PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011
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
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
APIKASI BIOMETRIK To Menu Akses masuk Bandara bagi para penumpang dan karyawan Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 4
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
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
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
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
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
PENELITIAN TERDAHULU Ichsan (2004) Identifikasi Personal Biometrik Berdasarkan Pola Iris Mata Dengan Menggunakan FIilter Gabor Dari hasil penelitian ini memiliki tingkat keberhasilan sebesar 80.35 % 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
A.A. K. Oka Sudana, D.M. Wiharta, Mahardhika Tirta (2006) Back Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 11
Resmana Lim & Santoso (2003) To Menu Back Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 12
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
HASIL OUTPUT GABOR Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 28
CITRA HASIL GABOR Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 29
Hasil Fitur Citra To Menu Mata lamda Nilai Mean Orientasi 0 45 90 135 10 0.279742 0.21802 0.279742 0.34578 A6 15 0.315886 0.286863 0.315886 0.34578 20 0.328857 0.312211 0.328857 0.34578 Nilai Standar Deviasi Mata lamda Orientasi 0 45 90 135 10 0.052285 0.038229 0.051315 0.060105 A6 15 0.058227 0.05236 0.062245 0.063907 20 0.062761 0.059917 0.066759 0.067025 Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 30
Perhitungan Sample Pada data iris CASIA-Interval terdapat 2639 citra, artinya variabel N bernilai 2639. Perhitungannya sebagai berikut : Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 31
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
Tabel Pengenalan ( lambda 10, Theta 0 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.001687616 BENAR A6 O2 0.007684003 SALAH B5 G4 0.001716057 SALAH B6 B2 0.00281484 BENAR C5 C2 ; C3 0.003062547 BENAR C6 T1 ; T2 0.011709417 SALAH D5 I3 0.003752479 SALAH D6 K2 ; K3 0.000689806 SALAH E5 R2 0.005561991 SALAH E6 M1 0.007731347 SALAH F5 F4 0.004630859 BENAR F6 F2 0.003729512 BENAR G5 G1 0 BENAR G6 G3 0.001939832 BENAR H5 H3 0 BENAR H6 H4 0.004667034 BENAR I5 I1 0.001298592 BENAR I6 I4 0 BENAR J5 K4 0.003737251 SALAH J6 O1 0.004490187 SALAH K5 K4 0.001577917 BENAR K6 M4 0.002818157 SALAH L5 L2 0.004192373 BENAR L6 L3 0.003705526 BENAR M5 E4 0.006378802 SALAH M6 M2 0.001716877 BENAR N5 N4 0.002126138 BENAR N6 N2 0.05584253 BENAR O5 O1 0.002961964 BENAR O6 O3 0.004673094 BENAR P5 P3 0.017353022 BENAR P6 P4 0.015260776 BENAR Q5 Q4 0.002237633 BENAR Q6 Q4 0.00153557 BENAR R5 R1 0.005762144 BENAR R6 R4 0.004599066 BENAR S5 S1 0.001917023 BENAR S6 S3 0.00149483 BENAR T5 G4 0.004187477 SALAH T6 T4 0 BENAR U5 F1 0.003026699 SALAH U6 U4 0.004558347 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 69.05 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 33
Tabel Pengenalan ( lambda 10, Theta 45 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.000760315 BENAR A6 O2 0.006193945 SALAH B5 B3 0.003912485 BENAR B6 B2 0.003143516 BENAR C5 I1 0.004323025 SALAH C6 T1 ; T2 0.009824229 SALAH D5 D2 0.003378823 BENAR D6 K2 ; K3 0.005841803 SALAH E5 E1 0.005077055 BENAR E6 M1 0.005179067 SALAH F5 F3 0.003206512 BENAR F6 T3 0.003384943 SALAH G5 G1 0 BENAR G6 G3 0.001827787 BENAR H5 H3 0 BENAR H6 H4 0.003941431 BENAR I5 D2 0.001736596 SALAH I6 I4 0 BENAR J5 J1 0.006180271 BENAR J6 M3 0.002659703 SALAH K5 K4 0.001036237 BENAR K6 U4 0.002372469 SALAH L5 L2 0.003059129 BENAR L6 L3 0.003455916 BENAR M5 M2 0.006808698 BENAR M6 M2 0.001506847 BENAR N5 N4 0.000666171 BENAR N6 N2 0.043803624 BENAR O5 O1 0.002246277 BENAR O6 O3 0.002233225 BENAR P5 P3 0.013146161 BENAR P6 P4 0.012346245 BENAR Q5 Q4 0.003439265 BENAR Q6 Q4 0.000747122 BENAR R5 R1 0.003411369 BENAR R6 S1 0.004662307 SALAH S5 S1 0.001963649 BENAR S6 T4 0.000480995 SALAH T5 T3 0.003421267 BENAR T6 T4 0 BENAR U5 U2 0.003598734 BENAR U6 U4 0.004051176 BENAR Dari tabel di atas dapatdisimpulkan bahwajumlah citra mata yang bisa dikenali denganbenar adalah31 citra mata, sehingga tingkat akurasiyang diperoleh sebesar 73.08 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 34
Tabel Pengenalan ( lambda 10, Theta 90) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.002481559 BENAR A6 Q1 0.006603405 SALAH B5 B3 0.004770525 BENAR B6 B2 0.003153661 BENAR C5 C1 0.00528268 BENAR C6 J1 0.014217018 SALAH D5 D2 0.004515653 BENAR D6 U2 0.007915504 SALAH E5 E1 0.007133717 BENAR E6 E4 0.008780414 BENAR F5 F3 0.003395474 BENAR F6 F2 0.003745351 BENAR G5 G1 0 BENAR G6 G3 0.003695075 BENAR H5 H3 0 BENAR H6 H4 0.011132022 BENAR I5 I1 0.001690028 BENAR I6 I4 0 BENAR J5 J1 0.009828555 BENAR J6 M3 0.004237895 SALAH K5 K4 0.001482952 BENAR K6 K1 0.004515853 BENAR L5 L2 0.004085157 BENAR L6 L3 0.004379618 BENAR M5 M2 0.00863159 BENAR M6 M2 0.001716118 BENAR N5 N4 0.001060352 BENAR N6 N2 0.055866127 BENAR O5 O1 0.003284772 BENAR O6 O3 0.002303589 BENAR P5 P3 0.016678689 BENAR P6 P4 0.017065627 BENAR Q5 Q4 0.0063572 BENAR Q6 Q4 0.001855626 BENAR R5 R2 0.00495328 BENAR R6 R4 0.009325515 BENAR S5 S1 0.002432287 BENAR S6 S3 0.002418045 BENAR T5 T3 0.003830447 BENAR T6 T4 0 BENAR U5 U2 0.007010242 BENAR U6 U4 0.003268228 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 90.47 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 35
Tabel Pengenalan ( lambda 10, Theta 135 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.001200589 BENAR A6 O2 0.009428243 SALAH B5 B3 0.006002142 BENAR B6 B2 0.003504892 BENAR C5 C2 ; C3 0.008113902 BENAR C6 T1 ; T2 0.016588476 SALAH D5 D2 0.00553848 BENAR D6 K2 ; K3 0.011497335 SALAH E5 E1 0.008087232 BENAR E6 M1 0.008917967 SALAH F5 F3 0.004789319 BENAR F6 F2 0.004808816 BENAR G5 G1 0 BENAR G6 G3 0.003685805 BENAR H5 H3 0 BENAR H6 H4 0.005632726 BENAR I5 I1 0.000741824 BENAR I6 I4 0 BENAR J5 J1 0.008711506 BENAR J6 M3 0.005209669 SALAH K5 K4 0.001569323 BENAR K6 U4 0.00561094 SALAH L5 L2 0.004708425 BENAR L6 L3 0.004618514 BENAR M5 E4 0.008643028 SALAH M6 E3 0.000294344 SALAH N5 N4 0.001139934 BENAR N6 N2 0.069529505 BENAR O5 O1 0.003598497 BENAR O6 O3 0.004481516 BENAR P5 P3 0.021265046 BENAR P6 P4 0.019061843 BENAR Q5 J3 0.004170521 SALAH Q6 Q4 0.00122752 BENAR R5 R1 0.004552091 BENAR R6 R4 0.004620609 BENAR S5 S1 0.002372886 BENAR S6 S3 0.001539009 BENAR T5 T3 0.007750629 BENAR T6 T4 0 BENAR U5 U2 0.006198969 BENAR U6 U4 0.003817649 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 78.57 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 36
Tabel Pengenalan ( lambda 15, Theta 0) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.001385694 BENAR A6 O2 0.008324415 SALAH B5 G4 0.004137765 SALAH B6 B2 0.004763317 BENAR C5 C2 ; C3 0.003957699 BENAR C6 T1 ; T2 0.013287018 SALAH D5 D2 0.004926562 BENAR D6 K2 ; K3 0.001921991 SALAH E5 R2 0.007340761 SALAH E6 M1 0.007385462 SALAH F5 F3 0.005215577 BENAR F6 F2 0.00374783 BENAR G5 G1 0 BENAR G6 G3 0.002105427 BENAR H5 H3 0 BENAR H6 H4 0.003376206 BENAR I5 I1 0.002026615 BENAR I6 I4 0 BENAR J5 J1 0.007132639 BENAR J6 M3 0.005964084 SALAH K5 K4 0.001589159 BENAR K6 O3 0.006244116 SALAH L5 L2 0.004414827 BENAR L6 L3 0.004262725 BENAR M5 E4 0.007583783 SALAH M6 M2 0.001860233 BENAR N5 N4 0.002508037 BENAR N6 N2 0.063064888 BENAR O5 O1 0.003302886 BENAR O6 O3 0.005303966 BENAR P5 P3 0.019672657 BENAR P6 P4 0.017397047 BENAR Q5 Q4 0.004480121 BENAR Q6 Q4 0.002039729 BENAR R5 R1 0.00442982 BENAR R6 S1 0.006017921 SALAH S5 S1 0.002957949 BENAR S6 S3 0.001587275 BENAR T5 I3 0.005949413 SALAH T6 T4 0 BENAR U5 F1 0.004287177 SALAH U6 U4 0.004031541 BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 30citra mata, sehingga tingkat akurasi yang diperoleh sebesar 71.43 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 37
Tabel Pengenalan ( lambda 15, Theta 45) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.001020966 BENAR A6 O2 0.00801133 SALAH B5 B3 0.00505913 BENAR B6 B2 0.004974962 BENAR C5 C2 ; C3 0.005600497 BENAR C6 T1 ; T2 0.012697602 SALAH D5 D2 0.004466863 BENAR D6 K2 ; K3 0.00643244 SALAH E5 E1 0.006642827 BENAR E6 M1 0.007359692 SALAH F5 F3 0.004557318 BENAR F6 F2 0.002903197 BENAR G5 G1 0 BENAR G6 G3 0.002632551 BENAR H5 H3 0 BENAR H6 H4 0.004843837 BENAR I5 D2 0.00207188 SALAH I6 I4 0 BENAR J5 J1 0.008080487 BENAR J6 M3 0.002945997 SALAH K5 K4 0.001300611 BENAR K6 O3 0.004335768 SALAH L5 L2 0.003923541 BENAR L6 L3 0.004475831 BENAR M5 M2 0.008991776 BENAR M6 M2 0.001711208 BENAR N5 N4 0.001708512 BENAR N6 N2 0.057400647 BENAR O5 O1 0.002951797 BENAR O6 O3 0.003467344 BENAR P5 P3 0.017616672 BENAR P6 P4 0.016455186 BENAR Q5 J3 0.004208254 SALAH Q6 Q4 0.00112317 BENAR R5 R1 0.004632913 BENAR R6 S1 0.004547625 SALAH S5 S1 0.002629634 BENAR S6 T4 0.000737204 SALAH T5 T3 0.005755143 BENAR T6 T4 0 BENAR U5 U2 0.004449784 BENAR U6 U4 0.003342162 BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah 32citra mata, sehingga tingkat akurasi yang diperoleh sebesar 76.19 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 38
Tabel Pengenalan ( lambda 15, Theta 90) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.002620343 BENAR A6 Q1 0.007368422 SALAH B5 B3 0.005634713 BENAR B6 B2 0.003468116 BENAR C5 C1 0.005854846 BENAR C6 J1 0.015247304 SALAH D5 D2 0.004976681 BENAR D6 U2 0.009248081 SALAH E5 R2 0.006343824 SALAH E6 M1 0.011844456 SALAH F5 F3 0.004365863 BENAR F6 F2 0.002330696 BENAR G5 G1 0 BENAR G6 G3 0.003586051 BENAR H5 H3 0 BENAR H6 H4 0.010017494 BENAR I5 I1 0.002442797 BENAR I6 I4 0 BENAR J5 J1 0.009132184 BENAR J6 M3 0.004490765 SALAH K5 K4 0.001606929 BENAR K6 O3 0.004563368 SALAH L5 L2 0.004492493 BENAR L6 L3 0.004452219 BENAR M5 M2 0.009845639 BENAR M6 M2 0.002269434 BENAR N5 N4 0.0019104 BENAR N6 N2 0.062985809 BENAR O5 O1 0.003790545 BENAR O6 O3 0.002891495 BENAR P5 P3 0.019136958 BENAR P6 P4 0.01903546 BENAR Q5 J3 0.006966525 SALAH Q6 Q4 0.001271307 BENAR R5 R2 0.006918487 BENAR R6 R4 0.009276902 BENAR S5 S1 0.002507668 BENAR S6 S3 0.00294577 BENAR T5 T3 0.005750586 BENAR T6 T4 0 BENAR U5 U2 0.007552381 BENAR U6 U4 0.004282787 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 80.95 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 39
Tabel Pengenalan ( lambda 15, Theta 135) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.001201467 BENAR A6 O2 0.009587252 SALAH B5 B3 0.006082709 BENAR B6 B2 0.004431653 BENAR C5 C2 ; C3 0.006831877 BENAR C6 T1 ; T2 0.016101928 SALAH D5 D2 0.005369439 BENAR D6 K2 ; K3 0.012296314 SALAH E5 E1 0.008220454 BENAR E6 M1 0.008206972 SALAH F5 F3 0.005077968 BENAR F6 F2 0.003334589 BENAR G5 G1 0 BENAR G6 G3 0.003286731 BENAR H5 H3 0 BENAR H6 H4 0.005141813 BENAR I5 I1 0.002436932 BENAR I6 I4 0 BENAR J5 J1 0.008359339 BENAR J6 M3 0.004319971 SALAH K5 K4 0.001579438 BENAR K6 O3 0.005640809 SALAH L5 L2 0.004676828 BENAR L6 L3 0.004888633 BENAR M5 E4 0.009079513 SALAH M6 M2 0.00207123 BENAR N5 N4 0.001721811 BENAR N6 N2 0.069106553 BENAR O5 O1 0.004079807 BENAR O6 O3 0.004291409 BENAR P5 P3 0.021367358 BENAR P6 P4 0.019298602 BENAR Q5 J3 0.003615616 SALAH Q6 Q4 0.0017418 BENAR R5 R1 0.005130458 BENAR R6 S1 0.006277282 SALAH S5 S1 0.002952037 BENAR S6 T4 0.00042085 SALAH T5 T3 0.007477472 BENAR T6 T4 0 BENAR U5 U2 0.007143164 BENAR U6 U4 0.004102618 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 76.19 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 40
Tabel Pengenalan ( lambda 20, Theta 0 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.001233184 BENAR A6 O2 0.008679186 SALAH B5 G4 0.005022544 SALAH B6 B2 0.005331201 BENAR C5 C2 ; C3 0.005076016 BENAR C6 T1 ; T2 0.014138914 SALAH D5 D2 0.005167553 BENAR D6 K2 ; K3 0.004902036 SALAH E5 E1 0.008140437 BENAR E6 M1 0.007865993 SALAH F5 F3 0.005331668 BENAR F6 F2 0.002802864 BENAR G5 G1 0 BENAR G6 G3 0.002372408 BENAR H5 H3 0 BENAR H6 H4 0.003466263 BENAR I5 D2 0.002275727 SALAH I6 I4 0 BENAR J5 J1 0.007589851 BENAR J6 M3 0.004782568 SALAH K5 K4 0.0016332 BENAR K6 O3 0.00617163 SALAH L5 L2 0.004590217 BENAR L6 L3 0.004724071 BENAR M5 E4 0.008273187 SALAH M6 M2 0.002299581 BENAR N5 N4 0.002563017 BENAR N6 N2 0.065504039 BENAR O5 O1 0.003742759 BENAR O6 O3 0.005195588 BENAR P5 P3 0.020538178 BENAR P6 P4 0.018323777 BENAR Q5 J3 0.005172553 SALAH Q6 Q4 0.00204847 BENAR R5 R1 0.004305 BENAR R6 S1 0.005504748 SALAH S5 S1 0.003238103 BENAR S6 S3 0.00175249 BENAR T5 I3 0.006703091 SALAH T6 T4 0 BENAR U5 U2 0.005160233 BENAR U6 U4 0.003645392 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 71.43 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 41
Tabel Pengenalan ( lambda 20, Theta 45 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.00108347 BENAR A6 O2 0.008809759 SALAH B5 B3 0.005553871 BENAR B6 B2 0.005155585 BENAR C5 C2 ; C3 0.006578596 BENAR C6 T1 ; T2 0.013852954 SALAH D5 D2 0.004843409 BENAR D6 K2 ; K3 0.006404103 SALAH E5 E1 0.007324209 BENAR E6 M1 0.008942189 SALAH F5 F3 0.004968911 BENAR F6 F2 0.002207373 BENAR G5 G1 0 BENAR G6 G3 0.002950624 BENAR H5 H3 0 BENAR H6 H4 0.005126412 BENAR I5 D2 0.002976933 SALAH I6 I4 0 BENAR J5 J1 0.008011767 BENAR J6 M3 0.003273175 SALAH K5 K4 0.00141691 BENAR K6 O3 0.004997415 SALAH L5 L2 0.004442092 BENAR L6 L3 0.004970225 BENAR M5 M2 0.009723797 BENAR M6 M2 0.002007429 BENAR N5 N4 0.002554731 BENAR N6 N2 0.062280128 BENAR O5 O1 0.003336573 BENAR O6 O3 0.003902324 BENAR P5 P3 0.019284557 BENAR P6 P4 0.018016019 BENAR Q5 J3 0.004270302 SALAH Q6 Q4 0.001452568 BENAR R5 R1 0.004806284 BENAR R6 S1 0.005429179 SALAH S5 S1 0.002916537 BENAR S6 T4 0.001522755 SALAH T5 T3 0.006558206 BENAR T6 T4 0 BENAR U5 U2 0.005387547 BENAR U6 U4 0.003354124 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 76.19 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 42
Tabel Pengenalan ( lambda 20, Theta 90 ) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.002574216 BENAR A6 Q1 0.007749534 SALAH B5 B3 0.005896941 BENAR B6 B2 0.003394654 BENAR C5 C1 0.006066566 BENAR C6 J1 0.015231037 SALAH D5 D2 0.005096462 BENAR D6 K2 ; K3 0.009728757 SALAH E5 R2 0.006432737 SALAH E6 M1 0.011957325 SALAH F5 F3 0.004826501 BENAR F6 F2 0.002032145 BENAR G5 G1 0 BENAR G6 G3 0.003529823 BENAR H5 H3 0 BENAR H6 H4 0.008981695 BENAR I5 I1 0.002650677 BENAR I6 I4 0 BENAR J5 J1 0.008576391 BENAR J6 M3 0.003921817 SALAH K5 K4 0.001612042 BENAR K6 O3 0.004884856 SALAH L5 L2 0.004642428 BENAR L6 L3 0.004559308 BENAR M5 M2 0.010404981 BENAR M6 M2 0.002180232 BENAR N5 N4 0.00235028 BENAR N6 N2 0.065490117 BENAR O5 O1 0.004066906 BENAR O6 O3 0.003204111 BENAR P5 P3 0.020049645 BENAR P6 P4 0.019682159 BENAR Q5 J3 0.006088143 SALAH Q6 Q4 0.001638286 BENAR R5 R1 0.006444252 BENAR R6 S1 0.008019803 SALAH S5 S1 0.002573887 BENAR S6 S3 0.003077883 BENAR T5 T3 0.006629306 BENAR T6 T4 0 BENAR U5 U2 0.007708277 BENAR U6 U4 0.004814384 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 78.57 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 43
Tabel Pengenalan ( lambda 20, Theta 135) Input Dikenali Sebagai Jarak Hasil IdentIFIKASI A5 A3 0.001258614 BENAR A6 O2 0.009594863 SALAH B5 B3 0.006153978 BENAR B6 B2 0.004169695 BENAR C5 C2 ; C3 0.007247526 BENAR C6 T1 ; T2 0.015969004 SALAH D5 D2 0.005372589 BENAR D6 K2 ; K3 0.012657822 SALAH E5 R2 0.007554559 SALAH E6 M1 0.008673112 SALAH F5 F3 0.005197787 BENAR F6 F2 0.002589791 BENAR G5 G1 0 BENAR G6 G3 0.003191857 BENAR H5 H3 0 BENAR H6 H4 0.005137867 BENAR I5 I1 0.002820447 BENAR I6 I4 0 BENAR J5 J1 0.007996951 BENAR J6 M3 0.003842899 SALAH K5 K4 0.001584161 BENAR K6 O3 0.005619857 SALAH L5 L2 0.004762121 BENAR L6 L3 0.005031487 BENAR M5 E4 0.008965737 SALAH M6 M2 0.0022083 BENAR N5 N4 0.002025767 BENAR N6 N2 0.068910617 BENAR O5 O1 0.004510157 BENAR O6 O3 0.004254518 BENAR P5 P3 0.021396433 BENAR P6 P4 0.019494502 BENAR Q5 J3 0.003853848 SALAH Q6 Q4 0.00211184 BENAR R5 R1 0.005299705 BENAR R6 S1 0.005645526 SALAH S5 S1 0.00328632 BENAR S6 T4 0.000407488 SALAH T5 T3 0.00748217 BENAR T6 T4 0 BENAR U5 U2 0.007106261 BENAR U6 U4 0.004126528 BENAR Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali denganbenar adalah31 citra mata, sehingga tingkat akurasiyang diperoleh sebesar 73.81 %. Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 44
RINGKASAN HASIL Analisa To Menu PENGENALAN IRIS No 1 Gabor (Variasi lambda dan Theta ) Lambda Theta Citra yang Berhasil Dikenali Hasil Akurasi (%) 0 29 69.04761905 2 45 31 73.80952381 10 3 90 38 90.47619048 4 135 33 78.57142857 5 0 30 71.42857143 6 45 32 76.19047619 15 7 90 34 80.95238095 8 135 32 76.19047619 9 0 30 71.42857143 10 45 32 76.19047619 20 11 90 33 78.57142857 12 135 31 73.80952381 Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 45
PERBANDINGAN AKURASI TERBAIK DARI TIAP LAMBDA (DATABASE K1,K2,K3,K4) THETA 90 LAMDA MEAN STDEV 0.27523 0.0514992 10 0.2622851 0.0549766 0.2622851 0.0549766 0.27458 0.0610223 0.3107909 0.0633436 15 0.2961734 0.0670152 0.2961734 0.0670152 0.3100569 0.0730542 0.3235523 0.06839 20 0.3083346 0.0721907 0.3083346 0.0721907 0.3227881 0.0783524 TABEL NILAI MEAN DAN STDEV MASING MASING LAMBDA PADA THETA 90 Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 46
NILAI MEAN TIAP LAMBDA 0.35 MEAN 0.3 0.25 0.2 0.15 LAMBDA 10 LAMBDA 15 LAMBDA 20 0.1 0.05 0 K1 K2 K3 K4 TABEL NILAI MEAN TIAP LAMBDA PADA THETA 90 Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 47
NILAI STANDAR DEVIASI TIAP LAMBDA STANDAR DEVIASI 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 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
GRAFIK Nilai Jarak Dari Tiap Lambda( INPUT K6 ) GRAFIK PERBANDINGAN NILAI JARAK DARI TIAP LAMBDA Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 49
TABLE HASIL PENGENALAN (INPUT K6) THETA 90 INPUT (K6 ) LAMBDA 10 LAMBDA 15 LAMBDA 20 DIKENALI SEBAGAI K1 O3 O3 NILAI JARAK 0.0045 0.0046 0.0049 Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 50
SISTEM PENGENALAN To Menu DENGAN GUI Jurusan Teknik Mesin Fakultas Teknologi Industri ITS Surabaya 51
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
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
To Menu