YOGI WARDANA NRP

Transkripsi

1 PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP JURUSAN TEKNIK MESIN FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011

2 DAFTAR ISI Latar Belakang Permasalahan Tujuan Batasan Masalah Manfaat Penelitian Penelitian Terdahulu Karakteristik Iris Sistem Pengenalan Iris Citra Digital Filter Gabor Perhitungan Akurasi Perangkat Lunak Euclidean Distance Metode Slovin Diagram Alir Perangkat Lunak Analisa Tekstur Perhitungan Sample Perbandingan Akurasi Kesimpulan Saran Penutup Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 2

3 LATAR BELAKANG Biometrik Sistem pengenalan karakteristik fisiologis manusia Contoh : Sidik Jari, Suara, Wajah, Tanda tangan, Iris, dll Karakteristik Iris Iris merupakan salah satu bagian tubuh manusia, letaknya terlindung oleh kornea dan aquaeus humor Struktur iris mata setiap orang berbeda. Memiliki pola yang unik sehingga cocok untuk digunakan sebagai pengenalan identitas Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 3

4 APIKASI BIOMETRIK To Menu Akses masuk Bandara bagi para penumpang dan karyawan Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 4

5 PERMASALAHAN To Menu Bagaimana mendapatkan pola / pattern iris mata berbasis pengolahan citra (image processing ) Bagaimana melakukan proses ekstraksi fitur iris mata sebagai bagian proses pengolahan citra dengan menggunakan Filter Gabor Bagaimana melakukan proses pengenalan dan pencocokan citra input dengan citra dalam database menggunakan euclidean distance Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 5

6 TUJUAN To Menu Mengetahui cara mendapatkan pola / pattern iris berbasis image processing Mengetahuiproses ekstraksi fitur iris mata menggunakan filter gabor Mengetahui cara pengenalan dan pencocokan iris mata yang lebih akurat untuk mengetahui identitas seseorang Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 6

7 BATASAN MASALAH Input berupa file citra ( secara offline) dari database CASIA ( Chinese Academy of Sciences Institute of Automation ) jenis CASIA-Iris-Interval Citra iris mata dengan format.bmp berukuran 280 x 320 Citra masukan (input ) sudah dalam bentuk grayscale Citra input adalah mata yang tidak menggunakan lensa kontak dan kacamata Mata yang digunakan adalah mata kanan dan dalam kondisi normal (tidak ada kelainan yang menyebabkan perubahan warna dan bentuk ) Analisa tekstur menggunakan Filter Gabor. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 7

8 To Menu System setup mengacu pada CASIA, yaitu jenis kamera berupa iris close-up dengan pencahayaan berupa circular NIR LED Pengenalan dan pencocokan iris menggunakan metode euclidean distance. Penyusunan algoritma menggunakan software Matlab R2009b. Output dari tugas akhir ini adalah berupa Graphical User Interface ( GUI ) yang akan memudahkan dalam proses pengenalan identitas seseorang. Jumlah citra mata yang diuji dihitung berdasarkan Metode Slovin, yaitu 126 citra mata dari 21 subjek Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 8

9 MANFAAT PENELITIAN To Menu Software pengenalan identitas personal yang dapat diaplikasikan dan dikembangkan dalam berbagai aspek kehidupan, antara lain : Paspor Kartu identitas ATM Absensi diperkantoran dan lain lain Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 9

10 PENELITIAN TERDAHULU Ichsan (2004) Identifikasi Personal Biometrik Berdasarkan Pola Iris Mata Dengan Menggunakan FIilter Gabor Dari hasil penelitian ini memiliki tingkat keberhasilan sebesar % pada frekuensi 2 dan pada sudut 0 0. Resmana Lim & Santoso (2003) Verifikasi Personal Berdasarkan Citra Tangan Dengan Metode Filter Gabor Keberhasilan pengenalan rata-rata yang didapat adalah lebih dari 90%. A.A. K. Oka Sudana, D.M. Wiharta, Mahardhi ka Tirta (2006) Sistem Verifikasi Sidik Jari Dengan Metode Pencocokan Berbasis Bank Gabor Filter Metode Bank Gabor Filter memiliki tingkat keberhasilan (GAR) yang cukup tinggi yaitu 94,89%. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 10

11 A.A. K. Oka Sudana, D.M. Wiharta, Mahardhika Tirta (2006) Back Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 11

12 Resmana Lim & Santoso (2003) To Menu Back Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 12

13 KARAKTERISTIK IRIS To Menu Sifat sifat yang dimiliki iris mata manusia sebagai berikut [ Muron and Pospisil, 2000 ] : Iris mata manusia sangat terlindungi keberadaannya yang merupakan organ dalam dari mata. Iris mata manusia tampak ( kelihatan ) dari suatu jarak tertentu. Pola iris mata manusia mempunyai derajat keacakan yang tinggi dan mempunyai tekstur dan struktur yang kompleks. Stabil (dalam hal jumlah dan posisinya) sepanjang hidup manusia dan tidak bergantungpada sifat genetik. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 13

14 SISTEM PENGENALAN IRIS To Menu Secara umum proses pengenalan iris mata akan melalui tahap tahap sebagai berikut [Nab08] : Pengambilan citra Identifikasi objek iris dan normalisasi citra iris Ekstraksi fitur iris Pencocokan iris Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 14

15 CITRA DIGITAL To Menu Sebuah citra dapat dinyatakan dalam matrik dua dimensi f(x,y), dimana x dan y merupakan koordinat spatial dan besaran atau nilai dari f pada koordinat (x,y) merupakan intensitas atau tingkat keabuan citra pada koordinat tersebut Untuk citra berukuran M x N dimana M adalah ukuran yang mewakili baris dan N adalah ukuran yang mewakili kolom Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 15

16 FILTER GABOR Filter Gabor merupakan salah satu filter yang mampu mensimulasikan karakteristik sistem visual manusia dalam mengisolasi frekuensi dan orientasi tertentu dari citra Gabor yang digunakan dalam Tugas Akhir ini menggunakan variasi lambda 10, 15, dan 20. Dimana setiap Lambda dilakukann pada theta 0, 45, 90, dan 135 derajat. Sehingga akan menghasilkan 12 output Gabor Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 16

17 Filter gabor diperoleh dengan memodulasi gelombang sinus dengan fungsi Gaussian pada frekuensi dan orientasi tertentu. Filter Gabor yang digunakan adalah menggunakan rumus sebagai berikut : To Menu Keterangan : XYF = XYt. Freq. 2. pi Freq = imsize / lambda XYt = Xm. cos ( thetarad ) + Ym. sin ( thetarad ) Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 17

18 EUCLIDEAN DISTANCE To Menu Euclidean Distance adalah jarak antara dua buah objek atau titik. Dalam penelitian ini euclidean distance digunakan untuk menghitung kemiripan antar citra, dimana A dan B merupakan fitur dari citra, yaitu mean dan standar deviasi Keterangan : A1 = MEAN CITRA INPUT B1 = MEAN CITRA DALAM DATABASE A2= STDEV CITRA INPUT B2 = STDEV CITRA DALAM DATABASE Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 18

19 METODE SLOVIN To Menu Dalam menentukan jumlah data yang akan digunakan dalam pengujian perangkat lunak ini, diperlukan suatu metode yang tepat agar tingkat keberhasilan yang dihasilkan bisa dikatakan accountable. Metode tersebut adalah metode Slovin, berikut ini adalah persamaannya : dimana : n = ukuran sampel N = ukuran populasi d = galat pendugaan, bernilai 0,1 (10%) Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 19

20 PERHITUNGAN AKURASI To Menu PERANGKAT LUNAK Akurasi perangkat lunak di dapat dari akurasi terbaik dari citra hasil Gabor pada lambda dan theta tertentu.perhitungan yang digunakan untuk menentukan akurasi perangkat lunak adalah : Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 20

21 INPUT CITRA Data citra mata diambil dari direktori Chinese Academy of Sciences' Instituteof Automation ( CASIA ) dengan tipe Casia Iris - Interval Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 21

22 DIAGRAM ALIR PERANGKAT LUNAK Mulai A Pengambilan citra iris mata Penglokasian Pupil Pendeteksian Iris A Didapatkan Pola Iris Analisa Tekstur Proses Pengenalan Display Pemilik Iris Mata Selesai Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 22

23 PENGLOKASIAN PUPIL Mulai A Citra grayscale Kontras 1 Pelembutan Citra Kontras 2 Citra black & white Operasi Morfologi pendeteksi an pupil Buang Pupil A Selesai Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 23

24 PENDETEKSIAN IRIS Mulai Citra mata tanpa pupil Integral proyeksi Deteksi iris Mask iris Crop iris Selesai Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 24

25 Tahap mendapatkan pola IRIS Mulai Hasil Crop Iris Operasi buanglubangpupil Mask form Iris berbentuk persegi Selesai Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 25

26 TAHAP ANALISA TEKSTUR To Menu DAN PROSES PENGENALAN Mulai Citra Pola Iris (Input) Analisa Tekstur ( Filter Gabor ) Fitur Input (proses pengenalan) dengan Euclidean Distance Citra Hasil Pengenalan Selesai Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 26

27 ANALISA TEKSTUR Dalam penelitian ini, menggunakan 3 variasi lamda yaitu 10, 15, dan 20, dimana setiap lamda dilakukan pada orientasi 0, 45, 90, dan 135. Sehingga akan menghasilkan 12 output Gabor dan menghasilkan 24 fitur yang berupa nilai mean dan standar deviasi Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 27

28 HASIL OUTPUT GABOR Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 28

29 CITRA HASIL GABOR Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 29

30 Hasil Fitur Citra To Menu Mata lamda Nilai Mean Orientasi A Nilai Standar Deviasi Mata lamda Orientasi A Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 30

31 Perhitungan Sample Pada data iris CASIA-Interval terdapat 2639 citra, artinya variabel N bernilai Perhitungannya sebagai berikut : Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 31

32 ANALISA DATA Dari database CASIA Iris Interval yang digunakan diambil 126 citra mata untuk diproses. Dimana citra mata ini berasal dari 21 subjek, sehingga setiap subjeknya diambil 6 citra mata. Dari 6 citra mata yang diproses setiap subjeknya, 4 mata digunakan sebagai Database dan 2 citra mata sisanya digunakan sebagai Input. Setiap citra mata yang diproses, baik sebagai database ataupun sebagai input diproses menggunakan Gabor untuk mencari nilai fiturnya. Sehingga setiap 1 citra mata menghasilkan 12 citra mata baru hasil Gabor dan menghasilkan 24 Fitur (mean dan standar deviasi ). Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 32

33 Tabel Pengenalan ( lambda 10, Theta 0 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 O SALAH B5 G SALAH B6 B BENAR C5 C2 ; C BENAR C6 T1 ; T SALAH D5 I SALAH D6 K2 ; K SALAH E5 R SALAH E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 I BENAR I6 I4 0 BENAR J5 K SALAH J6 O SALAH K5 K BENAR K6 M SALAH L5 L BENAR L6 L BENAR M5 E SALAH M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 Q BENAR Q6 Q BENAR R5 R BENAR R6 R BENAR S5 S BENAR S6 S BENAR T5 G SALAH T6 T4 0 BENAR U5 F SALAH U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 29 citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 33

34 Tabel Pengenalan ( lambda 10, Theta 45 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 O SALAH B5 B BENAR B6 B BENAR C5 I SALAH C6 T1 ; T SALAH D5 D BENAR D6 K2 ; K SALAH E5 E BENAR E6 M SALAH F5 F BENAR F6 T SALAH G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 D SALAH I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 U SALAH L5 L BENAR L6 L BENAR M5 M BENAR M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 Q BENAR Q6 Q BENAR R5 R BENAR R6 S SALAH S5 S BENAR S6 T SALAH T5 T BENAR T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapatdisimpulkan bahwajumlah citra mata yang bisa dikenali denganbenar adalah31 citra mata, sehingga tingkat akurasiyang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 34

35 Tabel Pengenalan ( lambda 10, Theta 90) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 Q SALAH B5 B BENAR B6 B BENAR C5 C BENAR C6 J SALAH D5 D BENAR D6 U SALAH E5 E BENAR E6 E BENAR F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 I BENAR I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 K BENAR L5 L BENAR L6 L BENAR M5 M BENAR M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 Q BENAR Q6 Q BENAR R5 R BENAR R6 R BENAR S5 S BENAR S6 S BENAR T5 T BENAR T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 38 citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 35

36 Tabel Pengenalan ( lambda 10, Theta 135 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 O SALAH B5 B BENAR B6 B BENAR C5 C2 ; C BENAR C6 T1 ; T SALAH D5 D BENAR D6 K2 ; K SALAH E5 E BENAR E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 I BENAR I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 U SALAH L5 L BENAR L6 L BENAR M5 E SALAH M6 E SALAH N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 J SALAH Q6 Q BENAR R5 R BENAR R6 R BENAR S5 S BENAR S6 S BENAR T5 T BENAR T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 33 citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 36

37 Tabel Pengenalan ( lambda 15, Theta 0) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 O SALAH B5 G SALAH B6 B BENAR C5 C2 ; C BENAR C6 T1 ; T SALAH D5 D BENAR D6 K2 ; K SALAH E5 R SALAH E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 I BENAR I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 O SALAH L5 L BENAR L6 L BENAR M5 E SALAH M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 Q BENAR Q6 Q BENAR R5 R BENAR R6 S SALAH S5 S BENAR S6 S BENAR T5 I SALAH T6 T4 0 BENAR U5 F SALAH U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 30citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 37

38 Tabel Pengenalan ( lambda 15, Theta 45) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 O SALAH B5 B BENAR B6 B BENAR C5 C2 ; C BENAR C6 T1 ; T SALAH D5 D BENAR D6 K2 ; K SALAH E5 E BENAR E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 D SALAH I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 O SALAH L5 L BENAR L6 L BENAR M5 M BENAR M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 J SALAH Q6 Q BENAR R5 R BENAR R6 S SALAH S5 S BENAR S6 T SALAH T5 T BENAR T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 32citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 38

39 Tabel Pengenalan ( lambda 15, Theta 90) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 Q SALAH B5 B BENAR B6 B BENAR C5 C BENAR C6 J SALAH D5 D BENAR D6 U SALAH E5 R SALAH E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 I BENAR I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 O SALAH L5 L BENAR L6 L BENAR M5 M BENAR M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 J SALAH Q6 Q BENAR R5 R BENAR R6 R BENAR S5 S BENAR S6 S BENAR T5 T BENAR T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 34 citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 39

40 Tabel Pengenalan ( lambda 15, Theta 135) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 O SALAH B5 B BENAR B6 B BENAR C5 C2 ; C BENAR C6 T1 ; T SALAH D5 D BENAR D6 K2 ; K SALAH E5 E BENAR E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 I BENAR I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 O SALAH L5 L BENAR L6 L BENAR M5 E SALAH M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 J SALAH Q6 Q BENAR R5 R BENAR R6 S SALAH S5 S BENAR S6 T SALAH T5 T BENAR T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 32 citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 40

41 Tabel Pengenalan ( lambda 20, Theta 0 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 O SALAH B5 G SALAH B6 B BENAR C5 C2 ; C BENAR C6 T1 ; T SALAH D5 D BENAR D6 K2 ; K SALAH E5 E BENAR E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 D SALAH I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 O SALAH L5 L BENAR L6 L BENAR M5 E SALAH M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 J SALAH Q6 Q BENAR R5 R BENAR R6 S SALAH S5 S BENAR S6 S BENAR T5 I SALAH T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 30 citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 41

42 Tabel Pengenalan ( lambda 20, Theta 45 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 O SALAH B5 B BENAR B6 B BENAR C5 C2 ; C BENAR C6 T1 ; T SALAH D5 D BENAR D6 K2 ; K SALAH E5 E BENAR E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 D SALAH I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 O SALAH L5 L BENAR L6 L BENAR M5 M BENAR M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 J SALAH Q6 Q BENAR R5 R BENAR R6 S SALAH S5 S BENAR S6 T SALAH T5 T BENAR T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 32 citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 42

43 Tabel Pengenalan ( lambda 20, Theta 90 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 Q SALAH B5 B BENAR B6 B BENAR C5 C BENAR C6 J SALAH D5 D BENAR D6 K2 ; K SALAH E5 R SALAH E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 I BENAR I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 O SALAH L5 L BENAR L6 L BENAR M5 M BENAR M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 J SALAH Q6 Q BENAR R5 R BENAR R6 S SALAH S5 S BENAR S6 S BENAR T5 T BENAR T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 33 citra mata, sehingga tingkat akurasi yang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 43

44 Tabel Pengenalan ( lambda 20, Theta 135) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A BENAR A6 O SALAH B5 B BENAR B6 B BENAR C5 C2 ; C BENAR C6 T1 ; T SALAH D5 D BENAR D6 K2 ; K SALAH E5 R SALAH E6 M SALAH F5 F BENAR F6 F BENAR G5 G1 0 BENAR G6 G BENAR H5 H3 0 BENAR H6 H BENAR I5 I BENAR I6 I4 0 BENAR J5 J BENAR J6 M SALAH K5 K BENAR K6 O SALAH L5 L BENAR L6 L BENAR M5 E SALAH M6 M BENAR N5 N BENAR N6 N BENAR O5 O BENAR O6 O BENAR P5 P BENAR P6 P BENAR Q5 J SALAH Q6 Q BENAR R5 R BENAR R6 S SALAH S5 S BENAR S6 T SALAH T5 T BENAR T6 T4 0 BENAR U5 U BENAR U6 U BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah31 citra mata, sehingga tingkat akurasiyang diperoleh sebesar %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 44

45 RINGKASAN HASIL Analisa To Menu PENGENALAN IRIS No 1 Gabor (Variasi lambda dan Theta ) Lambda Theta Citra yang Berhasil Dikenali Hasil Akurasi (%) Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 45

46 PERBANDINGAN AKURASI TERBAIK DARI TIAP LAMBDA (DATABASE K1,K2,K3,K4) THETA 90 LAMDA MEAN STDEV TABEL NILAI MEAN DAN STDEV MASING MASING LAMBDA PADA THETA 90 Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 46

47 NILAI MEAN TIAP LAMBDA 0.35 MEAN LAMBDA 10 LAMBDA 15 LAMBDA K1 K2 K3 K4 TABEL NILAI MEAN TIAP LAMBDA PADA THETA 90 Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 47

48 NILAI STANDAR DEVIASI TIAP LAMBDA STANDAR DEVIASI K1 K2 K3 K4 LAMBDA 10 LAMBDA 15 LAMBDA 20 TABEL NILAI STDEV TIAP LAMBDA PADA THETA 90 Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 48

49 GRAFIK Nilai Jarak Dari Tiap Lambda( INPUT K6 ) GRAFIK PERBANDINGAN NILAI JARAK DARI TIAP LAMBDA Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 49

50 TABLE HASIL PENGENALAN (INPUT K6) THETA 90 INPUT (K6 ) LAMBDA 10 LAMBDA 15 LAMBDA 20 DIKENALI SEBAGAI K1 O3 O3 NILAI JARAK Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 50

51 SISTEM PENGENALAN To Menu DENGAN GUI Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 51

52 KESIMPULAN To Menu Perangkat lunak yang dibuat memiliki akurasi sebesar 90.5 % untuk database standar CASIA jenis CASIA-Iris-Interval pada lamda 10 dan sudut 90 0 Nilai mean dan standar deviasi berubah ubah sesuai dengan variasi dari lamda dan sudut yang digunakan Tidak semua citra yang diujikan dapat dikenali dengan benar. Hal ini bisa dikarenakan intensitas dari tiap citra mata yang hampir sama dan proses cropping yang kurang sempurna Euclidean Distance merupakan metode yang cukup baik untuk menghitung besarnya nilai kemiripan /similiritas antara 2 buah citra berdasarkan nilai mean dan standar deviasi pada citra tersebut Semakin kecil nilai Euclidean Distance maka tingkat kemiripan anatara 2 buah citra juga semakin tinggi sehingga citra tersebut dapat dikenali dengan tepat Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 52

53 SARAN To Menu Diharapkan kedepannya tercipta sebuah hardware system pengenalan dengan menggunakan iris sehingga software yang telah dibuat dapat diaplikasikan secara langsung Dimungkinkan menggunakan database selain dari database CASIA atau bisa dengan secara langsung mengambil citra mata dengan kamera digital. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 53

54 To Menu