PERANGKAT LUNAK PENGIDENTIFIKASI IRIS MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

Widyatama Repository

PERANGKAT LUNAK PENGIDENTIFIKASI IRIS MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

Show full item record

Title: PERANGKAT LUNAK PENGIDENTIFIKASI IRIS MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
Author: Riadi, Andreas
Abstract: Pengenalan biometrik mempunyai beberapa kelebihan dibandingkan sistem pengenalan lainnya. Sebagai salah satu contoh, sistem keamanan yang berbasis kata kunci, hal tersebut rentan terhadap pencurian atau keteledoran seseorang dalam menyimpan serta mengharuskan seseorang untuk mengingat atau menuliskan kata kuncinya agar tidak lupa, jika lupa atau hilang maka pengguna tidak akan dapat mengakses sistem tersebut atau harus mengikuti prosedur yang relatif merepotkan untuk mendapatkan kembali kata kuncinya. Salah satu syarat utama agar suatu objek dapat dijadikan objek pengenalan biometrik adalah bersifat unik dan iris merupakan salah satunya. Selain itu, sejak umur satu tahun sampai meninggal, pola iris relatif tetap. Penelitian ini menggunakan teknik yang diusulkan pada penelitian sebelumnya yang telah dilakukan oleh Rahib H. Abiyev dan Koray Altunkaya dengan judul “Personal Iris Recognition Using Neural Network” pada proses lokalisasinya. Proses pengenalannya dilakukan menggunakan artificial neural network dengan multi-layer feedforward network sebagai arsitekturnya serta menggunakan persamaan Generalized Delta Rule (GDR) dengan fungsi aktivasi Sigmoid dan algoritma Backpropagation untuk trainingnya. Citra iris yang menjadi objek pengujian diambil dari database MMU2 sebanyak 995 citra iris yang diambil menggunakan Panasonic BM-ET100US Authenticam dengan jarak 47-53 cm untuk mata kiri dan mata kanan. Perangkat lunak dibangun menggunakan Visual Basic.Net 2005 sebagai bahasa pemrogramannya dan SQL Server 2005 sebagai databasenya. Dari penelitian ini, didapat hasil berupa sebuah perangkat lunak pengidentifikasi iris. Sedangkan hasil dari pengujian perangkat lunak dengan 40 citra testing set adalah sebanyak 60% terdeteksi dengan baik pada proses lokalisasi, dan 90% teridentifikasi dengan benar, yaitu dengan menggunakan kombinasi parameter pengenalan : jumlah hidden units = 10, error maksimum = 0.1, epoch maksimum = 1000, learning rate = 0.9, dan momentum = 0.9, serta kecepatan pengenalan per citranya adalah 0.85 detik.
URI: http://repository.widyatama.ac.id/xmlui/handle/123456789/7421
Date: 2012


Files in this item

Files Size Format View
Cover.pdf 43.60Kb PDF View/Open
Lembar Pengesahan.pdf 56.06Kb PDF View/Open
Abstrak.pdf 40.76Kb PDF View/Open
Kata Pengantar.pdf 57.72Kb PDF View/Open
Daftar Isi.pdf 44.30Kb PDF View/Open
Daftar Tabel.pdf 39.41Kb PDF View/Open
Daftar Gambar.pdf 37.56Kb PDF View/Open
Daftar Simbol.pdf 47.69Kb PDF View/Open
Bab 1.pdf 87.47Kb PDF View/Open
Bab 2.pdf 737.1Kb PDF View/Open
Bab 3.pdf 253.3Kb PDF View/Open
Bab 4.pdf 403.3Kb PDF View/Open
Bab 5.pdf 295.6Kb PDF View/Open
Bab 6.pdf 42.85Kb PDF View/Open
Daftar Pustaka.pdf 43.69Kb PDF View/Open

This item appears in the following Collection(s)

Show full item record