1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata sehingga organ tubuh ini tidak dapat di gantikan 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 genetis nya 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 di gunakan wajah maupun kode sandi, tetapi dua cara ini memiliki kekurangan yaitu wajah manusia dapat berubah dan manusia rentan untuk lupa akan kode sandi nya, sehingga dalam beberapa tahun terakhir, identifikasi seseorang berdasarkan biometric telah berkembang dan dikembangkan dengan pesat dikalangan industri maupun akademis. Identifikasi berdasarkan biometrik ini menggunakan tubuh manusia sebagai media untuk menggali informasi. Terdapat dua jenis biometric diantaranya adalah physiological (iris mata, wajah dan sidik jari) dan behavioural (suara dan tulis tangan) (Munir, 2004). Pengenalan iris mata adalah jenis biometric yang di dasarkan pada fitur physiological. Iris memiliki tekstur yang unik dan sangat kompleks sebagai salah satu metode pengenalan yang digunakan didalam biometrik. Di bandingkan dengan metode biometrik lain seperti tanda tangan, maupun suara, pola iris mata stabil dan dapat di andalkan karena iris mata manusia memiliki pola yang konsisten sepanjang waktu (Jain, 2004)
2 Untuk melakukan hal tersebut diatas, maka penulis melakukan penelitian mengenai penentuan lokasi iris mata manusia. Proses pengenalan ini menggunakan segmentasi citra dengan dengan deteksi tepi Gradient Magnitude, dengan menggunakan metode deteksi tepi ini digunakan untuk mengetahui dan membedakan daerah iris, pupil, sclera dan daerah mata yang lain. Proses percobaan yang dilakukan menggunakan citra mata aras keabuan milik CASIA Iris Database (http://biometrics.idealtest.org/findtotaldbbymode.do?mode=iris, 2014) yang siap untuk di proses. System penentuan lokasi dengan menggunakan iris mata manusia yang dikembangkan dalam penelitian ini terdiri dari kurang lebih tiga buah tahap. Tahap pertama adalah menentukan Region of Interest pada foto iris mata untuk menemukan lokasi iris maupun lokasi pupil dengan menggunakan median filter maupun histogram equalization untuk memperjelas batas yang di dapat antara pupil dengan iris. Pada tahap kedua, proses deteksi tepi dengan menggunakan metode Gradient Magnitude untuk mendapatkan batas antara pupil dan iris, pada tahap ini hasil yang di dapatkan berupa gambar hitam putih yang mana untuk bagian yang merupakan tepi di warnai putih, sebaliknya yang bukan akan di warnai hitam, tetapi bagian yang diwarnai putih akan memiliki lubang maupun rongga yang sebaiknya di tutup untuk digunakan dalam tahap selanjutnya. Tahap selanjutnya adalah ketika daerah pupil maupun iris yang di lakukan proses deteksi tepi tidak memiliki celah maupun rongga lagi, sehingga langkah selanjutnya adalah menghitung nilai masing-masing baris dan kolom. Baris dan kolom tersebut akan menunjukan perubahan yang dapat di amati, dimana ketika nilai total nya tidak sama dengan nol, maka dipastikan di sepanjang baris maupun kolom tersebut memiliki piksel yang bernilai 1 di salah satu lokasi nya. Sehingga dengan cara ini dapat di rumuskan titik pusat lingkaran maupun jari-jari dari lingkaran pupil maupun iris, sehingga bagian yang telah di dapatkan diharapkan terhindar dari noise atau gangguan berupa bulu mata maupun kelopak mata. Salah satu penelitian yang dilakukan oleh Stewart Sentanoe dengan menggunakan model Iris Localization using Gradient Magnitude and Fourier Descriptor (Sentanoe, 2014). Objek yang di ambil adalah citra iris mata. Proses
3 awal yang dilakukan pada model ini adalah segmentasi dan selanjutnya adalah normalisasi. Segmentasi ditujukan untuk memisahkan iris dari citra mata keseluruhan sedangkan normalisasi bertujuan untuk mendapatkan standar ekstraksi ciri yang sesuai pada setiap iris mata. pada tahap segmentasi bagian batas antara iris mata dengan sclera akan di deteksi kemudian pada sisi iris mata akan di hilangkan untuk mendapatkan posisi pupil, yang kemudian menemukan batas dari daerah pupil, setelah batas pupil di dapatkan, maka bagian pupil akan di hilangkan, dan bagian iris di kembalikan ke tempat nya semula. Setelah bagian iris mata yang telah di kembalikan menempati posisi nya, seluruh noise yang berupa sclera, bulu mata, maupun kelopak mata akan di hapus untuk mendapatkan citra yang benar-benar hanya berisi citra iris mata. Hasil dari penelitian ini menghasilkan tingkat keberhasilan 71% dari 450 buah citra iris mata sebagai data set. Selain itu penelitian yang dilakukan oleh Maimunah mengenai Sistem Pengenalan Iris Mata Manusia Menggunakan Transformasi Wavelet yang pada penelitian ini menggunakan transformasi wavelet untuk menghasilkan sinyal-sinyal digital yang merupakan representasi dari masing-masing citra iris mata. Pada penelitian ini membagi hasil pengujian menjadi terdeteksi hampir benar dan terdeteksi benar yang mana untuk citra yang terdeteksi hampir benar sebesar 50% dan citra yang terdeteksi benar sebesar 50,39%. Hasil penelitian ini dipengaruhi oleh metode transformasi hough dan deteksi tepi canny yang mana sebelum melakukan transformasi hough, terlebih dahulu dilakukan proses deteksi tepi canny yang akan mendeteksi tepi dari wilayah iris dan pupil mata yang kemudian transformasi hough akan membentuk lingkaran yang berguna untuk mensegmentasi wilayah dari iris mata dan pupil mata. Kendala yang muncul adalah kualitas dari deteksi tepi yang berakibat pada tidak maksimal nya transformasi Hough bekerja untuk mensegmentasi wilayah iris dan pupil mata. Penelitian lain yang berasal dari Karmilasari mengenai Segmentasi Iris Mata Menggunakan Metode Deteksi Tepi dan Operasi Morfologi, yang pada penelitian ini menggunakan kombinasi antara deteksi tepi canny yang berguna untuk mendapatkan tepi pada iris mata dan pupil, dan operasi morfologi seperti dilatasi maupun eliminasi yang berguna untuk menghapus maupun memperluas
4 wilayah yang dikehendaki berdasarkan threshold yang ditentukan. Threshold ini akan menjadi ambang yang nantinya akan menghentikan operasi morfologi ketika jumlah piksel pada suatu wilayah telah terpenuhi. Pada penelitian ini mengkategorikan hasil pengujian menjadi hampir berhasil terdeteksi dan berhasil terdeteksi, yang mana cara ini dilakukan pula oleh Maimunah, yang mana hasil yang didapatkan hampir mendekati hasil yang dicapai oleh Maimunah yaitu untuk yang berhasil terdeteksi adalah sebesar 35% dan untuk yang hampir berhasil terdeteksi sebesar 50%. Hasil dari deteksi tepi canny akan mempengaruhi hasil dari operasi morfologi, sehingga perlu dilakukan peningkatan dan perbaikan kualitas yang dihasilkan oleh deteksi tepi canny sehingga operasi morfologi yang dihasilkan menjadi lebih baik yang akan berimbas pada hasil penelitian yang maksimal. Penelitian terakhir yang menjadi acuan dalam penelitian ini dilakukan oleh Feng Gui mengenai Iris Localization Scheme Based on Morphology and Gaussian Filtering. Penelitian ini membandingkan beberapa metode penentuan lokasi iris mata dengan metode yang dikembangkan pada penelitian ini. Penelitian yang dilakukan oleh Feng Gui ini melakukan operasi morfologi yang kemudian melakukan tapis Gaussian untuk mendapatkan wilayah mata yang telah tersegmentasi. Wilayah mata ini yang nantinya akan lakukan proses operasi morfologi lagi sampai ditemukannya titik tengah serta jari-jari dari iris dan pupil mata. Pada penelitian ini membandingkan hasil yang didapatkan dari metode Daughman circle, Wildes circle serta serta metode yang dikembangkan dalam penelitian ini. Hasil yang didapatkan untuk titik tengah dan jari-jari dari pupil dan iris mata merupakan hasil yang paling baik dari dua metode yang digunakan sebagai pembanding serta waktu proses dari metode operasi morfologi dan tapis Gaussian ini menghasilkan waktu yang paling singkat sehingga metode operasi morfologi dan tapis Gaussian ini merupakan metode yang lebih unggul jika dibandingkan dengan dua metode yang digunakan untuk membandingkan. Walaupun banyak program yang gunakan untuk penentuan lokasi iris mata, tetapi penggunaan metode ini masih belum banyak dan merupakan metode yang baru yang digunakan untuk deteksi tepi sehingga penulis tertarik untuk melakukan penelitian ini.
5 Rumusan Masalah Masalah yang ditemukan pada penelitian ini adalah sebagai berikut. a. Bagaimana menemukan dan memisahkan bagian iris mata dengan bagianbagian yang lain dengan menggunakan metode deteksi tepi? b. Bagaimana menghilangkan noise yang masih tersisa setelah melakukan proses segmentasi terutama pada bagian bulu mata (eyelids) pada citra iris mata menggunakan metode deteksi tepi? Tujuan Penelitian Tujuan dari penelitian ini adalah sebagai berikut. a. Untuk membangun sebuah aplikasi yang dapat menentukan letak iris mata menggunakan metode Gradient Magnitude sebagai metode deteksi tepi. b. Menghasilkan citra iris mata yang baik dimana iris mata benar-benar didapatkan dengan sempurna dan bersih dari noise sehingga mampu di gunakan untuk pengenalan iris mata lebih lanjut. Batasan Masalah Batasan masalah pada penelitian ini adalah : a. Penelitian ini hanya meneliti iris mata dan tidak melakukan proses apapun kepada pupil maupun bagian luar iris mata selain memukan batas dengan iris mata b. Penelitian ini menggunakan deteksi tepi Gradient Magnitude dengan konvolusi dari Sobel sebagai metode deteksi tepi yang kemudian akan menentukan lokasi dari iris mata c. Citra mata yang digunakan berupa citra mata yang berupa citra keabuan sehingga intensitas piksel memiliki rentang yang kecil. d. Format citra adalah.bmp dengan dimensi ukuran data adalah 112x128 piksel.
6 Manfaat Penelitian Manfaat dari penelitian mengenai penentuan lokasi dengan penerapan gradient magnitude, sebagai berikut: a. Bagi peneliti Hasil penelitian yang berupa aplikasi yang dikembangkan dapat menemukan lokasi iris mata yang tepat sehingga penelitian ini dapat dijadikan sebagai acuan dalam mengembangkan pengolah citra digital pada pengenalan iris mata manusia hal ini sebagai upaya pengembangan ilmu biometrik khusus nya pengembangan iris mata. b. Bagi pihak lain Hasil penelitian diharapkan dapat dijadikan sebagai bahan perbandingan bagi pihak lain yang tertarik untuk melakukan penelitian lebih lanjut dibidang biometrik dan diharapkan penelitian ini dapat memberi wawasan baru bagi pembaca. Metodelogi Penelitian Pada sub bab metode penelitian akan dijelaskan mengenai proses yang dilalui untuk menentukan lokasi dari iris mata sebagai objek penelitian. Adapun sub bab metode penelitian akan menjelaskan tentang desain penelitian, pengumpulan data, pengolahan data awal dan metode yang digunakan. 1.6.1 Desain Penelitian Judul dari penelitian ini adalah Penentuan Lokasi Iris Mata Menggunakan Metode Gradient Magnitude. Penelitian ini merupakan penelitian riset eksperimental (Hasibuan, 2007). Analisis data citra di lakukan dengan menginputkan gambar mata manusia, yang nantinya akan muncul pada picturebox, gambar yang muncul merupakan gambar awal, yang belum mendapatkan proses apapun, hal ini bertujuan untuk melihat apakah gambar yang terambil merupakan gambar yang dimaksud atau bukan. Kemudian setelah gambar yang di load sesuai, maka proses akan di mulai dari deteksi tepi dengan metode Gradient Magnitude ini.
7 Pada saat gambar sudah didapatkan masing-masing tepi nya, maka gambar tersebut akan di simpan di dalam sebuah folder yang hanya berisi dataset hasil deteksi tepi. 1.6.2 Pengumpulan Data Data penelitian ada dua jenis (Hasibuan, 2007), yaitu data primer dan data sekunder. Data primer adalah data yang diambil langsung dari objek penelitian. Sedangkan data sekunder merupakan data yang tidak dapat didapatkan secara langsung dari objek penelitian, melainkan data yang berasal dari sumber yang telah di kumpulkan oleh pihak lain. Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa citra iris mata yang berasal dari CASIA Iris Image Database versi 1 untuk menghindari hasil buruk menggunakan kamera dengan resolusi yang tidak cukup memadai. Jumlah sampel yang ada pada database CASIA Iris Image Database berjumlah 756 citra mata grayscale yang berasal dari 108 subjek orang Asia dan terdapat pula data sampel yang berasal dari database CASIA Iris Image Database dengan jumlah subjek sebanyak 108 orang dengan citra yang berjumlah 756 citra mata yang telah dilakukan proses cropping untuk mendapatkan lokasi yang pasti dari iris mata. Format asli dari citra mata pada database ini masingmasing adalah.bmp dengan ukuran sebesar 320x280 pixel. Citra mata ini akan di gunakan dalam identifikasi lokasi iris mata. Citra mata yang di pakai dalam penelitian ini di ambil dari 108 individu yang mana pada masing-masing individu diambil sebanyak 7 buah citra, sehingga terdapat 756 buah citra mata yang di gunakan baik dalam di dalam proses pengujian sistem dan deteksi tepi dimana masing-masing citra ini berbeda antara satu dengan yang lain, walaupun berasal dari satu individu. Walaupun ukuran asli dari citra yang digunakan adalah sebesar 320x280 piksel, tetapi citra tersebut akan diatur ulang ukuran nya menjadi sebesar 112x128 piksel. Dalam melakukan sebuah proses penentuan lokasi ini data yang sebelumnya sudah terlebih dahulu di lakukan proses cropping nantinya akan dicocokan dengan data hasil deteksi tepi yang diterapkan dalam penelitian ini. Citra yang akan diterapkan proses deteksi tepi akan ditempatkan ditempat yang terpisah dari citra yang telah dilakukan proses cropping sebelumnya.
8 1.6.3 Pengolahan Data Awal Citra iris mata yang di akan di olah berupa file citra dengan format.bmp. format ini merupakan format citra yang umum dan banyak di gunakan, sehingga tidak perlu untuk melakukan konversi ke dalam bentuk citra dengan format yang berbeda. Adapun tahapan pengolahan citra awal ini antara lain dengan melakukan tahap preprocessing pada citra yang akan ditentukan lokasi iris matanya, dengan harapan agar batas-batas dari iris menjadi semakin jelas sehingga memudahkan saat proses mendeteksi tepi. Citra yang sebelumnya telah dilakukan proses cropping, pada bagian selain bagian iris dihitamkan dan hanya bagian iris saja yang dibiarkan seperti aslinya yaitu dengan format citra keabuan. Karena citra yang terapkan proses deteksi tepi memiliki ukuran 112x128 piksel maka citra yang telah dilakukan proses cropping juga diubah ukuran nya menjadi 112x128 piksel. 1.6.4 Metode yang Digunakan Dalam penelitian ini, metode yang digunakan untuk deteksi tepi adalah metode gradient magnitude dengan konvolusi dari sobel. Pada proses preprocessing dibagi menjadi 3 tahapan, yaitu dengan tapis nilai tengah untuk memperjelas batas-batas dari iris mata dengan mengaburkan nilai piksel yang ada, setelah itu dengan menerapkan Gaussian tapis rendah untuk mendapatkan batasbatas yang lebih jelas dari iris mata dan pupil mata selain itu untuk menghilangkan derau yang ada pada citra mata. Citra hasil proses Gaussian tapis rendah ini di terapkan maka proses terakhir yang diterapkan adalah proses penyamaan histogram (histogram equalization) untuk mendapatkan kontras yang lebih tajam pada daerah iris mata, setelah itu baru melakukan deteksi tepi pada citra yang telah mendapatkan penyamaan histogram (histogram equalization).