, wajah
dan sidik jari) dan behavioural (suara dan
tulisan tangan) (Yong et al. 2000).
Pengenalan iris mata adalah jenis biometrik
berdasarkan fitur physiological. Iris memiliki
tekstur yang unik dan cukup kompleks untuk
digunakan dalam biometrik. Dibandingkan
dengan metode biometrik lain seperti
pengenalan wajah, pola iris lebih stabil dan
dapat diandalkan. Iris mata seseorang juga
memiliki pola yang konsisten, tidak seperti
wajah yang relatif memiliki perubahan seiring
dengan bertambah waktu.
Penelitian mengenai pengenalan iris mata
telah dilakukan oleh Daugman (2002) yang
menggunakan Gabor Wavelets dua dimensi
pada ekstrasi ciri serta Hamming distances
sebagai algoritme pengujian. Masek (2003)
melakukan
penelitian
serupa
dengan
menggunakan data dari Chinese Academy of
Science-Institute of Automation (CASIA) dan
Lion’s Eye Institute (LEI). Selain itu, penelitian
Abidin (2011) menggunakan jaringan syaraf
tiruan sebagai algoritme pelatihan dan
pengujian terhadap data CASIA dan
menggunakan dekomposisi wavelet sebagai
ekstraksi ciri.
Sistem pengenalan pola yang dikembangkan
dalam penelitian ini terdiri atas empat tahap.
Tahap pertama adalah proses segmentasi citra
untuk mengambil citra iris mata saja lalu
membuang bagian citra yang lainnya. Pada
tahap kedua, proses normalisasi dilakukan
dengan mengubah dimensi citra iris menjadi
tetap seningga menghasilkan ekstraksi ciri yang
lebih baik. Tahap selanjutnya adalah melakukan
ekstraksi ciri terhadap citra yang sudah
ternormalisasi sehingga dihasilkan template
yang memiliki nilai biner dan dilanjutkan ke
tahap terakhir yaitu melakukan pelatihan serta
pengujian terhadap template tersebut. Pelatihan
dan pengujian template citra dilakukan pada
tiga subset yang berbeda, untuk kemudian
dilakukan perhitungan terhadap akurasinya
menggunakan
3-fold
cross
validation.
Penggunaan algoritme Voting Feature Intervals
versi ke-5 (VFI5) pada penelitian ini diharapkan
dapat memberikan pengetahuan tingkat akurasi
yang diberikan untuk kemudian dapat
dibandingkan dengan hasil penelitian lainnya.
Tujuan
Tujuan dari penelitian ini adalah untuk
mengetahui akurasi dari proses pengenalan citra
iris mata menggunakan algoritme VFI5 pada
citra mata kiri, kanan dan gabungan keduanya.
Ruang Lingkup
Penelitian ini memiliki batasan yaitu :
data yang digunakan adalah data citra
mata dari sepuluh orang berbeda yang
berasal dari CASIA,
bobot yang digunakan dalam pelatihan
algoritme VFI5 adalah 1.
Manfaat
Manfaat dari penelitian ini diharapkan dapat
memberikan informasi mengenai akurasi
algoritme klasifikasi VFI5 terhadap pengenalan
iris mata kiri, kanan dan gabungan vote
keduanya dari individu yang berbeda.
TINJAUAN PUSTAKA
Representasi Citra Digital
Citra didefinisikan sebagai suatu fungsi dua
dimensi f(x,y), dengan x dan y merupakan
koordinat spasial, dan f disebut sebagai
kuantitas bilangan skalar positif yang memiliki
maksud secara fisik ditentukan oleh sumber
citra. Suatu citra digital yang diasumsikan
dengan fungsi f(x,y) direpresentasikan dalam
suatu fungsi koordinat berukuran M x N.
Variabel M adalah Baris dan N adalah kolom
sebagaimana ditunjukkan pada Gambar 1.
Setiap elemen dari array matriks disebut image
element, picture element, pixel, atau pel
(Gonzales dan Woods 2002).
Gambar 1 Fungsi koordinat sebagai representasi
citra digital.
1