Article Sidebar

Submitted
January 12, 2016
Published
January 12, 2016
Download
PDF
Statistic
Read Counter : 2027 Download : 1884

Main Article Content

Abstract

Mata merupakan bagian dari kelima panca indra dari tubuh manusia. Mata mempuyai salah satu bagian disebut iris mata. Iris adalah salah satu organ bagian dalam dari mata terletak di belakang kornea dan di depan lensa. Fungsi utama dari iris mata adalah mengatur ukuran (besarnya) pupil. Banyaknya cahaya masuk ke dalam pupil jatuh pada retina mata dan diatur oleh otot–otot dalam iris. Iris mata setiap manusia memiliki pola berbeda sehingga dapat digunakan untuk kepentingan identifikasi seseorang. Iris mata manusia bisa menjadi salah satu cara untuk mengidentifikasi atau membuktikan jati diri seseorang, cara ini biasa dikenal dengan biometric. Aplikasi ini nantinya diharapkan bisa mengidentifikasi bagian dari iris mata serta bentuk pola iris mata seseorang. Sehingga bisa dilanjutkan untuk kepentingan biometrik kedepannya. Metode digunakan adalah metode Histogram Equalizationuntuk perbaikan kualitas citra (image enhacement) dan metode Circle Midpoint Algorithm, daugman’s rubber sheet, dan Co-occurence Matrices and Feature untuk mengidentifikasi bentuk pola iris mata.Metode tersebut diharapkan dapat mengidentifikasi iris mata seseorang dan untuk mengetahui apakah dapat mengidentifikasi dengan baik maka sistem akan melalui pengujian data.

Article Details

Author Biographies

Dhina Puspasari Wijaya, Universitas Islam Indonesia

Jurusan Farmasi, Fakultas Matematika dan Ilmu Pengetahuan Alam

Sri Nilawati, Universitas Islam Indonesia

Jurusan Farmasi, Fakultas Matematika dan Ilmu Pengetahuan Alam
How to Cite
Heksaputra, D., Wijaya, D. P., & Nilawati, S. (2016). PERBAIKAN KUALITAS CITRA IRIS MATA UNTUK PENGENALAN POLA (BIOMETRIC). Khazanah: Jurnal Mahasiswa, 7(2). https://doi.org/10.20885/khazanah.vol7.iss2.art2
Download Citation
Endnote/Zotero/Mendeley (RIS)
BibTeX

References

  1. Ahmad Usman. 2005. Pengolahan Citra Digital. Penerbit:Graha Ilmu.
  2. C.G.Ravichandran, Magudeeswaran .V. 2012. An Efficient for Contrast Enhancement in Still Image Using Histogram Modification Framework. Journal of Computer Science 8(5): 775-779, 2012. ISSN 1549-3636.
  3. Canny, John. 1986. A Computational Approach to Edge Detection. IEEE Transaction On Pattern Analysis and Machine Inteligent., vol PAMI -8.
  4. Daugman, J. 2002. How iris recognition works. IEEE Transactions On CircuitsAnd Systems For Video Technology, Vol. 14, No. 1.
  5. Fadlil, Abdul. 2006. Materi Kuliah Machine Learning. Universitas Islam Indonesia: Jurusan Teknik Informatika.
  6. Gonzalez R.C. 1987.Digital Image Processing. Additison – Wesley Publishing Company, USA.
  7. Gusti. 2013, 31 Mei. Iris Mata Potensial Sebagai Tanda Pengenal Paling Akurat.Berita.Tersedia:http://www.ugm.ac.id/id/berita/7863iris.mata.potensial.sebagai.tanda.pengenal.paling.akurat. diakses pada : 10 April 2014.
  8. Ian T. Young, Jan J. Gerbrands, Lucas J. van Vliet. 1995. Fundamentals of Image Processing. The Netherlands at the Delft University of Technology.
  9. Ledhyane Ika Harlyn, M.Sc. 2012. Uji Hipotesis. Statistik(MAM4137): University of Brawijaya
  10. M.Pauline Baker and Donald Hearn. 1992. Computer graphics. NJ: Prentice-Hall.
  11. Munir, Rinaldi. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik.Bandung: Informatika.
  12. Wibiyanto dan Muhimmah I. 2012. Segmentasi Iris Mata. Skripsi: Universitas Islam Indonesia.