YOGI WARDANA NRP

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

Next

DAFTAR ISI Latar Belakang

Perhitungan Akurasi Perangkat Lunak

Permasalahan

Euclidean Distance

Tujuan

Metode Slovin

Batasan Masalah

Diagram Alir Perangkat Lunak

Manfaat Penelitian

Analisa Tekstur

Penelitian Terdahulu

Perhitungan Sample

Karakteristik Iris

Perbandingan Akurasi

Sistem Pengenalan Iris

Kesimpulan

Citra Digital

Saran

Filter Gabor

Penutup Jurusan Teknik Mesin | Fakultas Teknologi Industri | ITS Surabaya

2

LATAR BELAKANG

Next

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


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


5

TUJUAN

To Menu

Mengetahui cara mendapatkan pola / pattern iris berbasis image processing Mengetahui proses ekstraksi fitur iris mata menggunakan filter gabor Mengetahui cara pengenalan dan pencocokan iris mata yang lebih akurat untuk mengetahui identitas seseorang


6

BATASAN MASALAH

Next

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


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


9

PENELITIAN TERDAHULU

Next

• ”Identifikasi Personal Biometrik Berdasarkan Pola

Ichsan (2004)

Resmana Lim & Santoso (2003) A.A. K. Oka Sudana , D.M. Wiharta, Mahardhi ka Tirta (2006)

Iris Mata Dengan Menggunakan FIilter Gabor”

• Dari hasil penelitian ini memiliki tingkat keberhasilan sebesar 80.35 % pada frekuensi 2 dan pada sudut 00 .

• “ Verifikasi Personal Berdasarkan Citra Tangan Dengan Metode Filter Gabor”

• Keberhasilan pengenalan rata-rata yang didapat adalah lebih dari 90%.

• ”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%.


10

A.A. K. Oka Sudana , D.M. Wiharta, Mahardhika Tirta (2006)

Next

Back


11

Resmana Lim & Santoso(2003)

To Menu

Back


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 bergantung pada sifat genetik.


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


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


15

FILTER GABOR

Next

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


16

To Menu

Filter gabor diperoleh dengan memodulasi gelombang sinus dengan fungsi Gaussian pada frekuensi dan orientasi tertentu. Filter Gabor yang digunakan adalah menggunakan rumus sebagai berikut :

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

A2= STDEV CITRA INPUT

B1 = MEAN CITRA DALAM DATABASE

B2 = STDEV CITRA DALAM DATABASE


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 PERANGKAT LUNAK

To Menu

 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 :


20

INPUT CITRA

Next

Data citra mata diambil dari direktori Chinese Academy of Sciences'

Institute of Automation ( CASIA ) dengan tipe Casia Iris - Interval


21

DIAGRAM ALIR PERANGKAT LUNAK Mulai Pengambilan citra iris mata Penglokasian Pupil

Next

A

Didapatkan Pola Iris Analisa Tekstur Proses Pengenalan

Pendeteksian Iris

A

Display Pemilik Iris Mata Selesai


22

PENGLOKASIAN PUPIL

Next

A

Mulai Citra grayscale Kontras 1 Pelembutan Citra

Citra black & white Operasi Morfologi pendeteksi an pupil

Kontras 2

Buang Pupil

A

Selesai


23

PENDETEKSIAN IRIS

Next

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

Next

Mulai Hasil Crop Iris Operasi buang lubang pupil Mask form Iris berbentuk persegi Selesai Jurusan Teknik Mesin | Fakultas Teknologi Industri | ITS Surabaya

25

TAHAP ANALISA TEKSTUR DAN PROSES PENGENALAN

To Menu

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

Next

 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


27

HASIL OUTPUT GABOR


Next

28

CITRA HASIL GABOR


Next

29

Hasil Fitur Citra

To Menu

Nilai Mean Mata

A6

lamda

Orientasi 0

45

90

135

10

0.279742

0.21802

0.279742

0.34578

15

0.315886

0.286863

0.315886

0.34578

20

0.328857

0.312211

0.328857

0.34578

Nilai Standar Deviasi Mata

A6

lamda

Orientasi 0

45

90

135

10

0.052285

0.038229

0.051315

0.060105

15

0.058227

0.05236

0.062245

0.063907

20

0.062761

0.059917

0.066759

0.067025


30

Perhitungan Sample

Next

Pada data iris CASIA-Interval terdapat 2639 citra, artinya variabel N bernilai 2639. Perhitungannya sebagai berikut :


31

ANALISA DATA

Next

 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 ) Dikenali Input Sebagai A5 A6 B5 B6 C5 C6 D5 D6 E5 E6 F5 F6 G5 G6 H5 H6 I5 I6 J5 J6 K5 K6

A3 O2 G4 B2 C2 ; C3 T1 ; T2 I3 K2 ; K3 R2 M1 F4 F2 G1 G3 H3 H4 I1 I4 K4 O1 K4 M4

Jarak

Hasil Identifikasi

0.001687616 0.007684003 0.001716057 0.00281484 0.003062547 0.011709417 0.003752479 0.000689806 0.005561991 0.007731347 0.004630859 0.003729512 0 0.001939832 0 0.004667034 0.001298592 0 0.003737251 0.004490187 0.001577917 0.002818157

BENAR SALAH SALAH BENAR BENAR SALAH SALAH SALAH SALAH SALAH BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR SALAH SALAH BENAR SALAH

Next

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 T6 U5

G4 T4 F1

0.004187477 0 0.003026699

SALAH BENAR SALAH

U6

U4

0.004558347

BENAR

Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali dengan benar adalah 29 citra mata, sehingga tingkat akurasi yang diperoleh sebesar 69.05 %. Jurusan Teknik Mesin | Fakultas Teknologi Industri | ITS Surabaya

33


A3 O2 B3 B2 I1 T1 ; T2 D2 K2 ; K3 E1 M1 F3 T3 G1 G3 H3 H4 D2 I4 J1 M3 K4 U4

Jarak

Hasil Identifikasi

0.000760315 0.006193945 0.003912485 0.003143516 0.004323025 0.009824229 0.003378823 0.005841803 0.005077055 0.005179067 0.003206512 0.003384943 0 0.001827787 0 0.003941431 0.001736596 0 0.006180271 0.002659703 0.001036237 0.002372469

BENAR SALAH BENAR BENAR SALAH SALAH BENAR SALAH BENAR SALAH BENAR SALAH BENAR BENAR BENAR BENAR SALAH BENAR BENAR SALAH BENAR SALAH

Next

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 T6 U5

T3 T4 U2

0.003421267 0 0.003598734

BENAR BENAR BENAR

U6

U4

0.004051176

BENAR


34

Tabel Pengenalan ( lambda 10, Theta 90) Dikenali Input Sebagai A5 A6 B5 B6 C5 C6 D5 D6 E5 E6 F5 F6 G5 G6 H5 H6 I5 I6 J5 J6 K5 K6

A3 Q1 B3 B2 C1 J1 D2 U2 E1 E4 F3 F2 G1 G3 H3 H4 I1 I4 J1 M3 K4 K1

Jarak

Hasil Identifikasi

0.002481559 0.006603405 0.004770525 0.003153661 0.00528268 0.014217018 0.004515653 0.007915504 0.007133717 0.008780414 0.003395474 0.003745351 0 0.003695075 0 0.011132022 0.001690028 0 0.009828555 0.004237895 0.001482952 0.004515853

BENAR SALAH BENAR BENAR BENAR SALAH BENAR SALAH BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR SALAH BENAR BENAR

Next

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 T6 U5

T3 T4 U2

0.003830447 0 0.007010242

BENAR BENAR BENAR

U6

U4

0.003268228

BENAR


35


A3 O2 B3 B2 C2 ; C3 T1 ; T2 D2 K2 ; K3 E1 M1 F3 F2 G1 G3 H3 H4 I1 I4 J1 M3 K4 U4

Jarak

Hasil Identifikasi

0.001200589 0.009428243 0.006002142 0.003504892 0.008113902 0.016588476 0.00553848 0.011497335 0.008087232 0.008917967 0.004789319 0.004808816 0 0.003685805 0 0.005632726 0.000741824 0 0.008711506 0.005209669 0.001569323 0.00561094

BENAR SALAH BENAR BENAR BENAR SALAH BENAR SALAH BENAR SALAH BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR SALAH BENAR SALAH

Next

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 T6 U5

T3 T4 U2

0.007750629 0 0.006198969

BENAR BENAR BENAR

U6

U4

0.003817649

BENAR


36


A3 O2 G4 B2 C2 ; C3 T1 ; T2 D2 K2 ; K3 R2 M1 F3 F2 G1 G3 H3 H4 I1 I4 J1 M3 K4 O3

Jarak

Hasil Identifikasi

0.001385694 0.008324415 0.004137765 0.004763317 0.003957699 0.013287018 0.004926562 0.001921991 0.007340761 0.007385462 0.005215577 0.00374783 0 0.002105427 0 0.003376206 0.002026615 0 0.007132639 0.005964084 0.001589159 0.006244116

BENAR SALAH SALAH BENAR BENAR SALAH BENAR SALAH SALAH SALAH BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR SALAH BENAR SALAH

Next

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 T6 U5

I3 T4 F1

0.005949413 0 0.004287177

SALAH BENAR SALAH

U6

U4

0.004031541

BENAR

Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali dengan benar adalah 30citra mata, sehingga tingkat akurasi yang diperoleh sebesar 71.43 %. Jurusan Teknik Mesin | Fakultas Teknologi Industri | ITS Surabaya

37


A3 O2 B3 B2 C2 ; C3 T1 ; T2 D2 K2 ; K3 E1 M1 F3 F2 G1 G3 H3 H4 D2 I4 J1 M3 K4 O3

Jarak

Hasil Identifikasi

0.001020966 0.00801133 0.00505913 0.004974962 0.005600497 0.012697602 0.004466863 0.00643244 0.006642827 0.007359692 0.004557318 0.002903197 0 0.002632551 0 0.004843837 0.00207188 0 0.008080487 0.002945997 0.001300611 0.004335768

BENAR SALAH BENAR BENAR BENAR SALAH BENAR SALAH BENAR SALAH BENAR BENAR BENAR BENAR BENAR BENAR SALAH BENAR BENAR SALAH BENAR SALAH

Next

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 T6 U5

T3 T4 U2

0.005755143 0 0.004449784

BENAR BENAR BENAR

U6

U4

0.003342162

BENAR

Dari tabel di atas dapat disimpulkan bahwa jumlah citra mata yang bisa dikenali dengan benar adalah 32citra mata, sehingga tingkat akurasi yang diperoleh sebesar 76.19 %. Jurusan Teknik Mesin | Fakultas Teknologi Industri | ITS Surabaya

38


A3 Q1 B3 B2 C1 J1 D2 U2 R2 M1 F3 F2 G1 G3 H3 H4 I1 I4 J1 M3 K4 O3

Jarak

Hasil Identifikasi

0.002620343 0.007368422 0.005634713 0.003468116 0.005854846 0.015247304 0.004976681 0.009248081 0.006343824 0.011844456 0.004365863 0.002330696 0 0.003586051 0 0.010017494 0.002442797 0 0.009132184 0.004490765 0.001606929 0.004563368

BENAR SALAH BENAR BENAR BENAR SALAH BENAR SALAH SALAH SALAH BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR SALAH BENAR SALAH

Next

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 T6 U5

T3 T4 U2

0.005750586 0 0.007552381

BENAR BENAR BENAR

U6

U4

0.004282787

BENAR


39


A3 O2 B3 B2 C2 ; C3 T1 ; T2 D2 K2 ; K3 E1 M1 F3 F2 G1 G3 H3 H4 I1 I4 J1 M3 K4 O3

Jarak

Hasil Identifikasi

0.001201467 0.009587252 0.006082709 0.004431653 0.006831877 0.016101928 0.005369439 0.012296314 0.008220454 0.008206972 0.005077968 0.003334589 0 0.003286731 0 0.005141813 0.002436932 0 0.008359339 0.004319971 0.001579438 0.005640809

BENAR SALAH BENAR BENAR BENAR SALAH BENAR SALAH BENAR SALAH BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR BENAR SALAH BENAR SALAH

Next

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 T6 U5

T3 T4 U2

0.007477472 0 0.007143164

BENAR BENAR BENAR

U6

U4

0.004102618

BENAR


40


A3 O2 G4 B2 C2 ; C3 T1 ; T2 D2 K2 ; K3 E1 M1 F3 F2 G1 G3 H3 H4 D2 I4 J1 M3 K4 O3

Jarak

Hasil Identifikasi

0.001233184 0.008679186 0.005022544 0.005331201 0.005076016 0.014138914 0.005167553 0.004902036 0.008140437 0.007865993 0.005331668 0.002802864 0 0.002372408 0 0.003466263 0.002275727 0 0.007589851 0.004782568 0.0016332 0.00617163

BENAR SALAH SALAH BENAR BENAR SALAH BENAR SALAH BENAR SALAH BENAR BENAR BENAR BENAR BENAR BENAR SALAH BENAR BENAR SALAH BENAR SALAH

Next

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 T6 U5

I3 T4 U2

0.006703091 0 0.005160233

SALAH BENAR BENAR

U6

U4

0.003645392

BENAR


41


A3 O2 B3 B2 C2 ; C3 T1 ; T2 D2 K2 ; K3 E1 M1 F3 F2 G1 G3 H3 H4 D2 I4 J1 M3 K4 O3

Jarak

Hasil Identifikasi

0.00108347 0.008809759 0.005553871 0.005155585 0.006578596 0.013852954 0.004843409 0.006404103 0.007324209 0.008942189 0.004968911 0.002207373 0 0.002950624 0 0.005126412 0.002976933 0 0.008011767 0.003273175 0.00141691 0.004997415

BENAR SALAH BENAR BENAR BENAR SALAH BENAR SALAH BENAR SALAH BENAR BENAR BENAR BENAR BENAR BENAR SALAH BENAR BENAR SALAH BENAR SALAH

Next

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 T6 U5

T3 T4 U2

0.006558206 0 0.005387547

BENAR BENAR BENAR

U6

U4

0.003354124

BENAR


42


A3 Q1 B3 B2 C1 J1 D2 K2 ; K3 R2 M1 F3 F2 G1 G3 H3 H4 I1 I4 J1 M3 K4 O3

Jarak

Hasil Identifikasi

0.002574216 0.007749534 0.005896941 0.003394654 0.006066566 0.015231037 0.005096462 0.009728757 0.006432737 0.011957325 0.004826501 0.002032145 0 0.003529823 0 0.008981695 0.002650677 0 0.008576391 0.003921817 0.001612042 0.004884856


Next

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 T6 U5

T3 T4 U2

0.006629306 0 0.007708277

BENAR BENAR BENAR

U6

U4

0.004814384

BENAR


43


A3 O2 B3 B2 C2 ; C3 T1 ; T2 D2 K2 ; K3 R2 M1 F3 F2 G1 G3 H3 H4 I1 I4 J1 M3 K4 O3

Jarak

Hasil Identifikasi

0.001258614 0.009594863 0.006153978 0.004169695 0.007247526 0.015969004 0.005372589 0.012657822 0.007554559 0.008673112 0.005197787 0.002589791 0 0.003191857 0 0.005137867 0.002820447 0 0.007996951 0.003842899 0.001584161 0.005619857


Next

L5 L6

L2

0.004762121

BENAR

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 T6 U5

T3 T4 U2

0.00748217 0 0.007106261

BENAR BENAR BENAR

U6

U4

0.004126528

BENAR


44

RINGKASAN HASIL Analisa PENGENALAN IRIS Gabor (Variasi lambda dan Theta )

Citra yang Berhasil Dikenali

Hasil Akurasi (%)

0

29

69.04761905

45

31

73.80952381

90

38

90.47619048

4

135

33

78.57142857

5

0

30

71.42857143

45

32

76.19047619

90

34

80.95238095

8

135

32

76.19047619

9

0

30

71.42857143

45

32

76.19047619

90

33

78.57142857

135

31

73.80952381

No

Lambda 1 2 3

6 7

10 11 12

10

15

20

Theta


To Menu

45

PERBANDINGAN AKURASI TERBAIK DARI TIAP LAMBDA (DATABASE K1,K2,K3,K4) LAMDA 10

15

20

THETA 90 MEAN 0.27523 0.2622851 0.2622851 0.27458 0.3107909 0.2961734 0.2961734 0.3100569 0.3235523 0.3083346 0.3083346 0.3227881

Next

STDEV 0.0514992 0.0549766 0.0549766 0.0610223 0.0633436 0.0670152 0.0670152 0.0730542 0.06839 0.0721907 0.0721907 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

Next

MEAN 0.35 0.3 0.25 LAMBDA 10 LAMBDA 15 LAMBDA 20

0.2 0.15 0.1 0.05 0 K1

K2

K3

K4

TABEL NILAI MEAN TIAP LAMBDA PADA THETA 90


47

NILAI STANDAR DEVIASI TIAP LAMBDA

Next

STANDAR DEVIASI 0.09 0.08 0.07 0.06

LAMBDA 10

0.05

LAMBDA 15

0.04

LAMBDA 20

0.03 0.02 0.01 0 K1

K2

K3

K4

TABEL NILAI STDEV TIAP LAMBDA PADA THETA 90


48

GRAFIK Nilai Jarak Dari Tiap Lambda( INPUT K6 )

Next

GRAFIK PERBANDINGAN NILAI JARAK DARI TIAP LAMBDA Jurusan Teknik Mesin | Fakultas Teknologi Industri | ITS Surabaya

49

TABLE HASIL PENGENALAN (INPUT K6)

Next

THETA 90 INPUT (K6 ) LAMBDA 10 LAMBDA 15 LAMBDA 20

DIKENALI SEBAGAI

K1

O3

O3

NILAI JARAK

0.0045

0.0046

0.0049


50

SISTEM PENGENALAN DENGAN GUI


To Menu

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 900  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.


53

To Menu

YOGI WARDANA NRP

Recommend Documents