PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI
SKRIPSI
PRISILIA LUKAS 081401039
PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013
PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer
PRISILIA LUKAS 081401039
PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013
PERSETUJUAN
Judul
Kategori Nama Nomor Induk Mahasiswa Program Studi Departemen Fakultas
: PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI : SKRIPSI : PRISILIA LUKAS : 081401039 : S1 ILMU KOMPUTER : ILMU KOMPUTER : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) SUMATERA UTARA
Diluluskan di Medan, Maret 2013 Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Syurahbil,S.Si,MCompSc NIP 1975022722008101001
Prof. Dr. Opim Salim Sitompul NIP 196108171987011001
Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua,
Dr. Poltak Sihombing, M.Kom NIP 196203171991031001
PERNYATAAN
PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABORWAVELET PADA EKSTRAKSI CIRI
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Maret 2013
PRISILIA LUKAS 081401039
PENGHARGAAN
Puji dan syukur saya ucapkan kehadirat Tuhan Yang Maha Esa yang selalu memberikan berkat dan perlindunganNya, sehingga saya dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih saya sampaikan kepada Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, serta bapak Dr. Poltak Sihombing, M.Kom dan ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Ketua dan sekretaris Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi USU. Ucapan terima kasih juga ditujukan kepada bapak Prof. Dr. Opim Salim Sitompul dan bapak Syurahbil, S.Si, M.comp.Sc selaku pembimbing I dan pembimbing II pada penyelesaian skripsi ini yang telah memberikan panduan dan penuh kepercayaan kepada saya untuk menyempurnakan kajian ini. Panduan ringkas dan padat dan profesional telah diberikan kepada saya agar dapat menyelesaikan tugas ini. Terima kasih yang mendalam juga saya ucapkan kepada bapak Dr. Poltak Sihombing, M.Kom dan bapak Sajadin Sembiring S.Si, M.comp.Sc. selaku pembanding I dan pembanding II yang telah memberikan kritik dan masukan-masukan positif guna penyempurnaan skripsi ini. Ucapan terima kasih juga ditujukan kepada ibunda tercinta, Anthon Mezak Lukas dan Lusye Panoto yang telah memberikan semangat dan motivasi dan yang selalu sabar dalam mendidik saya serta kakak dan abang saya, Nancy Lukas, Dalisang Lukas yang telah banyak berjasa dan selalu memberi dorongan serta bantuan baik moril maupun meteril. Selain itu, penulis juga mengucapkan banyak terima kasih kepada sahabat-sahabat dan teman-teman angkatan 2008 serta junior dan senior di Program Studi S1 Ilmu Komputer yang telah memberi motivasi, semangat serta dukungan dalam menyelesaikan skripsi ini.semua dosen dan pegawai pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Infromasi USU yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
ABSTRAK Penelitian yang disajikan pada tugas akhir ini adalah bagaimana mengimplementasikan metode pengenalan citra iris ke dalam perangkat lunak. Pembuatan sistem sebatas mampu mengenali citra iris database dengan memilih metode pengenalan citra yang dianggap sederhana untuk tahap pemula yang ingin membangun suatu sistem pengenalan citra iris yang pada umumnya dianggap sulit untuk mengimplemetasikan ke dalam bentuk software. Untuk melakukan pengujian terhadap sistem dipakai
database digital dari CASIA (Chinese
Academy of Science Institute of Auutomation) Iris Database. Sistem pengenalan iris terdiri dari proses segmentasi yaitu Gaussian filter, grayscale, binerisasi, deteksi tepi sobel dan terakhir transformasi Hough. Wilayah hasil segmentasi kemudian dinormalisasikan dengan menggunakan Daugman Rubber Sheet setelah selesai kemudian masuk ke dalam ekstraksi ciri menggunakan Gabor Wavelet, hasil ekstraksi dengan mengkodekan pola unik iris ke dalam bentuk template bit biometrik. Jarak hamming digunakan untuk hasil pengujian template iris. Hasil akhir yang diperoleh adalah sistem mampu mengenali citra yang diuji dengan membandingkan yang ada dalam database dengan akurasi tertentu. Sistem mampu mengenali dengan baik pada 100 citra mata yang berbeda, untuk 50 citra mata yang berbeda sudah tersimpan lebih dahulu dalam database, setiap mata terdiri dari 3 citra mata yang sama baik bentuk dan jaraknya masing-masing diberi noise yang berbeda pada citra tersebut. Jadi dalam perancangan sistem aplikasi pengenalan citra ini kontribusi saya sebagai peneliti adalah bagaimana merancang aplikasi pengenalan iris mata yang sederhana dengan mengimplementasikan Gabor Wavelet pada ekstraksi ciri. Kata Kunci : Iris, Segmentasi, Normalisasi, Ekstraksi, Gabor Wavelet.
ABSTRACT The research presented in this thesis is how to implement iris image recognition methods into the software. Making the system is able to recognize the extent of iris image database by selecting the image recognition method is considered simple for beginners who want to build the stage of an iris recognition system image that is generally considered difficult to implement into the form of software. For perform testing of the system used digital database of CASIA (Chinese Academy of Science Institute of Auutomation) Iris Database. Iris recognition system consists of the segmentation process is Gaussian filters, grayscale, threshold, Sobel edge detection and Hough transformation recent. Region segmentation results then normalized by using Daugman Rubber Sheet after then get into using the Gabor wavelet feature extraction, the extraction of the unique iris patterns to encode the bits of biometric templates. Hamming distance is used to test the results of the iris template. The final result obtained is a system capable of recognizing tested by comparing the images in the database with a certain accuracy. The system is able to recognize well over 100 different eye images, for 50 different eye images are first stored in the database, each eye consists of three images of the same eye both shape and distance were each given a different noise in the image. Thus in the design of image recognition application system these my contribution as researchers is how to design iris recognition application is simple to implement the the Gabor wavelet of feature extraction.
Keywords: Iris, Segmentation, Normalization, Extraction, Gabor Wavelet.
DAFTAR ISI
Halaman Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar Bab 1 Pendahuluan 1.1 Latar Belakang 1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian 1.6 Metode Penelitian 1.7 Sistematika Penulisan
ii iii iv v vi vii x xi 1 1 2 2 3 3 3 4
Bab 2 Landasan Teori 2.1 Sistem Biometrik 2.1.1 Modul dalam Sistem Biometrik 2.1.2 Perbandingan Biometrik 2.2 Mata Sebagai Sistem Biometrik 2.2.1 Pupil Mata 2.2.2 Iris Mata 2.3 Sistem Pengenalan Iris Mata 2.4 Beberapa Metode Sistem Biometrik Iris Mata 2.4.1 Representasi Citra Digital 2.4.2 Segmentasi 2.4.2.1 Gaussian Filter 2.4.2.2 Grayscale 2.4.2.3 Treshold (Binerisasi) 2.4.2.4 Deteksi Tepi Sobel 2.4.2.5 Transformasi Hough 2.4.3 Normalisasi 2.4.3.1 Daugman Rubber Sheet Model 2.4.4 Gabor Wavelet 2.4.5 Pencocokan (Matching) 2.5 Flowchart
5 5 7 7 8 9 10 11 12 12 13 13 14 14 14 15 16 16 17 18 19
Bab 3 Perancangan dan Implementasi 3.1 Perancangan 3.1.1 Perancangan DFD (Data Flow Diagram)
20 20 21
3.1.1.1 DFD Level 0 3.1.1.2 DFD Level 1 3.1.2 Kamus Data 3.1.3 Relasi Antar Entitas 3.1.4 Perancangan Flowchart 3.1.5 Gambaran Umum Sistem 3.1.6 Perhitungan dari Sistem Pengenalan Citra Iris 3.1.6.1 Pengolahan Awal 3.1.6.2 Segmentasi 3.1.6.2.1 Gaussian Filter 3.1.6.2.2 Grayscale 3.1.6.2.3 Threshold (Binerisasi) 3.1.6.2.4 Deteksi Tepi 3.1.6.3 Normalisasi 3.1.6.4 Ekstraksi fitur 3.1.6.5 Pencocokan Iris Mata 3.1.7 Spesifikasi Rancangan Algoritma Program Utama Aplikasi 3.1.7.1 Algoritma Program Rancangan Template 3.1.7.2 Algoritma Program Segmentasi 3.1.7.3 Algoritma Program Normalisasi 3.1.7.4 Algoritma Program Encoding 3.1.7.5 Algoritma Program Hamming Distance 3.1.7.6 Algoritma Program Koordinat Lingkaran 3.1.7.7 Algoritma Program Koordinat Garis 3.1.7.8 Algoritma Program Hough 3.1.7.9 Algoritma Program Gabor Wavelet 3.2 Rancangan Antarmuka Pengguna (User Interface) 3.2.1 Rancangan Menu Utama 3.2.2 Rancangan Login 3.2.3 Rancangan Pengenalan 3.2.4 Rancangan Data Pendukung 3.2.5 Rancangan Data Iris 3.3 Implementasi 3.3.1 Tampilan Menu Utama 3.3.2 Tampilan Menu Masuk 3.3.3 Tampilan Login 3.3.4 Tampilan Menu Pengenalan Iris 3.3.5 Tampilan Data Iris 3.3.6 Tampilan Pengujian Pemasukan Data Iris dan Template 3.3.7 Tampilan Pengujian Identifikasi 3.3.8 Tampilan hasil Pengujian Bab 4 Hasil dan Pembahasan 4.1 Hasil dan Pembahasan Pengujian Proses Citra Iris Mata 4.1.1 Hasil Segmentasi (Deteksi Tepi Sobel) Citra Iris Mata 4.1.2 Hasil Segmentasi (Transformasi Hough) Citra Iris Mata 4.1.3 Hasil Koordinat Pusat dan Jari-Jari dan Pupil Mata 4.1.4 Hasil Ekstraksi Gabor Wavelet 4.1.5 Hasil Uji Coba Pencocokan 4.1.5.1 Pencocokan Hasil Citra Query dengan Database
21 22 25 27 28 29 30 30 32 32 39 40 42 44 45 46 47 47 47 48 49 49 50 50 51 51 52 52 53 53 54 54 55 55 55 56 56 57 57 59 61 63 63 63 64 65 65 65 66
Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan 5.2 Saran
67 67
Daftar Pustaka
68
DAFTAR TABEL
Halaman 2.1 2.2 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 4.1 4.2 4.3 4.4 4.5 4.6
Perbandingan Karakteristik Biometrik Simbol-Simbol Flowchart Program Tabel User Tabel Hasil TabelTemplate Matriks Kernel Gaussian 2D 5x5 Matriks Citra Iris Heksadesimal Nilai Heksadesimal Diubah dalam Desimal Hasil Dari Konvolusi Citra Dengan Matriks Kernel Hasil Matriks Citra Iris RGB Hasil Segmentasi (Deteksi Tepi Sobel) Citra Iris Mata Hasil Segmentasi (Transformasi Hough) Citra Iris Mata Hasil Koordinat Pusat dan Jari-jari Iris Mata Hasil Koordinat Pusat dan Jari-jari Pupil Hasil Ekstraksi Hasil Pengujian Citra Query pada SistemPengenalan Iris
8 19 25 26 26 32 33 33 34 38 63 64 65 65 65 66
DAFTAR GAMBAR
Halaman 2.1 Anatomi Mata Bagian Luar 2.2 Pupil Mata 2.3 Anatomi Iris Mata 2.4 Tahapan Sistem Pengenalan Iris 2.5 Fungsi Koordinat sebagai Representasi Citra Digital 2.6 Kernel Filter Gaussian untuk ukuran 5 x 5 2.7 Ilustrasi Daugman Rubber Sheet Model 3.1 Proses Pengolahan Iris Mata 3.2 DFD Level 0 3.3 DFD Level 1 3.4 Relasi Antar Entitas 3.5 Tahap Penyimpanan 3.6 Tahap Pengujian 3.7 Skema Sistem 3.8 Data Citra Digital Iris 3.9 Matriks Nilai Grayscale Citra 3.10 Matriks RGB Citra Iris 3.11 Matriks Citra Biner 3.12 Citra Iris Biner 3.13 Duah Buah Matriks Kernel 3.14 Matriks Citra 3x3 Piksel dengan Dua Filter 3.15 Nilai Konvolusi (M) Sekitar Piksel 3x3 3.16 Matriks Hasil Deteksi Tepi Citra 3x3 3.17 Model Normalisasi Daugman Rubber Sheet 3.18 Hasil Ekstraksi Fitur 3.19 Template Iris Mata 3.20 Rancangan Menu Utama 3.21 Rancangan Login 3.22 Rancangan Identifikasi 3.23 Rancangan Data Pendukung 3.24 Rancangan Data Iris 3.25 Tampilan Menu Utama 3.26 Tampilan Login 3.27 Tampilan Pengenalan 3.28 Tampilan Data Iris 3.29 Tampilan Awal Pemasukan Citra Iris dan Template 3.30 Tampilan Kotak Dialog Pemilihan Citra Iris Pengujian 3.31 TampilanPemilihan Citra Iris 3.32 Tampilan Hasil Template Iris Dalam Citra dan Biner 3.33 TampilanPesan Penyimpanan 3.34 Tampilan Awal Identifikasi 3.35 Tampilan Kotak Dialog Pemilihan Citra Iris Pengujian 3.36 Tampilan Pemilihan Citra Iris Pengujian
8 9 10 11 12 14 17 20 21 22 27 28 28 29 30 40 41 42 42 43 44 43 44 44 46 47 51 51 52 53 53 54 55 55 56 56 57 57 58 58 58 59 59
3.37 Tampilan Pemilihan Citra Iris Database 3.38 Tampilan Hasil Identifikasi Citra Pengujian 3.39 Tampilan Hasil Pengujian
60 60 61
