SISTEM IDENTIFIKASI IRIS MATA BERBASIS CONVOLUTIONAL NEURAL NETWORK

NURHASANAH, NURHASANAH and Dwijayanti, Suci (2019) SISTEM IDENTIFIKASI IRIS MATA BERBASIS CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Sriwijaya University.

	Text RAMA_20201_03041281520092.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (13MB) | Request a copy
	Text RAMA_20201_03041281520092_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (7MB) | Request a copy
Preview	Text RAMA_20201_03041281520092_0030078404_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (12MB) | Preview
	Text RAMA_20201_03041281520092_0030078404_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (289kB) | Request a copy
	Text RAMA_20201_03041281520092_0030078404_03.docx - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (67kB) | Request a copy
	Text RAMA_20201_03041281520092_0030078404_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (256kB) | Request a copy
	Text RAMA_20201_03041281520092_0030078404_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (92kB) | Request a copy
	Text RAMA_20201_03041281520092_0030078404_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (91kB) | Request a copy
	Text RAMA_20201_03041281520092_0030078404_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (885kB) | Request a copy

Abstract

Pengenalan iris merupakan biometrik andal inovatif yang banyak digunakan dalam sistem keamanan, otentikasi, dan identifikasi. Beberapa penelitian menunjukkan hasil yang baik dalam identifikasi iris mata. Namun, data iris yang digunakan adalah data sekunder. Permasalahan yang sama dalam metode tersebut adalah kualitas gambar, karena jika kualitas gambar yang digunakan kurang baik seperti resolusi rendah, blur, atau kilau yang tidak biasa akan menyebabkan kesulitan dalam membedakan antara iris dan pupil. Untuk mengatasi masalah tersebut penelitian ini menggunakan pendekatan algoritma Convolution Neural Network (CNN) untuk menemukan pola dalam citra untuk mengenali citra iris mata. Penelitian ini menggunakan data primer berjumlah 2500 data yang diambil dari 50 orang mahasiswa yang terdaftar melakukan praktikum di Laboratorium Kendali dan Robotika, Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya. Arsitektur CNN yang dirancang pada penelitian ini menggunakan 4 convolutional layer, 4 pooling layer dan 1 softmaxloss sebagai klasifikasi dengan parameter learning rate 0.001, batch size 200. Citra iris yang sudah diambil kemudian dilatih menggunakan CNN dan selanjutnya dilakukan identifikasi iris. Setelah proses training, model yang didapatkan digunakan untuk tahap pengujian (testing). Kinerja yang dihasilkan dari pendekatan dengan menggunakan perbandingan 90% data latih, 7% data validasi dan data 3% uji ini menunjukkan bahwa hasil akurasi rata-rata pada data uji adalah 1.2505% di kondisi awal dimana citra iris tidak ideal dan 2.3582% setelah citra iris mata merupakan citra ideal. Namun, nilai akurasi kedua jenis data tersebut masih tetap rendah. Hasil ini menunjukan bahwa metode yang digunakan mampu mengenali citra iris mata meskipun belum mampu mengidentifikasi citra iris mata ke dalam kelasnya masing-masing.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Convolutional Neural Network (CNN), Iris Recognition, Deep Learning, Image Recognition, Biometric.
Subjects:	Q Science > Q Science (General) > Q334-342 Computer science. Artificial intelligence. Algorithms. Robotics. Automation.
Divisions:	03-Faculty of Engineering > 20201-Electrical Engineering (S1)
Depositing User:	Users 3267 not found.
Date Deposited:	25 Nov 2019 07:20
Last Modified:	25 Nov 2019 07:20
URI:	http://repository.unsri.ac.id/id/eprint/18153

Actions (login required)

View Item