PENGENALAN IRIS MENGGUNAKAN FITUR LOCAL BINARY PATTERN DAN RBF CLASSIFIER

Muhammad Ezar Al Rivan; Siska Devella

doi:10.24176/simet.v11i1.3717

PENGENALAN IRIS MENGGUNAKAN FITUR LOCAL BINARY PATTERN DAN RBF CLASSIFIER

Muhammad Ezar Al Rivan
Siska Devella

Abstract

Iris merupakan bagian dari mata yang memiliki keunikan. Keunikan pada iris ini menjadi alasan iris digunakan sebagai identitas seperti sidik jari,dan suara. Dibandingkan dengan sidik jari, iris memiliki kelebihan karena letak iris yang lebih terlindungi. Setiap individu memiliki pola iris yang berbeda dan pembentukan pola iris tidak berhubungan dengan faktor genetik individu, sehingga iris merupakan biometrik yang memiliki keunikan yang tinggi dan sulitnya untuk dilakukan pemalsuan biometrik. Identifikasi atau pengenalan iris dilakukan dengan menggunakan citra iris. Pada penelitian ini citra iris akan dilakukan tahap praproses yaitu dengan menghilangkan noise seperti bulu dan kelopak mata, yang kemudian hasil praproses citra iris dilakukan ekstraksi fitur menggunakan algoritma Local Binary Pattern (LBP). Setelah proses ekstraksi fitur dilakukan, proses selanjutnya adalah melakukan pelatihan menggunakan Radial Basis Function (RBF). Setelah proses pelatihan, model RBF diuji dengan data iris yang berbeda. Akurasi tertinggi yang dicapai pada pengenalan iris menggunakan fitur LBP dan RBF yaitu 83,33%.

Keywords

pengenalan; iris; LBP; RBF

Teks Lengkap:

PDF

Referensi

[1] Maimunah and Harjoko, A. 2007. “Sistem pengenalan iris mata manusia dengan menggunakan transformasi wavelet.” Semin. Nas. Apl. Teknol. Inf. 2007, vol. 2007, no. Snati

[2] Harakannanavar, Sunil.S and Puranikmath, I Veena. 2013. “Comparative Survey of Various Iris Recognition.” International Conference on Electrical, Electronics, Communication, Computer and Optimization Technique (ICEECCOT), vol. 1, no. 1, pp. 46–58.

[3] Kanchan. S. Bhagat, et al. 2017. “Iris recognition using radon transform and GLCM.” 2017 Int. Conf. Adv. Comput. Commun. Informatics, ICACCI 2017, vol. 2017-Janua, pp. 2257–2263

[4] Puspitawati, D.E. et al.2008. “Pengenalan iris mata dengan menggunakan metode wavelet dan jaringan syaraf tiruan radial basis function,” Fak. Tek. Inform. Progr. Stud. S1 Tek. Inform.

[5] Rashad, et al. 2011. “IRIS Recognition Based On LBP and Combined LVQ Classifier.”. Int. J. Comput. Sci. Inf. Technol., vol. 3, no. 5, pp. 67–78

[6] Nigam, A, et al.2014. “Iris recognition using block local binary patterns and relational measures.”. IJCB 2014 - 2014 IEEE/IAPR Int. Jt. Conf. Biometrics

[7] He, Yuqing, et al.2011. “Iris feature extraction method based on LBP and chunked encoding,” Proc. - 2011 7th Int. Conf. Nat. Comput. ICNC 2011, vol. 3, pp. 1663–1667.

[8] Kumar, K.Kishore and Pavani, Movva. 2017.“LBP based biometrie identification using the periocular region,” 2017 8th IEEE Annu. Inf. Technol. Electron. Mob. Commun. Conf. IEMCON 2017, pp. 204–209.

[9] Popplewell, Khary, et al. 2014. “Multispectral iris recognition utilizing hough transform and modified LBP,” Conf. Proc. - IEEE Int. Conf. Syst. Man Cybern., vol. 2014-Janua, no. January, pp. 1396–1399.

[10] Khedkar, Mrunal M. and Ladhake, S.A. 2013. “Robust human Iris Pattern Recognition System Using Neural Network Approach,”.

[11] Khedkar, Mrunal M. and Ladhake, S. A.2013 “Neural network based iris pattern recognition system using discrete Walsh Hadamard transform features,” Proc. 2013 Int. Conf. Adv. Comput. Commun. Informatics, ICACCI 2013, pp. 388–393.

[12] Daugman, J. 2004. “How iris recognition works?,” IEEE Trans Circuits Syst Video Technol, vol. 14, no. 1, pp. 21–30.

[13] Libor, Masek.2007. “Recognition of human iris patterns for biometric identification,” J. Eng. Appl. Sci., vol. 54, no. 6, pp. 635–651.

[14] Flom, Leonard and Safir, Aran. 1987. “Iris Recognition System (U.S Patent),” United States Pat.

[15] Daugman, J. 1994. “BIOMETRIC PERSONAL IDENTIFICATION SYSTEM BASED ON IRIS ANALYSIS,”.

[16] Devella, Siska. 2019. “Pengenalan Iris Menggunakan K – Nearest Neighbors dengan Ekstraksi Fitur Dicrete Cosine Transform,” vol. 02, no. 01, pp. 27–33.

[17] Gupta, Madan M, et al. 2003, Static and Dinamic Neural Network From Fundamentals to Advanced Theory.

[18] Dillak, Rocky Yefrenes, et al.2012. “Penerapan Jaringan Saraf Tiruan Radial Basis Function Pada Diaknosa Danmedical Prescription Penyakit Jantung,” Semin. Nas. Inform. 2012 (semnasIF 2012) UPN”Veteran” Yogyakarta, 30 Juni 2012, vol. 2012, no. semnasIF, pp. 115–121.

DOI: https://doi.org/10.24176/simet.v11i1.3717