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.