KONTROL GERAKAN BUKA TUTUP PINTU UNTUK AKSES SISTEM KEAMANAN MENGGUNAKAN POLA IRIS MATA MANUSIA

dokumen-dokumen yang mirip
BAB II LANDASAN TEORI

1. BAB I PENDAHULUAN Latar Belakang

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt

Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner

IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL

Pertemuan 2 Representasi Citra

RANCANG DAN IMPLEMENTASI PATTERN RECOGNITION PADA GARIS TELAPAK TANGAN UNTUK AKSES KEAMANAN PINTU

IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK

PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY

KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,

BAB 1 PENDAHULUAN. individu lain. Karakteristik ini perlu diidentifikasikan agar dapat digunakan untuk

SISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA

PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN

PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK

BAB I PENDAHULUAN. mengenali dan membedakan ciri khas yang dimiliki suatu objek (Hidayatno,

BAB II LANDASAN TEORI

BAB III PERANCANGAN SISTEM

BAB 2 TINJAUAN PUSTAKA. Bab 2 ini berisi tentang pembahasan teori-teori tentang jaringan syaraf tiruan, Algoritma Learning Vector Quantization (LVQ).

PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan

SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING

BAB 2 TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

BAB II TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

BAB 2 LANDASAN TEORI

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 3 METODOLOGI PENELITIAN

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus

PENGOLAHAN CITRA DIGITAL

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

ENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5

Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA

BAB I PENDAHULUAN. 1.1 Latar Belakang

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR

YOGI WARDANA NRP

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah

KULIAH 1 TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA

BAB 3 IMPLEMENTASI SISTEM

IDENTIFIKASI IRIS MATA MENGGUNAKAN JARINGAN SYARAF TIRUAN

BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM

Model Citra (bag. 2)

Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer

GRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.

BAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-

FERY ANDRIYANTO

IMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA

Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016

BAB I PENDAHULUAN. perkembangan zaman dan teknologi, teknik pengenalan individu secara

SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )

BAB III METODE PENELITIAN

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III METODE PENELITIAN

PERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN

Tugas Teknik Penulisan Karya Ilmiah. M.FAIZ WAFI Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45

BAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.

BAB III ANALISIS DAN PERANCANGAN

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital

PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION

Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.

PENGENALAN WAJAH MELALUI WEBCAM DENGAN METODA GABOR WAVELET-KERNEL FISHER ANALYSIS

BAB III METODE PENELITIAN

BAB I PENDAHULUAN Latar Belakang

Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode

Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.

PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI

BAB 3 METODOLOGI PENELITIAN

kalangan yang berkecimpung di dalam sesuatu yang membutuhkan pengamanan (security) data yang sangat tinggi. Pengamanan akan data-data ini semakin dira


APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK

IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION

Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital

APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE

PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN

Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter

1. Pendahuluan. 1.1 Latar belakang

BAB 3 METODE PERANCANGAN

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

One picture is worth more than ten thousand words

Penerapan Metode Kirsch Dalam Mendeteksi Tepi Objek Citra Digital

BAB I PENDAHULUAN. 1.1 Latar Belakang

Transkripsi:

KONTROL GERAKAN BUKA TUTUP PINTU UNTUK AKSES SISTEM KEAMANAN MENGGUNAKAN POLA IRIS MATA MANUSIA Nazrul Effendy 1), Khoerul Anwar 2), Ananda Dwi Mahendra 3), Beta M.G.S 4) 1,2,3,4) Jurusan Teknik Fisika, Fakultas Teknik, Universitas Gadjah Mada Jl. Grafika No.2, Yogyakarta 55281 E-mail : nazrul@gadjahmada.edu Abstraks Saat ini sistem keamanan konvensional seperti password atau kartu sudah tidak handal lagi karena keamanan sistem dapat ditembus oleh para pihak yang tidak berwenang menggunakan password atau kartu seseorang. Oleh karena itu dikembangkan sistem biometrik yang berdasarkan pada karakteristik alami manusia yaitu karakteristik fisiologis dan karakteristik perilaku seperti wajah, sidik jari, iris mata, retina mata, DNA, tanda tangan, dan suara, dimana sistem tersebut tidak mudah dicuri atau digunakan oleh pihak yang tidak berwenang. Dalam paper ini akan diusulkan suatu sistem keamanan akses menggunakan pengenalan pola iris mata dengan arsitektur JST yaitu Jaringan Propagasi Balik menggunakan program Matlab. Setelah berhasil dilakukan pengenalan pola iris mata maka dilakukan kontrol yang sesuai, dalam bahasan ini menggunakan mikrokontroler AT Mega 8535 sebagai pemroses data yang masuk untuk mengendalikan otomatisasi buka tutup pintu. Sistem ini dicoba diterapkan dalam sistem keamanan pada pintu masuk sebuah ruangan yang penting dimana hanya orang-orang tertentu saja yang boleh masuk. Sehingga apabila data iris mata sesuai dengan pola, maka pintu ruangan dapat terbuka. Sebaliknya bila pola iris mata tidak dikenali maka pintu tidak akan terbuka. Kata kunci : iris mata, jaringan Propagasi Balik, mikrokontroller 1. PENDAHULUAN Iris merupakan bagian yang berwarna yang tampak pada bola mata. Bagian iris terlihat sebagai lingkaran mata yang melingkupi bagian hitam pupil dengan warna-warna tertentu. Gambar 1. Penampang iris mata (SJB Services, 1995) Secara anatomi merupakan sebuah organ internal yang dilindungi, terletak di belakang kornea dan aqueous humour, serta di depan lensa mata. Iris merupakan satu-satunya organ internal tubuh yang dapat terlihat dari luar. Gambar 2 Struktur anatomi mata (SJB Services, 1995) 168

Tekstur dari iris bersifat stokastik. Hal ini disebabkan karena morfologi iris sangat bergantung pada kondisi awal pada fase mesoderm embrionik, saat dimana iris mulai berkembang. Bentuk fenotip dari iris yang mempunyai genotip yang sama misalnya pada dua orang yang kembar bahkan akan tidak berkorelasi satu sama lain. Karakteristik iris adalah sebagai berikut : 1. Mempunyai bentuk geometri polar, merupakan sistem koordinat yang alami. 2. Mempunyai bentuk ketidakteraturan yang tinggi, dan mempunyai entropi 3,2 bit per millimeter persegi jaringan iris. Sistem keamanan menggunakan pola iris mata, disebut juga sebagai sistem identifikasi biometrik. Sistem biometik saat ini telah mengalami perkembangan yang pesat dalam menggantikan sistem verifikasi konvensional. Iris mata merupakan salah satu bagian tubuh manusia yang memiliki tingkat pembeda yang cukup baik untuk mengklasifikasikan tiap individu, karena pola iris mata memiliki kekonsistenan yang tinggi bertahun tahun tanpa mengalami perubahan, tidak seperti sidik jari, tanda tangan atau wajah yang rentan dengan adanya perubahan atau kerusakan pada suatu waktu. 2. PENGOLAHAN CITRA DIGITAL Istilah citra dapat diartikan sebagai suatu fungsi dari intensitas cahaya dalam bidang dua dimensi. Pemrosesan digital dengan menggunakan komputer digital membutuhkan citra digital sebagai masukannya. Citra digital adalah citra kontinyu yang diubah dalam bentuk diskrit, baik koordinat ruang maupun intensitas cahayanya. Pengolahan digitalisasi mempunyai dua proses, yaitu pencuplikan (sampling) posisi dan kuantisasi intensitas. Citra digital dalam bentuk matriks dengan ukuran M x N akan tersusun sebagai berikut : ƒ (0,0) ƒ (0,1) ƒ (0,2) ƒ (0,N-1) ƒ (1,0) ƒ (1,1) ƒ (1,2) ƒ (1,N-1).... ƒ(x,y) =........ ƒ (M-1,0) ƒ (M-1,1) ƒ (M-1,2) ƒ (M-1,N-1) Jika suatu citra digital diperhatikan secara seksama, akan terlihat titik-titik kecil yang berupa segiempat yang disebut piksel. Jumlah piksel per satuan panjang akan menentukan resolusi cita tersebut. Makin banyak piksel yang mewakili suatu citra, maka makin tinggi resolusinya dan makin halus pula gambarnya. Untuk menyederhanakan perhitungan maka dalam paper ini semua citra akan diolah dalam derajat keabuan (graylevel), dimana pada citra berwarna direpresentasikan dengan nilai yang sama pada ketiga komponen R-G-B nya. Pengolahan citra merupakan suatu proses mengolah piksel-piksel dalam citra digital untuk suatu tujuan tertentu. Beberapa alasan dilakukannya suatu pengolahan citra adalah : 1. Mendapatkan citra yang diperkirakan mendekati citra yang sesungguhnya. 2. Memperoleh citra dengan karakteristik tertentu dan cocok secara visual yang dibutuhkan untuk tahap yang lebih lanjut dalam pemrosesan analisis citra (Fahmi, 2007). 3. BLOK DIAGRAM PERANGKAT KERAS Gambar 1 merupakan susunan blok diagram perangkat keras yang dapat menjelaskan bagaimana suatu citra dapat dimanipulasi menjadi data gambar yang diinginkan. 169

Objek gambar Kamera video PC Video blaster KENDALI OTOMATIS Gambar 1. Blok diagram perangkat keras Keterangan : a. Objek gambar, sebagai objek adalah pola iris mata yang akan dideteksi b. Kamera video, sebagai sarana masukan untuk memberikan data ke komputer c. Video blaster, sebagai perubah dari sinyal analog menjadi sinyal digital komputer d. Mikrokontrol AT Mega 8535, sebagai pemroses data yang masuk untuk mengendalikan otomatisasi buka tutup pintu e. Kendali otomatis, mengendalikan gerakan buka tutup pintu 4. BLOK DIAGRAM PERANGKAT LUNAK Gambar 2 menjelaskan susunan blok diagram perangkat lunak yang menggambarkan subsistem dari pengolahan citra. Preprocessing Segmentasi Klasifikasi Ekstrasi ciri Gambar 2. Blok diagram perangkat lunak Citra yang dihasilkan adalah image format berwarna dengan dengan komposisi layer Red, Green, Blue (RGB) masing-masing dengan level intensitas tertentu. Format seperti ini memilki ukuran data yang cukup besar. Besarnya ukuran data yang diolah akan dapat memperlambat proses pengolahan pada tahap berikutnya. Untuk mengatasi hal itu, maka perlu dilakukan perubahan bentuk citra ke dalam image format grayscale 8 bit (2 8 = 256 derajat keabuan) yang memiliki level intensitas yang sama untuk tiap-tiap layernya. Dengan ukuran data citra yang lebih kecil, maka proses pengolahan akan dapat lebih disederhanakan dan waktu komputasi akan menjadi lebih cepat. Pada Matlab, fungsi ini dapat dilakukan dengan menggunakan fungsi rgb2gray. Citra yang 170

diolah diperoleh dari akuisisi data dengan menggunakan sebuah kamera handycam dan diubah menjadi data digital dengan sebuah card video blaster. Citra tersebut kemudian diolah dalam 4 bagian seperti berikut ini : a. Preprocessing Teknik yang paling sering digunakan pada pengolahan citra di antaranya adalah deteksi tepi, dimana tepi merupakan posisi di mana intensitas citra beralih dari nilai rendah menjadi nilai tinggi atau sebaliknya. Tepi citra berguna untuk menentukan : 1. Letak obyek dalam suatu citra. 2. Bentuk dan ukuran obyek dalam suatu citra, 3. Tekstur obyek dalam suatu citra. Maka penulis disini melakukan pendeteksian pada tepi objek yang berada dalam gambar dengan cara melakukan penelusuran gambar secara vertikal dan horizontal sambil melihat terjadinya perubahan warna mendadak yang melebihi suatu harga (sensitifitas) / perbedaan kontras yang mencolok antara dua titik yang berdempetan. Untuk melakukan deteksi tepi dapat dilakukan dengan dua cara, yang pertama tanpa menggunakan konvolusi, sedang cara yang kedua dengan menggunakan konvolusi. Konvolusi merupakan jumlah berbobot dari pixel - pixel di sekeliling pixel sumber. Bobot ditentukan oleh matrix kecil yg disebut mask konvolusi atau kernel konvolusi. Untuk lebih jelasnya dapat dilihat pada Gambar 3. Gambar 3. Proses Konvolusi Yang mempengaruhi tingkat ketelitian dari deteksi tepi adalah matriks mask konvolusi, atau disini juga disebut sebagai operator deteksi tepi. Ada empat operator deteksi tepi yaitu roberts, prewitt, sobel, dan frei-chen. Operator roberts kurang efisien dibanding operator yang lain, karena rawan terkena noise, operator Sobel efektif untuk deteksi tepi diagonal dibanding deteksi tepi secara vertikal dan horizontal, sedangkan operator prewitt sangat efektif untuk pendeteksian tepi secara vertikal dan horizontal dibanding secara diagonal. Pada penelitian ini, operator prewitt digunakan untuk mendeteksi tepi citra (Munir, 2004). b. Ekstrasi Ciri Tahap selanjutnya adalah ekstrasi ciri. Pada tahap ini dilakukan pencarian posisi gambar paling kiri, paling kanan, paling atas dan paling bawah. Kemudian gambar dibagi-bagi menjadi baris X dan kolom Y. Setiap kotak dilakukan scanning piksel, dan apabila ditemukan piksel melebihi jumlah yang ditentukan maka kotak 171

tersebut diberi nilai 1,dan jika tidak diberi nilai 0. Setelah itu, dilakukan penyimpanan dalam matrik X x Y sebagai data referensi. Proses ekstraksi ciri dapat dilihat pada Gambar 4 (http://www.iris-scan.com). Gambar 4. Proses Ekstraksi Ciri c. Klasifikasi dan Implementasi Struktur dari jaringan yang digunakan dalam makalah ini menggunakan 3 lapisan yaitu lapisan input dengan 225 neuron, lapisan tersembunyi dengan 3 neuron dan lapisan output dengan 1 neuron. Sistem diimplementasikan dengan menggunakan MATLAB 7.1, proses pengujian dilakukan pada 51 data mata dari seseorang dengan citra mata kanan yang diambil datanya. Algoritma pemrogramanan dengan menggunakan MATLAB 7.1 sebagai berikut (Siang, 2005): 1. Masukkan nilai input. Input berjumlah 51 matriks berorde 15 x 15. Dan kemudian dimasukkan ke MATLAB dengan orde matriks menjadi 225 x 1 sebanyak 51 matriks dengan sebuah spasi sebagai jarak antar matriks, seperti berikut : P = [1111100000111000111000000100100110011011000110110011110011011100110001110111111 1100000100011101100001110011111000001100001001100001100001110111111101100011110 1110011000000101000111001000010011110000111110111100000011111110000 1111100000111000111000000100100110011011000110110011111011011100110001110111111 1100000100011101100001110011111000001100001001100001100001110111111101100111110 1110011000011111000111001000110011110000111110111100000011111110000] 2. Masukkan nilai target berjumlah 51, seperti berikut: T= [ 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 ] 3. Plot hubungan antara input (P) dan target (T), seperti berikut: plot (P,T) 4. Membentuk jaringan seperti berikut : net = newff ([0 1], [3,1], {'logsig' 'purelin'}) 5. Masukkan nilai epoch, seperti berikut : net.trainparam.epochs=200 6. Melatih jaringan : net = train(net,p,t) 7. Simulasikan jaringan seperti berikut : Y=sim (net,p) 8. Plot hasil dan target seperti berikut : plot (P,T,'bo',P,Y,'r*') Contoh hasil dari algoritma tersebut ditunjukkan pada Gambar 5. 172

2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 0 2 4 6 8 10 12 x 10 223 Gambar 5. Plot hubungan titik input dan target Hasil tersebut memberitahukan bahwa nilai yang diperoleh adalah 1 karena titik input dan target berimpit pada nilai 1. Jadi proses pendeteksian berhasil mendeteksi tipe atau profil dari nilai 1 yang menunujukkan ciri identifikasi dari sesorang, yang kemudian akan digunakan sebagai data masukan pada mikrokontroler. Start Inisialisasi Masukan input Cek input tidak ya Buka pintu Stop Gambar 6. Flowchart program pada mikrokontroller AT Mega 8535 173

d. Proses Kontrol dan Otomatisasi Proses kontrol dilakukan menggunakan mikrokontroler AT Mega 8535. Mikrokontrol AVR memiliki arsitektur RISC 8 bit, dimana semua instruksi dikemas dalam kode 16-bit (16-bits word) dan sebagaian besar instruksi dieksekusi dalam 1 (satu) siklus clock. Pemilihan penggunaan AT Mega 8535 adalah dengan alasan mudah didapatkan dan harganya yang relatif murah, selain itu juga memiliki fasilitas yang lengkap (Lingga, 2006). Gambar 6 menunjukkan Flowchart dari program pada mikrokontroller AT Mega 8535. Berdasarkan flowchart tersebut terlihat bahwa pintu akan terbuka apabila data input sesuai dengan klasifikasi yang telah ditetapkan dan sebaliknya apabila data masukan tidak sesuai maka pintu tidak akan terbuka. 5. KESIMPULAN Salah satu metode alternatif yang dapat digunakan untuk sistem keamanan menggunakan identifikasi biometrik adalah dengan pengenalan pola iris mata. Metode ini memiliki banyak kelebihan daripada sistem biometrik lain seperti pengenalan sidik jari atau wajah, karena pola iris mata memiliki kekonsistenan yang tinggi dan tidak mudah rusak. Akan tetapi tetap dibutuhkan penelitian lebih lanjut dan mempelajari lebih detail tentang iris ini. Metode image processing digunakan untuk menentukan lokasi citra iris dengan tepat, untuk itu diperlukan teknik-teknik untuk menghasilkan citra dengan karakteristik tertentu ditransformasikan dalam suatu representasi numerik yang kemudian akan diolah secara digital oleh komputer. Hasil dari percobaan menunjukkan bahwa sistem ini memiliki tingkat keakuratan yang cukup tinggi, terbukti dengan proses identifikasi yang berhasil menganalisis pola iris mata dari seseorang. 6. DAFTAR PUSTAKA Biometric Technology Today 1995, vol. 3, SJB Services, Soberest, England. Daugman, J, 1994, Biometric Personal Identification System Based on Iris Analysis, US patent 5,921,560 Patent and Trademark Office, Washington D.C. Fahmi, 2007, Perancangan Algoritma Pengolahan Citra Mata Iris Sebagai Bentuk Antara Sistem Biometrik, Departemen Teknik Elektro, Medan Munir, Rinaldi, 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika Bandung. Bandung Siang, JJ, 2005, Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab, Penerbit ANDI, Yogyakarta Wardhana Lingga, 2006, Belajar Sendiri Mikrokontroler AVR Seri ATMega8535 Simulasi, Hardware, dan Aplikasi, Penerbit ANDI, Yogyakarta http://www.iris-scan.com 174