pengenalan iris mata menggunakan metode ... - … ·...
TRANSCRIPT
PENGENALAN IRIS MATA MENGGUNAKAN METODE
PROBABILISTIC NEURAL NETWORK (PNN)
TUGAS AKHIR
Diajukan Untuk Memenuhi
Persyaratan Guna Meraih Gelar Sarjana Strata Satu
Teknik Informatika Universitas Muhammadiyah Malang
Oleh :
DIAN TITISARI
09560458
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG
2015
LEMBAR PERSETUJUAN
PENGENALAN IRIS MATA MENGGUNAKAN METODE
PROBABILISTIC NEURAL NETWORK (PNN)
TUGAS AKHIR
Oleh :
Dian Titisari
09560458
Telah Direkomendasikan Untuk Diajukan Sebagai Judul Tugas Akhir Di
Teknik Informatika Universitas Muhammadiyah Malang
Menyetujui,
Pembimbing I
(Yuda Munarko, S.Kom., MS.c
NIP. 108.0611.0443
Pembimbing II
(Eko Budi Cahyono S.Kom., M.T)
NIP. 108.9504.0330
LEMBAR PENGESAHAN
PENGENALAN IRIS MATA MENGGUNAKAN METODE
PROBABILISTIC NEURAL NETWORK (PNN)
TUGAS AKHIR
Diajukan Untuk Memenuhi
Persyaratan Guna Meraih Gelar Sarjana Strata Satu
Teknik Informatika Universitas Muhammadiyah Malang
Disusun Oleh :
DIAN TITISARI
0 9 5 6 0 4 5 8
Tugas Akhir ini telah diuji dan dinyatakan lulus oleh tim penguji pada
tanggal 29 januari 2015
Mengetahui/Menyetujui
Penguji I Penguji II
(Gita Indah M., S.T, M.Kom) (Zamah Sari, S.T, M.T)
NIP. 108.0611.0442 NIP. 0708087701
Mengetahui
Ketua Jurusan Teknik Informatika
(Yuda Munarko, S.Kom., MS.c)
NIP. 108.0611.0443
LEMBAR PERNYATAAN
Yang bertanda tangan di bawah ini:
Nama : Dian Titisari
Tempat / Tgl Lahir : Sumenep / 25 Agustus 1990
NIM : 0 9 5 6 0 4 5 8
Fakulats / Jurusan : Teknik / Teknik Informatika
Dengan ini saya menyatakan bahwa Tugas Akhir dengan judul “PENGENALAN
IRIS MATA MENGGUNAKAN METODE PROBABILISTIC NEURAL
NETWORK (PNN)” beserta seluruh isinya adalah karya saya sendiri dan bukan
merupakan karya tulis orang lain, baik sebagian maupun keseluruhan, kecuali
dalam bentuk kutipan yang telah disebutkan sumbernya.
Demikian surat pernyataan ini saya buat dengan sebenar-benarnya.
Apabila kemudian ditemukan adanya pelanggaran terhadap etika keilmuan dalam
karya saya ini, atau ada klaim dari pihak lain terhadap keaslian karya saya ini
maka saya siap menanggung segala bentuk resiko/sanksi yang berlaku.
Malang, Februari 2015
Yang Membuat Pernyataan
(Dian Titisari)
Mengetahui,
Dosen Pembimbing I
(Yuda Munarko, S.Kom., MSc)
NIP. 108.0611.0443
Dosen Pembimbing II
(Eko Budi Cahyono S.Kom M.T
NIP. 108.9504.0330
KATA PENGANTAR
Dengan memanjatkan puji syukur kehadirat Allah SWT. Atas segala
limpahan rahmat dan hidayah-NYA sehingga peneliti dapat menyelesaikan Tugas
Akhir yang berjudul :
“PENGENALAN IRIS MATA MENGGUNAKAN METODE
PROBABILISTIC NEURAL NETWORK (PNN)”
Pada penelitian tugas akhir ini, dirancang sebuah sistem yang bertujuan
untuk mengenali iris mata seseorang yang ada dalam database, sehingga dengan
adanya sistem pengenalan iris ini akan mendapat kemudahan dalam mengetahui
iris mata seseorang.
Penulis menyadari dengan sepenuhnya bahwa penelitian ini masih jauh
dari kesempurnaan oleh sebab itu penulis mengharapkan masukan berupa saran
maupun kritikan yang membangun untuk pengenalan iris mata lebih lanjut.
Malang, Februari 2015
Penulis
DAFTAR ISI
LEMBAR PERSETUJUAN .................................................................................. i
LEMBAR PENGESAHAN .................................................................................. ii
LEMBAR PERNYATAAN ................................................................................. iii
ABSTRAK ............................................................................................................ iv
ABSTRACT ............................................................................................................. v
LEMBAR PERSEMBAHAN .............................................................................. vi
KATA PENGANTAR ......................................................................................... vii
DAFTAR ISI ....................................................................................................... viii
DAFTAR GAMBAR ............................................................................................ xi
DAFTAR TABEL ............................................................................................... xii
BAB I : PENDAHULUAN
1.1 Latar Belakang ................................................................................................... 1
1.2 Rumusan Masalah .............................................................................................. 2
1.3 Tujuan Penelitian ............................................................................................... 2
1.4 Batasan Masalah................................................................................................. 2
1.5 Metodologi Penyelesaian Masalah ..................................................................... 3
1.6 Sistematika Penulisan ........................................................................................ 4
BAB II : LANDASAN TEORI
2.1 Citra (Image) ...................................................................................................... 5
2.1.1 Defini Citra.................................................................................................... 5
2.2 Pengolahan Citra (Image Processing) ................................................................ 5
2.2.1 Defini Pengolahan Citra ................................................................................ 5
2.2.2 Operasi Pengolahan Citra .............................................................................. 7
2.3 Pengenalan Pola ................................................................................................. 8
2.3.1 Defini Pengenalan Pola ................................................................................. 8
2.3.2 Pengenalan Pola ............................................................................................ 9
2.4 Biometrik Iris Mata .......................................................................................... 10
2.4.1 Sistem Biometrik Iris Mata ......................................................................... 10
2.4.2 Fitur Iris Mata ............................................................................................. 13
2.4.3 Ektraksi Fitur ............................................................................................... 13
2.4.4 Binersasi ...................................................................................................... 15
2.4.5 Diteksi Tepi dan Operasi Morfologi ........................................................... 15
2.4.6 Ektraksi Ciri Filter Gabor ........................................................................... 17
2.5 Kecerdasan Buatan (Artificial Intellegence) .................................................... 20
2.5.1 Defini Kecerdasan Buatan (Artificial Intellegence) .................................... 20
2.5.2 Ruang Lingkup Kecerdasan Buatan ............................................................ 21
2.5.3 Keuntungan Kecerdasan Buatan ................................................................. 22
2.5.4 Keuntungan Kecerdasan Alami................................................................... 24
2.6 Jaringan Syaraf Tiruan ..................................................................................... 23
2.6.1 Defini Jaringan Syaraf Tiruan ..................................................................... 23
2.6.2 Sejarah Kecerdasan Buatan ......................................................................... 23
2.6.3 Beberapa Program AI (1956 - 1966) ........................................................... 25
2.6.4 Arsitektur Jaringan Syaraf Tiruan ............................................................... 25
2.6.5 Metode Jaringan Syaraf Probabilistik ......................................................... 28
2.6.6 Arsiterktur Jaringan Syaraf Tiruan Probabilistik ........................................ 29
BAB III : ANALISA DAN PERANCANGAN SISTEM
3.1 Perancangan Alur Sistem ................................................................................. 31
3.1.1 Segmentasi / Lokalisasi Pupil dan Iris ....................................................... 32
3.1.2 Lokalisasi Pupilx ....................................................................................... 32
3.1.3 Ekstrasi Ciri ............................................................................................... 32
3.1.4 Processing .................................................................................................. 33
3.1.5 Ekstraksi Ciri (Filter Gabor) ..................................................................... 34
3.1.6 Proses Awal Pengenalan Pola .................................................................... 35
3.1.7 Klasifikasi dengan PNN ............................................................................. 36
3.1.8 Arsitektur PNN .......................................................................................... 37
3.2 Use Case Diagram .......................................................................................... 37
3.3 Activity Diagram ............................................................................................. 40
3.3.1 Activity Diagram Preprocessing ............................................................... 40
3.3.2 Activity Diagram Pengujian ...................................................................... 41
3.3.3 Sequence Diagram Preprocessing ............................................................ 42
3.3.4 Sequence Diagram Pengujian .................................................................... 43
3.4 Class Diagram ................................................................................................. 44
3.5 Desain Interface ............................................................................................... 45
BAB IV : IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi Sistem ........................................................................................ 49
4.1.1 Preprocessing ............................................................................................ 49
4.1.2 Operasi Morfologi (Dilasi dan Fill) ........................................................... 50
4.1.3 Euclidean Highlight ................................................................................... 51
4.1.4 Lokalisasi Iris ............................................................................................ 52
4.1.5 Filter Median ............................................................................................ 53
4.1.6 Deteksi Tepi Canny .................................................................................. 53
4.1.7 Feature Extraction .................................................................................... 53
4.1.8 Training Data ........................................................................................... 55
4.2 Pengujian Sistem dan Analisa .......................................................................... 56
4.2.1 Perancangan Pengujian .............................................................................. 56
4.2.2 Pengujian Sistem ....................................................................................... 56
4.3 Interface Aplikasi ............................................................................................ 71
BAB V : PENUTUP
5.1 Kesimpulan ...................................................................................................... 74
5.2 Saran ............................................................................................................... 74
DAFTAR PUSTAKA ........................................................................................... 75
DAFTAR GAMBAR
Gambar 2.1 Orgam Mata........................................................................................ 11
Gambar 2.2 Gabor kernel dengan 5 frekuensi spasial dan 8 orientasi sudut ......... 19
Gambar 2.3 Arsitektur jaringan syaraf tiruan ........................................................ 26
Gambar 2.4 Arsitektur PNN ................................................................................... 30
Gambar 3.1 Flowchart garis besar aplikasi............................................................ 31
Gambar 3.2 Flowchart binerisasi citra ................................................................... 33
Gambar 3.3 Alur proses deteksi tepi dalam sistem ................................................ 34
Gambar 3.4 Flowchart pelatihan menggunakan PNN ........................................... 35
Gambar 3.5 Flowchart klasifikasi dengan PNN .................................................... 37
Gambar 3.6 Arsitektur PNN ................................................................................... 37
Gambar 3.7 Use Case Diagram ............................................................................. 38
Gambar 3.8 Activity diagram preprocessing ......................................................... 40
Gambar 3.9 Activity diagram Pengujian terjemahan ............................................ 42
Gambar 3.10 Gambar Sequence Diagram Preprocessing ..................................... 43
Gambar 3.11 Sequence Diagram pengujian........................................................... 43
Gambar 3.12 Class Diagram.................................................................................. 44
Gambar 3.13 Tampilan awal sistem ...................................................................... 45
Gambar 3.14 Tampilan Menu preprocessing ........................................................ 46
Gambar 3.15 Tampilan menu perbandingan ekstraksi ciri preprocessing ............ 47
Gambar 3.16 Tampilan halaman pengujian .......................................................... 48
Gambar 4.1 Citra Hasil Deteksi Tepi dengan Deteksi Tepi Canny ...................... 50
Gambar 4.2 Hasil Morfologi Citra ........................................................................ 51
Gambar 4.3 Citra Hasil Euclidean Highlight ........................................................ 52
Gambar 4.4 Tahapan Lokalisasi Iris ..................................................................... 52
Gambar 4.5 Citra hasil Filter Gabor ..................................................................... 54
Gambar 4.6 Struktur menu aplikasi ...................................................................... 71
Gambar 4.7 Menu aplikasi .................................................................................... 71
Gambar 4.8 Tampilan preprocessing .................................................................... 72
Gambar 4.9 perbandingan ciri ............................................................................... 73
Gambar 4.10 Tampilan halaman pengujian .......................................................... 73
DAFTAR TABEL
Tabel 4.1 Hasil pengujian koresponden R1 ........................................................... 59
Tabel 4.2 Hasil pengujian koresponden R2 ........................................................... 60
Tabel 4.3 Hasil pengujian koresponden R3 ........................................................... 61
Tabel 4.4 Hasil pengujian koresponden R4 ........................................................... 62
Tabel 4.5 Hasil pengujian koresponden R5 ........................................................... 63
Tabel 4.6 Hasil pengujian koresponden R6 ........................................................... 64
Tabel 4.7 Hasil pengujian koresponden R7 ........................................................... 65
Tabel 4.8 Hasil pengujian koresponden R8 ........................................................... 66
Tabel 4.9 Hasil pengujian koresponden R9 ........................................................... 67
Tabel 4.10 Hasil pengujian koresponden R10 ....................................................... 68
Tabel 4.11 Kesimpulan Hasil pengujian iris mata koresponden R1-R10 .............. 69
Tabel 4.12 Kesimpulan hasil dari PNN.................................................................. 70
DAFTAR PUSTAKA
[1] Al Fatta, Hanif, 2006, Sistem Presensi Karyawan Berbasis Pengenalan
Wajah dengan Algoritma Eigenface, SNSI06-027
[2] Aris Sugiharto, Pemrograman GUI dengan MATLAB, Penerbit Andi,
Yogyakarta, 2006.
[3] Boles, W., B. Boashash, A human identification technique using images
of the iris and wavelet transform, IEEE Transactions on Signal
Processing vol. 46, 1998.
[4] Chen, C.F. and Hsiao C.H., Wavelet approach to optimizing dynamic
systems, IEE Proc. Control Theory Appl. Vol 146, 1999, pp. 213-219.
[5] Daugman, J., High confidence visual recognition of persons by a test
of statistical independence, IEEE Transactions on Pattern Analysis and
Machine Intelligence, v. 15, n. 11,Nov. 1993.
[6] Darma Putra, Sistem Biometrika : Konsep Dasar, Teknik Analisis Citra,
dan Tahapan Membangun Aplikasi Sistem Biometrika, Penerbit Andi,
Yogyakarta, 2003.
[7] Erick Paulus dan Yessica Nataliani, Cepat Mahir GUI Matlab, Penerbit
Andi, Yogyakarta, 2007.
[8] Firman, Dasar Matlab, http://www.IlmuKomputer.com/, diunduh pada
tanggal 22 Mei 2008
[9] Gonzales, Rafael C., Digital Image Processing, Addison-Waley
Publishing, 1997.
[10] Gualtieri, P. (2006). Algae Anatomy, Biochemistry and. Biotechnology
[11] https://www.google.com/search?sclient=psy-
ab&q=segmentasi+iris+mata+menggunakan+deteteksi+tepi+dan+operasi+
morfologi&btnG= (Diunduh tanggal 15 juni 2013)
[12] Karmilasari, Sistem Pengenalan Iris Mata Dengan Metode Morfologi
Citra dan Pengkodean Potongan Pola Iris, Universitas Gunadarma,
Disertasi, 2008.
[13] Lim, Resmana and M.J.T, Reinder. Facial Landmark detection using
a Gabor Filter Representation and a Genetic Search Algorith. Proceeding
of ASCI 2000 conference, Lommel Belgium, 2000.
[14] Marvin Ch. Wijaya dan Agus Prijono, Pengolahan Citra
DigitalMenggunakan Matlab, Penerbit Informatika, Bandung, 2007.
[15] Putra, Darma. 2009. Sistem Biometrika Konsep Dasar, Teknik Analisis
Citra, dan TahapanMembangun Aplikasi Sistem Biometrika. Yogyakarta:
Andi
[16] Nahari, M, N., 2008, Efek Fraksi Dietil Eter Ekstrak Etanol Daun Salam
(Sygyzgium Polyanthum Wight) Terhadap Penurunan Kadar Asam Urat
Pada mencit Putih (Mus musculus) Jantan Galur Balb-C Yang Diinduksi
Kalium Oksonat, Skripsi, Fakultas Farmasi Universitas Muhammadiyah
Surakarta, Surakarta.
[17] Rinaldi Munir, Pengolahan Citra Digital dengan Pendekatan Algoritmik,
Penerbit Informatika, Bandung, 2004.
[18] Smith, Kelly, Iris Patent Question, Email to Jim Cambier, 9 June 2005.
[19] Sara Yunita. 2011. Pemanfaatan Jaringan Syaraf Tiruan (JST) untuk
Identifikasi Papan Nomor Kendaraan Bermotor. Program Studi Teknik
Informatika Fakultas Ilmu Komputer, Universitas Pembangunan
“Veteran”, Jakarta.
[20] Wildes, R., Iris recognition: an emerging biometric technology, Proceedings
of the IEEE volume 85, 1997.