Sistem Iridiagnosis berbasiskan Perangkat Mobile

NPM : 1006671910
Penulisan Ilmiah B

Rizki Perdana Rangkuti

DAFTAR ISI
ABSTRAK ................................................................................................................................... 2 PENDAHULUAN.......................................................................................................................... 2 STUDI LITERATUR ....................................................................................................................... 5 SOLUSI YANG DIAJUKAN .......................................................................................................... 11 PERUMUSAN MASALAH ........................................................................................................... 13 METODOLOGI .......................................................................................................................... 14 HASIL YANG DIHARAPKAN ....................................................................................................... 17 JADWAL PENELITIAN ................................................................................................................ 17 DAFTAR PUSTAKA .................................................................................................................... 18

ABSTRAK
Pada zaman modern ini, produktivitas manusia semakin meningkat. Produktivitas tersebut dapat dilaksanakan dengan baik jika manusia tersebut dalam keadaan sehat. Namun acapkali manusia mengabaikan pemeliharaan kesehatan karena tidak memiliki waktu yang cukup untuk memeriksa kesehatan. Iridologi hadir sebagai salah satu solusi pemeliharaan kesehatan yang sesuai dengan dinamika masyarakat seperti ini. Sistem Iridiagnosis dapat membantu manusia untuk melakukan diagnosis melalui citra mata. Iridiagnosis terdiri dari dua istilah, yaitu iris dan diagnosis. Istilah tersebut bermakna melakukan diagnosis melalui pengetahuan yang didapatkan dari iris. Saat ini, Iridiagnosis sedang banyak dikembangkan dimana-mana. Namun, penelitian saat ini belum ada yang menerapkannya pada perangkat mobile. Pada proposal penelitian ini, saya akan mengangkat topik yaitu Sistem Iridiagnosis berbasiskan Perangkat Mobile.

PENDAHULUAN
Pentingnya Kesehatan Kesehatan adalah rezeki yang tidak ternilai harganya. Kesehatan memungkinkan manusia untuk melakukan segala aktivitas. Manusia yang sehat pasti memiliki akal yang sehat pula. Jika kesehatan terganggu, maka manusia tidak dapat menjalankan aktivitasnya, untuk itu manusia harus berobat. Berobat membutuhkan biaya yang tidak sedikit. Mengalami gangguan kesehatan adalah hal yang merugikan, baik waktu maupun materi. Oleh karena itu, manusia harus mencegahnya sebelum gangguan kesehatan terjadi. Pemeriksaan kesehatan merupakan salah satu tindakan untuk mencegah gangguan kesehatan. Pemeriksaan kesehatan perlu dilakukan secara teratur. Kesibukan yang dialami manusia acapkali melalaikan manusia untuk memeriksa kesehatan. Jika kesehatan terganggu, manusia tidak akan mampu melaksanakan kesibukannya. Dengan kata lain, manusia harus secara rutin memeriksa kesehatan untuk menjaga aktivitasnya terus berjalan.
2

Banyak orang yang selalu menunda untuk memeriksa kesehatan. Pemeriksaan kesehatan yang konvensional saat ini menyita waktu yang tidak sedikit. Pasien harus menempuh perjalanan ke pusat kesehatan. Selain itu, pasien harus menunggu antrian. Hal ini tidak efisien. Alhasil, menunda pemeriksaan kesehatan memperbesar peluang orang tersebut terkena gangguan kesehatan. Diperlukan ada metode yang lebih baik untuk mengecek kesehatan dengan cara yang efisien, tanpa harus menunggu, dan menempuh perjalanan yang jauh. Perkembangan Teknologi Mobile Dewasa ini, smartphone marak digunakan. Smartphone tergolong perangkat mobile karena dapat dibawa kemana-mana. Kebanyakan perangkat mobile didominasi oleh smartphone. Smartphone merupakan alat komunikasi berupa telepon genggam yang dilengkapi dengan kemampuan untuk melakukan komputasi data dijital dan dibekali dengan kecerdasan buatan. Saat ini, smartphone difasilitasi dengan kamera, komunikasi data, layar sentuh, dan processor berkecepatan tinggi. Fasilitas ini memungkinkan aplikasi canggih dapat berjalan di dalamnya. Aplikasi tersebut dapat dikembangkan untuk membantu manusia melakukan segala aktivitas, seperti membaca berita melalui internet, mengambil video, dan membuat catatan harian. Tak heran jika perangkat elektronik ini digemari oleh banyak orang di dunia. Untuk dapat menikmati banyak layanan, seperti video call dan internet, smartphone membutuhkan layanan komunikasi data mobile yang baik. Dengan adanya layanan tersebut, pengguna dapat mengakses data darimana pun. Pertumbuhan data mobile di dunia meningkat dari tahun ke tahun. [1] Berdasarkan survei yang dilakukan oleh Cisco pada tahun 2011, pertumbuhan data mobile akan meningkat 26 kali lipat dibandingkan pada tahun 2010, atau menjadi sebesar 6,3 exabyte per bulan. Hal ini menggambarkan bahwa akan ada lebih banyak orang yang akan memanfaatkan layanan ini di masa yang akan datang. Iridologi Iridologi merupakan sebuah ilmu yang mempelajari tentang analisis pola iris mata. Pola iris dapat merepresentasikan kondisi tubuh, dan tingkat kesehatan. Ada kata pepatah yang mengatakan bahwa mata adalah jendela jiwa. Dengan kata lain, iris merupakan indikator dari
3

kondisi tubuh. Banyak teknik pengobatan dari negara Asia bagian timur mengenal iris sebagai alat untuk mengetahui kondisi tubuh. Pengamatan tersebut dapat digunakan untuk menentukan jenis pengobatan yang dapat dilakukan terhadap pasien. Beberapa penelitian dalam kedokteran telah membuktikan bahwa ada kaitan antara pola iris dengan kondisi kesehatan pada organ tertentu, misalnya lingkaran putih pada tepian iris menandakan bahwa seseorang mengidap kolesterol tinggi. Penelitian-penelitian tersebut telah distandarisasi, yang kemudian dinamakan dengan Iridologi.

Gambar 1 Peta Iridologi

Iris pada mata terdiri dari serat-serat syaraf yang halus dan berpigmen. Ketika salah satu organ dalam tubuh mengalami kondisi buruk, syaraf yang berasal dari organ tersebut akan menyusut. Jika hal tersebut terjadi, maka syaraf tersebut akan menarik syaraf lainnya yang melewati iris, kemudian menimbulkan sebuah tanda yang terlihat gelap yang disebut dengan lesion. Saat ini, pengetahuan tentang Iridologi cukup populer di dunia. Iridologi dilakukan oleh seorang praktisi Iridologi yang telah bersertifikasi. Untuk mengetahui bagaimana kondisi dalam tubuh pasien, seorang praktisi melakukan pemeriksaan mata pasien. Praktisi menggunakan kamera yang menangkap citra mata pasien, kemudian melakukan analisis terhadap citra iris pada mata.

Analisis dilakukan secara manual, yaitu menggunakan pengamatan dan penalaran langsung dari praktisi, sehingga hasil analisis subjektif terhadap pengamatan oleh praktisi. Image Processing dan Machine Learning Berkembangnya sistem pengenalan iris mengundang perhatian dari banyak peneliti untuk membuat sistem diagnosis berbasiskan Iridologi dengan berbantukan komputer. Adanya peta panduan Iridologi membantu peneliti untuk membuat model pengetahuan pada komputer. Citra iris diambil dengan menggunakan kamera, kemudian citra tersebut diproses oleh komputer. Proses ini menggunakan teknik image processing (pengolahan citra) dan machine learning (pemelajaran mesin). Beberapa peneliti telah berhasil melakukan percobaan tersebut. Secara garis besar, sistem diagnosis tersebut menggunakan metode Iridologi ini meliputi preprocessing, lokalisasi, segmentasi, normalisasi, ekstraksi fitur dan klasifikasi. Namun saat ini, belum ada penelitian yang membangun sistem Iridiagnosis dengan sistem mobile. Penelitian yang ada hanya melakukan uji coba di PC. Padahal, dengan adanya fakta ada seperti potensi banyaknya pengguna smartphone, dan tingginya pengguna komunikasi data mobile, Iridiagnosis dapat dibangun di dalam perangkat smartphone dan dapat digunakan dengan mudah oleh banyak orang. Oleh karena itu, penelitian ini hadir dengan tujuan untuk menemukan metode-metode yang optimal untuk melakukan Iridiagnosis pada perangkat mobile.

STUDI LITERATUR
Preprocessing Preprocessing merupakan sebuah tahapan untuk mempersiapkan citra agar dapat digunakan pada tahap selanjutnya. Preprocessing menerima input citra dan mengeluarkan output dalam bentuk citra pula. Preprocessing berfungsi untuk menghilangkan bagian-bagian yang dianggap tidak dibutuhkan atau yang tidak menonjolkan citra yang sebenarnya. Preprocessing juga

berfungsi untuk mengubah citra dalam bentuk lain sehingga dapat memudahkan proses yang selanjutnya. Citra mata ditangkap oleh berbagai macam kamera. Setiap kamera memiliki kualitas yang berbeda-beda. Ada kamera yang memiliki resolusi besar, ada pula yang memiliki resolusi yang kecil. Kesalahan penanganan pada keduanya akan menyebabkan gambar rusak. Perenggangan pada citra beresolusi kecil akan mengakibatkan beberapa pixel pada citra menghilang, sedangkan penurunan ukuran pada citra beresolusi besar akan menyebabkan tepian yang tajam pada citra. Selain itu, kamera yang berkualitas rendah dapat menghilangkan informasi sebab sensor kamera tidak mampu menerima cahaya pada tingkat tertentu. Hal ini dapat menyebabkan color noise pada citra. Kondisi lingkungan di sekitar pengambilan citra dapat menentukan kualitas pengambilan citra. Gangguan dari lingkungan meliputi kurangnya cahaya, getaran, dan gangguan debu saat pengambilan gambar. Gangguan tersebut mengakibatkan kerusakan pada citra, seperti pepper noise, motion blurring dan kehilangan pixel. Berdasarkan [2], minimum filter bekerja dengan cara membagi citra dalam blok 3x3. Setiap blok akan diambil nilai terkecil dan digunakan sebagai nilai pada pixel yang baru pada posisi yang bersesuai dengan titik tengah blok. Pada paper [3], dijelaskan bahwa pengambilan citra iris selalu menggunakan cahaya yang mengarah langsung ke mata, sehingga akan terlihat pantulan cahaya pada citra iris. Metode thresholding dapat digunakan untuk menghilangkan pantulan tersebut. Lokalisasi dan Segmentasi Besarnya input pada program mempengaruhi waktu pemrosesan. Citra mentah yang diambil dari kamera dapat berukuran cukup besar. Citra tersebut tidak hanya mengandung citra iris, tetapi juga citra latar belakangnya. Pengolahan citra yang cukup besar dapat menyebabkan waktu proses yang cukup lama. Padahal, citra yang akan dianalisis adalah citra iris. Oleh karena itu, perlu mekanisme untuk melakukan segmentasi citra iris.

Segmentasi merupakan proses untuk membagi citra ke dalam beberapa bagian. Tujuan segmentasi ini adalah memfokuskan input. Biasanya, citra yang disegmentasi lebih kecil daripada citra yang asli. Sebelum melakukan segmentasi, lokalisasi dilakukan untuk menentukan wilayah yang akan disegmentasi. Pada paper [2], teknik lokalisasi dilakukan secara manual, yaitu menentukan batas pengambilan iris dengan berbantukan persepsi manusia. Teknik ini tidak objektif, sebab tidak ada metode ilmiah untuk menentukan batas tersebut. Pada paper [4], mengusulkan teknik Circular Hough Transform. Paper [3] mengusulkan teknik Daugman integrodifferential operator sebagai estimator parameter lokalisasi. Teknik pada [3] dinilai lebih baik daripada teknik pada paper yang lain. Pada beberapa paper, ditemukan pula teknik segmentasi dengan menggunakan metode local search, seperti Genetic Algorithm dan Particle Swarm Optimization. Auwatanamongkol pada [5] menyimpulkan bahwa segmentasi dengan menggunakan Genetic Algorithm memberikan akurasi 100%. Di lain pihak, Mei Xue pada [6] mengemukakan bahwa segmentasi dengan menggunakan Particle Swarm Optimization memberikan tingkat akurasi 98%. Peneliti tertarik dengan kedua hal ini dan bermaksud akan mengujicobakan kedua metode tersebut pada penelitian ini.

Diagram 1 Proses Deteksi Linkaran dengan Menggunakan Circular Hough Transform

Diagram 2 Hasil Deteksi Arah Mata

Normalisasi Setelah disegmentasi, citra harus dinormalisasi agar memiliki ukuran dan bentuk yang standar. Paper [11] mengusulkan Daugman Rubber Model sebagai model citra hasil normalisasi. Model tersebut dihasilkan dari pemetaan citra iris dari kordinat kartesius ke dalam kordinat polar. Paper [7] juga mendukung metode tersebut.

Diagram 3 Duagman Rubber Model

Ekstraksi Fitur Fitur adalah ukuran-ukuran yang merepresentasikan karakteristik objek. Fitur digunakan untuk membedakan antara objek satu dengan objek yang lainnya. Teknik mendapatkan fitur beragam, seperti mengambil perbandingan tinggi dan lebar objek, entropi, dan energi tekstur objek. Dalam masalah ini, fitur digunakan untuk mengidentifikasi iris baik yang normal maupun yang tidak normal. Pada [7], ditemukan bahwa keberadaan kolesterol seseorang dapat ditentukan dengan melihat nilai histogram yang diberikan oleh arcus lipoides atau lingkaran putih di sekitar iris. Pada [4], fitur warna dari sebuah sektor pada iris dapat digunakan untuk penentu apakah
8

sektor tersebut dikategorikan sebagai black spot atau wilayah yang diduga abnormal. Penelitian yang lebih baik lagi terdapat pada [8], peneliti menganggap citra iris sebagai citra tekstur dan mengapilkasikan fungsi Gabor filter sebagai penghasil nilai tekstur. Peneliti tersebut berpendapat bahwa kecepatan pemrosesan dengan Gabor filter umumnya sangat cepat. Penggunaan Gabor filter ini didukung juga oleh [9]. Klasifikasi Klasifikasi adalah teknik untuk mengorganisir objek-objek ke dalam kelas-kelas yang telah tersedia. Klasifikasi membutuhkan fitur citra. Dalam konteks ini, dengan klasifikasi, program dapat menentukan apakah objek tersebut dikategorikan sebagai kelainan atau tidak. Pada [7], klasifikasi yang dilakukan tergolong sederhana, yaitu menggunakan OTSU threshold. Metode tersebut menentukan nilai pembeda antara background dan foreground, sehingga jika pada area yang ditentukan tidak ditemukan variasi yang berarti, maka disimpulkan tidak terdapat tanda kolesterol. Pada [8], fuzzy theory dapat digunakan sebagai classifier dengan tingkatan gejala yang berbeda, yaitu ringan, sedang, atau berat. [10] mengajukan pendekatan sistem klasifikasi yang terorganisir.

Tabel 1 Aturan Fuzzy untuk Diagnosa

IriS

Gambar 2 Aplikasi IriS

Beberapa bulan yang lalu, peneliti bersama rekan-rekan berhasil membangun sebuah aplikasi yang bernama IriS. Pada awalnya, IriS diperlombakan dalam ajang Microsoft Imagine Cup 2012. IriS adalah aplikasi perangkat mobile Windows Phone yang dapat melakukan Iridiagnosis. Iris menggunakan metode yang diajukan oleh beberapa paper yang telah disebutkan di atas tanpa adanya modifikasi lebih lanjut. Tahapan yang dilakukan oleh aplikasi tersebut adalah sebagai berikut : 1. Preprocessing Metode yang digunakan adalah histogram equilization. 2. Lokalisasi dan segmentasi Metode yang digunakan adalah Hough Transform. Tahapan ini memakan waktu ratarata cukup lama, yaitu satu menit. 3. Normalisasi Model yang digunakan adalah Daugman Rubber Model. 4. Ekstraksi Fitur Fitur yang digunakan adalah local gray value mean, yaitu rata-rata nilai keabuan pada sebuah area yang diklasifikasi.
10

5. Klasifikasi Teknik yang digunakan adalah OTSU method. Berdasarkan hasil implementasi IriS, didapatkan beberapa kendala, yaitu : 1. Kualitas kamera yang terbatas. Hal ini berakibat pada timbulnya color noise dan jpeg artifact. 2. Pengambilan citra hanya mengandalkan tumpuan tangan, sehingga orientasi citra yang dihasilkan bervariasi. Hal ini menimbulkan rasio lebar dan tinggi iris yang bervariasi, padahal citra tersebut berasal dari iris yang sama. 3. Cahaya flash kamera terlalu terang. Hal ini menimbulkan efek spotlight pada citra iris mata. Fenomena ini perlu ditangani agar tidak terjadi kesalahan dalam menentukan batas pupil. 4. Kecepatan processor smartphone sangat terbatas. Hal ini mengakibatkan lambannya proses-proses pengolahan citra, sebagai contoh segmentasi iris membutuhkan waktu sekitar satu menit. 5. Tidak adanya database server. Kurangnya dana dalam pengadaan PC Server menyebabkan peneliti terpaksa menggunakan database lokal pada device. Kecilnya kapasitas penyimpanan device menyebabkan database knowledge base yang dapat dimasukkan sangat terbatas.

SOLUSI YANG DIAJUKAN

Sistem Iridiagnosis berbasiskan mobile merupakan bukanlah hal yang baru. Berdasarkan studi literatur diatas, beberapa metode akan dipilih dan dipakai untuk membangun sistem Iridiagnosis yang baru. Pendekatan yang akan digunakan adalah membagi beban proses antara device (client) dan server, kemudian mengoptimalisasi proses di antara keduanya. Oleh karena itu, pendekatan ini membutuhkan koneksi data mobile. Perangkat client dan server saling berkomunikasi. Perangkat client menangkap citra iris pengguna, kemudian citra tersebut disegmentasi. Citra iris yang disegmentasi tersebut dikirim
11

ke server. Server melakukan segmentasi pola-pola pada iris mata. Hasil segmentasi tersebut diproses untuk memperoleh fitur. Server melakukan klasifikasi dan mengeluarkan output berupa data hasil identifikasi. Data tersebut dikirim balik ke perangkat client. Perangkat client menampilkan data tersebut dan mengemasnya dalam informasi dalam bentuk laporan diagnosis. Pada sisi client, peneliti akan menerapkan metode berikut : 1. Sebelum citra memasuki tahap preprocessing, registrasi citra dilakukan terlebih dahulu. Hal ini dilakukan agar dapat menormalisasi orientasi citra akibat kesalahan sudut kamera dalam pengambilan citra dari device. 2. Transformasi pada citra ke dalam domain frekuensi menggunakan Fast Fourier Transform (FFT). Operasi pengolahan citra akan lebih cepat jika dilakukan dalam domain frekuensi. Selain itu, diharapkan bahwa metode ini akan mengurangi dampak kerusakan pada citra akibat error yang terjadi selama pengiriman citra melalui koneksi data mobile. Kompleksitas 3. Standardisasi citra. Tahapan ini bertujuan untuk mendapatkan citra yang standar dari semua kamera device. Metode yang digunakan adalah histogram equalization. 4. Melakukan high pass filtering sebelum segmentasi iris. High pass filtering dapat mempertegas tepian pada iris dan diharapkan dapat meningkatkan akurasi dan kecepatan segmentasi iris. Pada sisi server, peneliti akan menerapkan metode berikut : 1. Menggunakan metode local search seperti Genetic Algorithm atau Particle Swarm Optimization untuk segmentasi pupil dari citra iris. 2. Menerapkan machine learning seperti Neural Network atau Fuzzy Theory untuk klasifikasi citra iris tersegmentasi. FFT adalah (. log ) dan algoritma ini merupakan algoritma yang tercepat saat ini.

12

PERUMUSAN MASALAH
Identifikasi masalah Penelitian-penelitian sebelumnya telah menunjukkan beberapa keberhasilan Iridiagnosis berbasiskan PC, tetapi penelitian-penelitian tersebut belum membuktikan bahwa sistem tersebut dapat dijalankan secara optimal pada sistem mobile, karena perangkat mobile memiliki keterbatasan dalam beberapa hal. Penelitian ini akan fokus pada pencarian solusi agar Iridiagnosis berjalan optimal dalam keterbatasan yang dimiliki oleh perangkat mobile. Beberapa hal yang menjadi pertimbangan terhadap solusi yang akan dicari dalam riset ini adalah : 1. Kehandalan (robustness) 2. Akurasi 3. Kecepatan Rumusan Masalah Penelitian ini diharapkan dapat menjawab pertanyaan berikut. 1. Seberapa handal, akurat, dan cepat solusi yang diajukan oleh peneliti dapat berjalan? 2. Apakah sistem Iridiagnosis pada mobile secara signifikan lebih baik daripada jika dilakukan pada PC?

13

METODOLOGI

Identifikasi Masalah Pengumpulan Alat, Data, dan Literatur Menyusun Hipotesis

Analisis Data Uji Coba

Evaluasi

Uji Coba

Kesimpulan dan Laporan Akhir Publikasi Aplikasi

Analisis, Desain, dan Implementasi

Diagram 4 Tahapan Penelitian

Penelitian ini akan bertempat di laboratorium pengolahan citra Fakultas Ilmu Komputer Universitas Indonesia. Metodologi penelitian yang akan dilaksanakan adalah sebagai berikut. 1. Identifikasi Masalah Pada tahap ini dilakukan identifikasi dan perumusan masalah yang ada. Dari permasalahan tersebut akan dicoba dibuat hipotesis, kemudian dilakukan penelitian dan uji coba untuk membuktikan hipotesis tersebut. Permasalahan yang telah diidentifikasi sampai saat ini dapat dilihat pada bagian perumusan masalah. Di penelitian ini, peneliti akan melihat bagaimana kinerja terhadap metode yang diajukan, bukan untuk membuktikan kebenaran dari Iridologi sendiri. 2. Mengumpulkan bahan, alat, data, dan sumber pendukung. Penelitian ini masih jauh dari sempurna. Untuk itu, perlu disusun pengetahuanpengetahuan yang relevan dan dapat dijadikan acuan dan pijakan untuk melaksanakan penelitian yang lebih lanjut. Kegiatan ini meliputi mengumpulkan berbagai literatur, baik
14

paper, proceeding, dan sumber tertulis lainnya. Selain itu, pengumpulan data awal dibutuhkan sebagai bahan pertimbangan untuk membangun model penelitian yang sesuai dengan kondisi yang sebenarnya. Data dikumpulkan dari berbagai sumber seperti lembaga penelitian, institusi pendidikan, pusat mata nasional, rumah sakit, serta masyarakat umum. 3. Menyusun hipotesis Kegiatan ini untuk menentukan apa yang akan dibuktikan dalam penelitian yang akan dilakukan nanti. 4. Analisis Kebutuhan, Perancangan, dan Implementasi Pada tahap ini, aktivitas analisis kebutuhan sistem dan perancangan perangkat lunak dilaksanakan. Hal ini meliputi :
a. Rancangan Arsitektur Sistem

b. Rancangan Model Masukan c. Rancangan Database d. Rancangan Antar Muka e. Rancangan Alur Data 5. Uji Coba Sistem Setelah melakukan implementasi sistem, akan dilakukan uji coba aplikasi. Uji coba akan dilakukan dalam dua kategori. Pertama, uji coba internal, dimana sistem akan diujicobakan dalam lingkungan terbatas dan sebagai testernya adalah tim peneliti sendiri. Uji coba ini meliputi cross validation. Data yang didapatkan pada tahap persiapan akan diujicobakan kembali, sehingga diharapkan output dapat sesuai dengan model komputasi yang dibangun. Kategori kedua adalah uji coba eksternal. Uji coba kali ini akan dilakukan di luar lingkungan peneliti. Uji coba ini akan bertempat di berbagai tempat, berbagai waktu, dan cuaca, seperti cerah, mendung, dan hujan. Tempat yang ditentukan adalah tempat umum, seperti sekolah, rumah sakit, kantor instansi pemerintahan, dan halte bis. Uji coba ini meliputi alpha testing dan beta testing. Alpha testing difokuskan untuk menguji akurasi program dengan menunjuk beberapa sampel dari masyarakat. Beta testing difokuskan untuk menguji stress

15

pada program, yaitu mengetahui sejauh apa program dapat berjalan pada kondisi yang ekstrim. 6. Analisis Data Uji Coba Hal ini dilakukan untuk mendapatkan penalaran atas data yang diperoleh. Analisis ini meliputi : a. Analisis Statistik Kompatibilitas Nilai ini diukur dengan seberapa banyak smartphone yang dapat menjalankan sistem tersebut. b. Analisis Nilai Performa Nilai ini diukur dengan seberapa cepat proses Iridiagnosis dilaksanakan pada suatu model smartphone tertentu. c. Analisis Tingkat Akurasi Nilai ini diukur dengan seberapa banyak sampel dengan benar diidentifikasi. 7. Evaluasi Pelaksanaan Uji Coba Evaluasi ini dilakukan untuk melihat sejauh mana sistem yang dikembangkan sesuai dengan rancangan awal penelitian. Jika sewaktu-waktu terjadi ketidakwajaran dalam data uji coba yang diperoleh, maka pelaksanaan uji coba dikaji ulang. Jika tidak uji coba tidak memuaskan, uji coba ulang dapat diulang. Disamping itu, uji coba dilakukan untuk melihat pengaruh penggunaan sistem ini terhadap pengguna. 8. Pengambilan Kesimpulan dan Pembuatan Laporan Akhir Hasil analisis dan evaluasi di atas akan menjadi dasar penarikan kesimpulan dan pembuatan laporan akhir. 9. Publikasi Aplikasi Setelah mendapatkan model komputasi yang stabil, peneliti akan mengimplementasikan sistem tersebut menjadi beberapa aplikasi untuk sistem operasi mobile yang berbeda, seperti Android, Windows Phone, dan iOS. Tujuan dari tahapan ini adalah masyarakat dapat merasakan manfaat dari hasil penelitian ini.

16

HASIL YANG DIHARAPKAN

Hasil yang diharapkan dari penelitian ini adalah : 1. Model komputasi bagi Iridologi yang handal, cepat, dan akurat berbasiskan perangkat mobile. 2. Aplikasi yang merupakan implementasi dari model komputasi tersebut dan dapat digunakan oleh masyarakat sehingga dapat meningkatkan kesadaran masyarakat untuk memelihara kesehatan. Peneliti berharap aplikasi tersebut dapat meningkatkan taraf kesehatan masyarakat Indonesia.

JADWAL PENELITIAN
Penelitian ini akan dimulai dari tanggal 2 Januari 2013 hingga 13 April 2013.
Waktu Pelaksanaan Januari Februari Maret April 1 2 3 4 1 2 3 4 1 2 3 4 1 2

Jenis Kegiatan 1. Identifikasi Kebutuhan 2. Pengumpulan Alat, Data, dan Literatur 3. Menyusun Hipotesis 4. Analisis, Desain, dan Implementasi 5. Uji Coba 5.1. Cross Validation 5.2. Alpha Testing 5.3. Beta Testing Analisis Data Uji Coba Evaluasi Pengambilan Kesimpulan dan Laporan Akhir Publikasi Aplikasi

Tabel 2 Jadwal Kegiatan

17

DAFTAR PUSTAKA
[1] http://www.digitalkreatif.com/industry-landscape/content-application-industry/mobile-contentapplication-industry. MOBILE CONTENT & APPLICATION INDUSTRY. Diakses pada tanggal

20/12/2012. [2] Adhi Dharma Wibawa; Mauridhi Hery Purnomo; , "Early Detection on the Condition of Pancreas Organ as the Cause of Diabetes Mellitus by Real Time Iris Image Processing," Circuits and Systems, 2006. APCCAS 2006. IEEE Asia Pacific Conference on , vol., no., pp.1008-1010, 4-7 Dec. 2006 [3] Schuckers, S.A.C.; Schmid, N.A.; Abhyankar, A.; Dorairaj, V.; Boyce, C.K.; Hornak, L.A.; , "On Techniques for Angle Compensation in Nonideal Iris Recognition," Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions on , vol.37, no.5, pp.1176-1190, Oct. 2007 [4] Lodin, A.; Demea, S.; , "Design of an iris-based medical diagnosis system," Signals, Circuits and Systems, 2009. ISSCS 2009. International Symposium on , vol., no., pp.1-4, 9-10 July 2009 [5] Auwatanamongkol, S.; , "Pattern recognition using genetic algorithm," Evolutionary Computation, 2000. Proceedings of the 2000 Congress on , vol.1, no., pp.822-828 vol.1, 2000 [6] Mei Xue; Lin Jinguo; Xia Liangzheng; , "Synergetic pattern recognition based on particle swarm optimization algorithm," Control Conference, 2008. CCC 2008. 27th Chinese , vol., no., pp.505-508, 16-18 July 2008 [7] Ramlee, R.A.; Ranjit, S.; , "Using Iris Recognition Algorithm, Detecting Cholesterol Presence," Information Management and Engineering, 2009. ICIME '09. International Conference on , vol., no., pp.714-717, 3-5 April 2009

18

[8] Cheng-Liang Lai; Chien-Lun Chiu; , "Health examination based on iris images," Machine Learning and Cybernetics (ICMLC), 2010 International Conference on , vol.5, no., pp.26162621, 11-14 July 2010 [9] Venugopalan, S.; Savvides, M.; , "How to Generate Spoofed Irises From an Iris Code Template," Information Forensics and Security, IEEE Transactions on , vol.6, no.2, pp.385395, June 2011 [10] Othman, Z.; Prabuwono, A.S.; , "Preliminary study on iris recognition system: Tissues of body organs in iridology," Biomedical Engineering and Sciences (IECBES), 2010 IEEE EMBS Conference on , vol., no., pp.115-119, Nov. 30 2010-Dec. 2 2010 [11] J. Daugman. How Iris Recognition Works, IEEE Transaction on Circuits and Systems for Video Technology, vol. 14, No.1, Jan 2004.

19