9 2. BAB II TINJAUAN PUSTAKA Tinjauan Empiris Pada penelitian ini, peneliti menggunakan beberapa penelitian terkait dengan penelitian yang sebelumnya pernah di lakukan yang menjadi tinjauan studi, yakni sebagai berikut: a. Iris Localization using Gradient Magnitude and Fourier Descriptor (Stewart Sentanoe, 2014) Dalam penelitian ini dilakukan proses penentuan lokasi iris mata dengan menggunakan Gradient Magnitude dengan bantuan Fourier Descriptor untuk mendapatkan batas antara iris mata denga pupil mata dimana menghasilkan akurasi sebesar 71%. Cara yang di gunakan pada penelitian ini dengan mendilatasi daerah sekitar iris dan pupil hingga terjadi perubahan nilai piksel yang sangat signifikan untuk mendapatkan batas iris mata tetapi nilai piksel terutama iris mata memiliki nilai yang hampir sama dengan scelera mata b. Sistem Pengenalan Iris Mata Manusia Menggunakan Transformasi Wavelet (Maimunah, 2007) Pada penelitian ini iris mata manusia dikenali dengan menggunakan transformasi wavelet, dimana untuk mendapatkan lokasi iris mata dengan menggunakan deteksi tepi canny dan transformasi hough yang menghasilkan tingkat akurasi sebesar 35,29%. Proses pengujian pada penelitian ini mendapatkan hasil yang kurang baik, karena proses deteksi tepi maupun transformasi hough kurang menghasilkan lokasi iris yang baik sehingga berpengaruh pada prose pengenalan iris mata manusia. c. Segmentasi Iris Mata Menggunakan Metode Deteksi Tepi dan Operasi Morfologi (Karmilasari, 2009)
23
Embed
2. BAB II TINJAUAN PUSTAKA - sinta.unud.ac.id filePenelitian ini membahas mengenai prose segmentasi iris mata dengan menggunakan metode deteksi tepi canny dengan melakukan operasi
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
9
2. BAB II TINJAUAN PUSTAKA
Tinjauan Empiris Pada penelitian ini, peneliti menggunakan beberapa penelitian terkait dengan
penelitian yang sebelumnya pernah di lakukan yang menjadi tinjauan studi, yakni
sebagai berikut:
a. Iris Localization using Gradient Magnitude and Fourier Descriptor
(Stewart Sentanoe, 2014)
Dalam penelitian ini dilakukan proses penentuan lokasi iris mata
dengan menggunakan Gradient Magnitude dengan bantuan Fourier
Descriptor untuk mendapatkan batas antara iris mata denga pupil mata
dimana menghasilkan akurasi sebesar 71%. Cara yang di gunakan pada
penelitian ini dengan mendilatasi daerah sekitar iris dan pupil hingga terjadi
perubahan nilai piksel yang sangat signifikan untuk mendapatkan batas iris
mata tetapi nilai piksel terutama iris mata memiliki nilai yang hampir sama
dengan scelera mata
b. Sistem Pengenalan Iris Mata Manusia Menggunakan Transformasi
Wavelet (Maimunah, 2007)
Pada penelitian ini iris mata manusia dikenali dengan menggunakan
transformasi wavelet, dimana untuk mendapatkan lokasi iris mata dengan
menggunakan deteksi tepi canny dan transformasi hough yang
menghasilkan tingkat akurasi sebesar 35,29%. Proses pengujian pada
penelitian ini mendapatkan hasil yang kurang baik, karena proses deteksi
tepi maupun transformasi hough kurang menghasilkan lokasi iris yang baik
sehingga berpengaruh pada prose pengenalan iris mata manusia.
c. Segmentasi Iris Mata Menggunakan Metode Deteksi Tepi dan Operasi
Morfologi (Karmilasari, 2009)
10
Penelitian ini membahas mengenai prose segmentasi iris mata
dengan menggunakan metode deteksi tepi canny dengan melakukan operasi
morfologi seperti operasi dilatasi, erosi, pembukaan, penutupan dan
pengisian. Pada penelitian ini menghasilkan tingkat akurasi 35% untuk citra
yang berhasil di kenali dan 50% untuk citra yang hampir berhasil di kenali.
Tingkat keberhasilan citra yang sebesar 35% bisa terjadi karena proses
pendeteksi tepi yang kurang maksimal selain itu operasi morfologi juga
berpengaruh untuk mendapatkan hasil deteksi yang lebih baik.
d. Iris Localization Scheme Based on Morphology and Gaussian Filtering
(Feng Gui, 2008)
Pada penelitian ini melakukan perbandingan metode untuk
mendapatkan titik tengah dan jari-jari dari iris mata yakni metode Daugman,
metode Wilde dan metode yang dikembangkan dengan morfologi dan tapis
Gaussian. Penelitian ini menghasilkan titik tengah dengan koordinat x dan
y yang serupa dengan kedua metode sebelumnya tetapi dengan konsumsi
waktu proses yang paling cepat jika dibandingkan dengan kedua metode
yang lain.
Dalam beberapa penelitian tentang penentuan lokasi iris mata yang telah dilakukan
sebelumnya, beberapa penelitian kurang melakukan tahap pre-processing citra
sebelum menerapkan proses selanjutnya, hal ini bisa menjadi masalah yang cukup
besar karena nilai piksel yang dimiliki oleh iris mata memiliki nilai yang hampir
mirip jika dibandingkan dengan nilai piksel disekitar nya, hal ini tentu akan
menggangu saat proses deteksi tepi, dimana proses deteksi tepi akan melihat
perubahan nilai piksel yang cukup signifikan, sehingga banyak proses penentuan
lokasi iris mata dan pengenalan iris mata terhalang dengan masalah ini. Sehingga
di banyak penelitian hasil maksimal yang di dapatkan hanya sebesar 75% saja, hal
ini akan sangat berpengaruh jika nantinya citra hasil penentuan lokasi akan
digunakan dalam melakukan pengenalan iris mata.
11
Tinjauan Teoritis
2.2.1 Iris Mata Manusia Iris adalah organ internal pada mata manusia yang sangat jelas apabila jika
di lihat dari secara langsung, karena terletak pada bagian luar mata yang tetap
terbungkus oleh kelopak mata. Iris mata merupakan bagian yang penting yang dapat
mengatur pupil untuk membesar maupun mengecil demi mendapatkan jumlah
cahaya yang masuk ke dalam mata secukupnya, jika cahaya yang datang cukup
banyak, pupil akan menjadi lebih kecil dan sempit untuk mengurangi cahaya yang
masuk, sedangkan ketika cahaya yang datang jumlah nya sedikit, pupil akan
menjadi cukup besar dan lebar untuk menerima jumlah cahaya yang masuk
sebanyak mungkin.
Setiap iris mata manusia adalah unik, dimana struktur dari iris mata tidak
akan sama antara satu individu dengan individu lain walaupun mereka memiliki
hubungan sebagai seorang saudara kembar. Iris mata dapat di dijadikan sebagai
refrensi kesehatan seseorang, karena iris mata menyimpan informasi lebih banyak
sehingga keakuratan yang didapatkan lebih baik dari melakukan tes DNA karena
tingkat keacakan dari struktur iris bersifat tetap dan akan terus sama seumur hidup
(Ommy, 2008).
Gambar 2.1. Bagian-bagian Iris Mata
2.2.2 Biometrik Biometrik adalah bagaimana seseorang dikenali dengan berdasarkan pada
karakter fisik maupun perilaku dimana karakter fisik susah untuk di hilangkan
maupun di pindah kepada orang lain sehingga menjadikan karakter fisik sulit untuk
di ubah tetapi untuk karakter perilaku sangat mudah berubah tergantung pada
12
kondisi psikologis manusia. Jenis-jenis karakter fisik yang termasuk di dalam
biometrik, antara lain Iris mata, Sidik jari, Geometri tangan, suara, dan DNA
(Ommy, 2008). Untuk termasuk sebagai biometrik, karakter fisik memiliki empat
persyaratan yang harus dipenuhi, antara lain:
a. Universal, artinya karakteristik tersebut dapat di temukan pada semua orang
b. Unik, artinya karakter antara satu orang dengan orang lain berbeda
c. Permanen, artinya karakter fisik tersebut akan tersimpan seumur hidup dan susah
untuk di ubah maupun di hilangkan
d. Dapat di ukur secara kuantitatif
Gambar 2.2. Perbandingan Metode Biometrik. High, Medium, dan Low dinyatakan sebagai
H,M,L (Jain, 2004)
Berdasarkan gambar 2.2, pengenalan iris mata memiliki tingkat keragaman yang
tinggi sebanding dengan pengenalan dengan retina maupun suhu wajah. Memiliki
tingkat kekhasan dan ketetapan serta kemampuan yang tinggi pula, tetapi memiliki
tingkat penerimaan dan tingkat penipuan yang rendah karena untuk mendapatkan
citra iris mata harus menggunakan kamera inframerah khusus yang dapat
13
menangkap pola dari iris mata yang ada, dan memiliki tingkat koleksi yang sedang
(Jain, 2004).
2.2.3 Computer Vision Computer vision merupakan sejumlah proses yang terintegrasi secara
otomatis yang diperuntukan sebagai persepsi visual, seperti akuisisi citra,
pengolahan citra, pengenalan, dan pembuatan keputusan. Computer vision
mempunyai tujuan untuk meniru atau menjelaskan mengenai cara kerja sistem
visual manusia. Hal yang ingin ditiru oleh computer vision adalah cara kerja dimana
mata manusia menangkap objek dan merepresentasikan objek tersebut menuju
retina, yang kemudian retina akan merubah objek tersebut menjadi sinyal-sinyal
yang dimengerti oleh otak dan pada akhirnya otak akan memutuskan untuk
mengenali objek apakah yang ditangkap oleh mata (Munir, 2004).
Computer vision terdiri dari teknik-teknik untuk mengestimasi ciri-ciri objek
yang terdapat dalam citra, geometri objek yang berkaitan dengan pengukuran ciri
yang kemudian menginterpretasi informasi yang dapat diambil dari geometri
tersebut (Munir, 2004). Computer vision memiliki tiga buah aktivitas proses yang
meliputi:
1. Memperoleh atau mengakuisisi citra digital;
2. Melakukan teknik komputasi untuk memperoses dan memodifikasi data
citra (operasi-operasi pengolahan citra);
3. Menganalisis dan menginterpretasi citra menggunakan hasil pemrosesan
untuk tujuan tertentu.
Jika proses-proses didalam computer vision di klasifikasikan maka akan
terbentuk hirarki sebagai berikut:
14
Gambar 2.3. Hirarki Dari Computer Vision
Dari gambar diatas, pengolahan citra dan pengenalan pola merupakan salah satu
hirarki yang merupakan bagian dari computer vision, tetapi untuk menlakukan
pengolahan citra maupun pengenalan pola, terlebih dahulu citra harus melalui tahap
awal (preprocessing) pada computer vision. Untuk mengenali jenis dari objek yang
ditangkap oleh komputer, maka komputer harus melakukan proses pengenalan pola
yang merupakan teknik yang penting yang ada didalam computer vision (Munir,
2004).
2.2.4 Pengolahan Citra Citra (image) adalah gambar pada bidang dwimantra (dua dimensi) yang
mana merupakan fungsi menerus (continue) yang diperoleh dari intensitas cahaya
pada bidang dwimatra. Pada dasarnya untuk mendapatkan sebuah citra, sumber
cahaya akan menerangi objek kemudian objek akan memantulkan cahaya yang
mengenainya yang selanjutnya akan ditangkap oleh alat-alat optik seperti mata
manusia, kamera, pemindai (scanner).
Citra dibagi menjadi dua jenis, yaitu citra diam (still image) yang mana
berarti citra tunggal yang tidak bergerak dan citra bergerak (moving images) yang
mana merupakan rangkaian citra diam yang ditampilkan secara berurutan
(sekuensial) sehingga mata manusia menangkap citra tersebut bergerak (Munir,
2004).
15
Adakalanya citra yang didapatkan mengalami penurunan mutu (degradasi)
karena mengandung cacat atau derau (noise), warna yang terlalu kontras, kurang
tajam, kabur (blurring), dan beberapa penurunan lainnya, sehingga citra yang
didapatkan berkurang informasi yang dapat diinterpretasi. Agar citra yang
didapatkan tidak mengalami gangguan dan penurunan kualitas sehingga lebih
mudah untuk diinterpretasi maka citra tersebut perlu di manipulasi yang biasa
disebut dengan pengolahan citra (image processing).
Pengolahan citra (image processing) merupakan sebuah sistem dengan
input berupa citra dengan output yang sama yaitu berupa citra. Proses pre-prosesing
citra merupakan proses yang pertama kali di lakukan sebelum melanjutkan pada
proses selanjutnya (Ommy, 2008).
Operasi-operasi yang dapat diterapkan dalam pengolahan citra terjadi jika:
1. Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan
kualitas citra dan menonjolkan beberapa aspek penting yang memuat
informasi yang dibutuhkan dalam citra tersebut,
2. Elemen di dalam citra perlu dikelompokan, dicocokkan atau diukur,
3. Sebagian atau seluruh citra perlu digabung dengan citra yang lain baik yang
memiliki hubungan maupun tidak dengan citra yang digabung.
Gambar 2.4. Alur Pengolah Citra (Munir, 2004)
Umumnya, terdapat beberapa operasi yang dilakukan dalam pengolahan citra, yaitu
(Munir, 2004):
1. Perbaikan kualitas citra (image enhancement).
Operasi perbaikan kualitas citra bertujuan untuk memperbaiki citra
yang ada dengan cara memanipulasi parameter-parameter citra seperti