Pengenalan Iris Mata Menggunakan Metode Convolutional Neural Network

Authors

  • Afizza Fikri Kurniawan Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri Indonesia
  • Resty Wulanningrum Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri Indonesia
  • Daniel Swanjaya Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/inotek.v6i1.2540

Abstract

Kemajuan teknologi berdampak terhadap semua lini termasuk dalam lini sistem keamanan. Disamping itu berkembangnya sistem teknologi menimbulkan kasus tindak kejahatan seperti pemalsuan identitas seseorang, mengambil informasi penting yang dimiliki seseorang dan sebagainya yang berkaitan dengan identitas diri seseorang. Suatu sistem yang dapat mengatasi tindak kejahatan tersebut yaitu sistem biometrik. Iris mata merupakan bagian dari objek biometrik yang memiliki fitur unik untuk dijadikan proses identifikasi untuk mengatasi pemalsuan data dan pembobolan akun. Salah satu metode yang dapat digunakan dalam sistem identifikasi iris mata yaitu CNN. Pengujian dilakukan dengan menggunakan 8 kelas yang telah dilatih. Dan menghasilkan tingkat akurasi sebesar 87% untuk dataset iris CasiaV4.

Keywords:

teknologi, biometrik, iris mata

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

M. G Alaslani and L. A. Elrefaei, “Convolutional Neural Network Based Feature Extraction for IRIS Recognition,” Int. J. Comput. Sci. Inf. Technol., vol. 10, no. 2, pp. 65–78, 2018, doi: 10.5121/ijcsit.2018.10206.

M. S. Ramadhan, L. Novamizanti, and E. Susatio, “Sistem Pengenalan Individu Berbasis Citra Wajah 3D dengan Jaringan Syaraf Tiruan,” Techné J. Ilm. Elektrotek., vol. 18, no. 01, pp. 1–14, 2019, doi: 10.31358/techne.v18i01.180.

S. Devella, “Pengenalan Iris Menggunakan K – Nearest Neighbors dengan Ekstraksi Fitur Dicrete Cosine Transform,” www.ojs.stmikpringsewu.ac.id, vol. 02, 2019, [Online]. Available: http://www.ojs.stmikpringsewu.ac.id/index.php/jtksi/article/view/698.

F. E. Alfian, I. G. P. S. Wijaya, and F. Bimantoro, “Identifikasi Iris Mata Menggunakan Metode Wavelet Daubechies dan K-Nearest Neighbor,” J. Teknol. Informasi, Komputer, dan Apl. (JTIKA ), vol. 2, no. 1, pp. 1–10, 2020, doi: 10.29303/jtika.v2i1.76.

K. Mujib, A. Hidayatno, and T. Prakoso, “Pengenalan Wajah Menggunakan Local Binary Pattern (Lbp) Dan Support Vector Machine (Svm),” Transient, vol. 7, no. 1, p. 123, 2018, doi: 10.14710/transient.7.1.123-130.

W. Supriyatin, “Perbandingan Metode Sobel, Prewitt, Robert dan Canny pada Deteksi Tepi Objek Bergerak,” Ilk. J. Ilm., vol. 12, no. 2, pp. 112–120, 2020, doi: 10.33096/ilkom.v12i2.541.112-120.

T. NurHikmat, “IMPLEMENTASI DEEP LEARNING UNTUK IMAGE CLASSIFICATION MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) PADA CITRA WAYANG GOLEK,” UNIVERSITAS ISLAM INDONESIA, vol. 10, no. 2. 2018.

I. W. S. E. Putra, A. Y. Wijaya, and R. Soelaiman, “Klasifikasi Citra Menggunakan Convolutional Neural Network ( Cnn ) Pada Caltech 101 Image Classfication Using Convolution Neural Network ( Cnn ) on Caltech 101,” Inst. Teknol. Sepuluh Novemb., vol. 5, no. 1, 2016.

E. Rasywir, R. Sinaga, and Y. Pratama, “Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN),” Paradig. - J. Komput. dan Inform., vol. 22, no. 2, pp. 117–123, 2020, doi: 10.31294/p.v22i2.8907.

J. W. G. Putra, “Pengenalan Konsep Pembelajaran Mesin dan Deep Learning,” Comput. Linguist. Nat. Lang. Process. Lab., vol. 4, pp. 1–235, 2019, [Online]. Available: https://www.researchgate.net/publication/323700644.

Downloads

Published

2022-08-25

Issue

Vol. 6 No. 1 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022

Section

Articles

License

Copyright (c) 2022 Afizza Fikri Kurniawan; Resty Wulanningrum, Daniel Swanjaya

Creative Commons License

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

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Pengenalan Iris Mata Menggunakan Metode Convolutional Neural Network. (2022). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 6(1), 344-349. https://doi.org/10.29407/inotek.v6i1.2540