Penerapan Metode Pembelajaran Menggunakan Ekstraksi Fitur dan Algoritma Klasifikasi untuk Identifikasi Pengenalan Iris

Rahmat Hidayat, Sarifah Agustiani, Siti Khotimatul Wildah, Ali Mustopa, Rizky Ade Safitri

Abstract


Iris mata terletak di antara kornea mata dan lensa mata, yang berfungsi untuk mengontrol intensitas atau jumlah cahaya yang masuk dengan cara melebarkan dan mengecilkan pupil. Setiap orang memiliki iris yang berbeda dan memiliki stabilitas sepanjang hidup, kecuali terjadi kerusakan yang tidak disengaja pada iris seperti terjadi kecelakaan. Tujuan dari penelitian ini adalah untuk melakukan pengklasifikasian dan identifikasi pengenalan citra iris dengan menggunakan metode pembelajaran atau machine learning. Metode yang diusulkan dalam penelitian ini adalah penerapan ekstraksi fitur seperti HOG, Hu-Moments, dan Haralick dengan algoritma klasifikasi yang terdiri dari LR, LDA, KNN, RF, CART, NB, dan SVM. Berdasarkan hasil pengujian yang telah dilakukan dalam mengklasifikasikan iris dapat disimpulkan bahwa penggunaan ekstraksi fitur sangat berpengaruh pada nilai akurasi yang dihasilkan. Dalam hal ini nilai akurasi terbaik diperoleh dari penggabungan ekstraksi fitur HOG dan haralick pada algoritma Random Forest dengan nilai akurasi sebesar 81.38℅.

Keywords


Iris; Ekstraksi Fitur; Algoritma Klasifikasi

Full Text:

PDF

References


Al Rivan, M. E., & Devella, S. (2020). Pengenalan Iris Menggunakan Fitur Local Binary Pattern Dan Rbf Classifier. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 11(1), 97–106. Https://Doi.Org/10.24176/Simet.V11i1.3717

Alita, D., Fernando, Y., & Sulistiani, H. (2020). Implementasi Algoritma Multiclass Svm Pada Opini Publik Berbahasa Indonesia Di Twitter. Jurnal Teknokompak, 14(2), 86. Https://Ejurnal.Teknokrat.Ac.Id/Index.Php/Teknokompak/Article/View/792

Amirullah, D. (2018). Sistem Pencarian Semantik Impresi Dengan Mekanisme Pembobotan Kombinasi Fitur Warna Dan Fitur Bentuk. Inovtek Polbeng - Seri Informatika, 3(1), 41. Https://Doi.Org/10.35314/Isi.V3i1.332

Astuti, W., & Adiwijaya, A. (2019). Principal Component Analysis Sebagai Ekstraksi Fitur Data Microarray Untuk Deteksi Kanker Berbasis Linear Discriminant Analysis. Jurnal Media Informatika Budidarma, 3(2), 72. Https://Doi.Org/10.30865/Mib.V3i2.1161

Bhagat, K. S., Deshmukh, R. R., Patil, P. B., Kirange, D. K., & Waghmare, S. (2017). Iris Recognition Using Radon Transform And Glcm. 2017 International Conference On Advances In Computing, Communications And Informatics, Icacci 2017, 2017-Janua, 2257–2263. Https://Doi.Org/10.1109/Icacci.2017.8126182

Bimantara, A., & Dina, T. A. (2019). Klasifikasi Web Berbahaya Menggunakan Metode Logistic Regression. Annual Research Seminar (Ars), 4(1), 173–177.

Devella, S. (2018). Pengenalan Iris Menggunakan Ekstraksi Fitur Histogram Of Oriented Gradient. Jurnal Teknik Informatika Dan Sistem Informasi, 4(1), 124–134. Https://Doi.Org/10.28932/Jutisi.V4i1.756

Devella, S. (2019). Pengenalan Iris Menggunakan K – Nearest Neighbors Dengan Ekstraksi Fitur Dicrete Cosine Transform. Jtksi, 02(01), 27–33.

Kurniawan, B., Fauzi, M. A., & Widodo, A. W. (2017). Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-Ptiik) Universitas Brawijaya, 1(10), 1193–1200.

Meidi Mahendra R, Wijayanto, I., & Aulia, S. (2019). Biometrik Iris Recognition Menggunakan Lbp Dengan Klasifikasi Knn. E-Proceeding Of Engineering, 6(1).

Muslikh, A. R., Santoso, H. A., & Marjuni, A. (2019). Klasifikasi Data Time Series Arus Lalu Lintas Jangka Pendek Menggunakan Algoritma Adaboost Dengan Random Forest. Jurnal Riset Dan Konseptual, 4(1), 78–96.

Purba, M. S. (2020). Perancangan Sistem Identifikasi Biometrik Iris Mata Menggunakan Metode Transformasi Hough. 7(2), 117–122.

Qoiriyah, L., Purwanto, H. L., & Setiyaningsih, W. (2019). Rancang Bangun Sistem Pendukung Keputusan Penentuan Jenis Beasiswa Menggunakan Knn. Jurnal Terapan Sains & Teknologi Fakultas, 1(2), 64–72.

R. Malutan, S. Emerich, And O. P. (2016). Half Iris Biometrie System Based On Hog And Liop A . Histogram Oforiented Gradients (Hog) Loeal Lntensity Order Pattern (Llop). Conf. Front. Signal Process, 99–103.

Ritno, E. Y. S., Hasibuan, N. A., & Fadlina. (2018). Implementasialgoritma Clasification Andregression Trees (Cart) Dalam Klasifikasi Ekonomi Keluarga Pada Desadagang Kelambir Tg . Morawa. Majalah Ilmiah Inti, 6(1), 66–72.

Suryanto, & Dodi, E. (2015). Ekstraksi Fitur Haralick Menggunakan Citra Mikroskop Digital Trinocular Untuk Proses Identifikasi Cacing Penyakit Kaki Gajah. July.

Susetya, H. Y., Rachmat, A., & Nugraha, K. A. (2017). Implementasi Moment Invariant Untuk Pengenalan Label Buku Perpustakaan Berbasis Android. Jurnal Terapan Teknologi Informasi, 1(1), 21–30. Https://Doi.Org/10.21460/Jutei.2017.11.13

Telaumbanua, K., Sirait, P., Rohana, A., & Gea, B. (2019). Sistem Pengenalan Iris Mata Menggunakan Metode Wavelet Packets Decomposition Dan Euclidean Distance. 20(2), 105–116.

Wibawa, A. P., Guntur, M., Purnama, A., Akbar, M. F., & Dwiyanto, F. A. (2018). Metode-Metode Klasifikasi. Prosiding Seminar Ilmu Komputer Dan Teknologi Informasi, 3(1), 134–138.

Yohannes, Y., Pribadi, M. R., & Chandra, L. (2020). Klasifikasi Jenis Buah Dan Sayuran Menggunakan Svm Dengan Fitur Saliency-Hog Dan Color Moments. Elkha, 12(2), 125. Https://Doi.Org/10.26418/Elkha.V12i2.42160




DOI: https://doi.org/10.31294/jtk.v7i2.10548

Copyright (c) 2021 Rahmat Hidayat, Sarifah Agustiani, Siti Khotimatul Wildah, Ali Mustopa, Rizky Ade Safitri

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 dipublikasikan oleh LPPM Universitas Bina Sarana Informatika Jakarta

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License