PENGENALAN IRIS MATA MENGGUNAKAN JARINGAN SARAF TIRUAN METODE PERAMBATAN BALIK DENGAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN (GRAY LEVEL CO-OCCURRENCE MATRIX - GLCM)

Abstract

Abstrak

Selama ini identifikasi individu menggunakan wajah, sidik jari, ataupun tanda tangan. Padahal selain penelitian tersebut ada cara lain yang lebih spesifik yaitu menggunakan iris mata. Oleh sebab itu perlu dilakukan lebih lanjut mengenai iris mata. Pada penelitian ini digunakan ekstraksi ciri okurensi aras keabuan ( Gray Level Co-occurrence Matrix - GLCM ) dan pengenalan menggunakan Jaringan Saraf Tiruan dengan metode propagasi balik. Pada penelitian ini, citra iris mata akan diolah terlebih dahulu dipisahkan dari citra mata untuk selanjutnya dilakukan peningkatan kualitas citra menggunakan ekualisasi histogram. Kemudian ekstraksi ciri dilakukan dengan menggunakan pencirian matriks ko-okurensi aras keabuan ( Gray Level Co-occurrence Matrix – GLCM ). Ciri-ciri yang diperoleh adalah energi, kontras, korelasi, dan homogenitas, yang akan dijadikan sebagai data masukan (data latih) untuk jaringan saraf tiruan metode perambatan balik. Selanjutnya digunakan untuk pengujian data uji yang tidak dilatih sebelumnya, yang dilakukan dalam tiga jenis penelitian yaitu: pengaruh jarak GLCM, pengaruh sudut GLCM dan pengaruh jumlah layer tersembunyi. Dari hasil pengujian, dapat disimpulkan bahwa ciri-ciri dari matriks ko-okurensi memiliki nilai yang berbeda dan jarak yang relatif jauh.  Pengaruh parameter sudut yang tertinggi pada GLCM  adalah 90° dan persentase pengenalan jarak GLCM yang paling baik adalah jarak 2, sedangkan jumlah layer tersembunyi pada Jaringan Saraf Tiruan adalah variasi 1. Dari ketiga parameter tersebut diperoleh persentase tertinggi yaitu sebesar 93,75%.

Kata kunci: iris mata, GLCM, Jaringan Saraf Tiruan Perambatan Balik

Abstract

Up to now, Individuals are identified using their face, fingerprints, or signature. In fact, in addition to the existing research there is actually another specific way of recognition, which uses iris. Therefore, it is necessary to conduct a further research in iris identification. This research used an extraction of Gray Level Co-occurrence Matrix (GLCM) and a recognition method using artificial neural network with back-propagation method. In this research, iris image was processed first, separated from an eye image, then enhanced using histogram equalization. Then, attribute extraction was done using Gray Level Co-occurrence Matrix (GLCM) attribution. The attributes obtained were energy, contrast, correlation, and homogeneity which were used as input data (train data) for back-propagation artificial neural system. The attributes were then used for testing the test data that were not previously trained, which was conducted in three types of research method, namely: GLCM distance effect, GLCM angle effect, and hidden layer effect. From the testing results, it can be concluded that the characteristics of the co-occurrence matrix have different values and relatively far distance. The highest angle parameter influence on GLCM was 90 ° and the GLCM distance recognition percentage was best at 2, whereas the number of hidden layer of the Neural Network was a variation of 1. From these three parameters, the highest percentage obtained was as great as 93,75%. 

Keywords:  iris, GLCM, Back-Propagation Neural System