Proposal Penelitian

Penggunaan Iris Recognition untuk Keamanan

Perangkat Mobile Menggunakan Pengambilan Gambar

Disusun Oleh :
Nama : Bimo Prakoso
NIM : 1711502235
Prodi : Teknik Informatika

Fakultas Teknologi Informasi

Universitas Budi Luhur
 Daftar Isi

DAFTAR ISI ..................................................................................................................I

ABSTRAK.....................................................................................................................II

BAB I PENDAHULUAN ..............................................................................................1

1.1. LATAR BELAKANG ...............................................................................................1

1.2. IDENTIFIKASI MASALAH ......................................................................................2
1.3. RUMUSAN MASALAH............................................................................................2
1.4. BATASAN MASALAH.............................................................................................2
1.5. TUJUAN DAN MANFAAT .......................................................................................2

BAB II LANDASAN TEORI ........................................................................................3

2.1. TEORI DASAR .......................................................................................................3

2.2. LITERATURE REVIEW ..........................................................................................5

BAB III METODOLOGI .............................................................................................8

3.1. LANGKAH-LANGKAH PENELITIAN ......................................................................8

DAFTAR PUSTAKA .................................................................................................. III

I
 Abstrak
Keamanan kehidupan sehari-hari adalah yang paling penting. Ketika
perangkat seluler modern meningkat, mereka memperkenalkan aplikasi baru untuk
keamanan, terutama otentikasi. Meluasnya penggunaan perangkat seluler ini telah
meningkatkan kebutuhan untuk melakukan otentikasi pengguna yang andal. Sistem
biometrik adalah proses otentikasi yang sangat cepat, aman, dan andal. Teknik
identifikasi orang biometrik berdasarkan pola iris mata manusia sangat cocok untuk
keamanan perangkat atau keamanan elektronik. Sistem keamanan pada awalnya
didasarkan untuk memverifikasi & mengidentifikasi pengguna. Dalam sistem yang
diusulkan, perangkat seluler mempertimbangkan citra mata, lalu saya melakukan
segmentasi iris mata otomatis di atasnya. Segmentasi ini adalah salah satu bagian
penting dalam pengenalan iris, yang memisahkan iris dari atribut okular lainnya.
Metode segmentasi iris ini akan memberikan keamanan untuk perangkat seluler.
Dan juga sistem yang diusulkan ini berlaku untuk keamanan aplikasi seluler.

II
 Bab I Pendahuluan
1.1. Latar Belakang
Sekarang pertumbuhan komunikasi sudah meningkat pesat melalui
perangkat seluler. Contoh perangkat seluler meliputi ponsel cerdas, PC tablet,
dan lain-lain. Kemampuan komunikasi nirkabel ponsel semakin lama semakin
meningkat ke layanan jarak jauh seperti e-commerce dan transaksi bank online.
Ini akan membutuhkan keamanan yang sangat tinggi untuk informasi pribadi
dan perlindungan privasi terhadap penggunaan yang tidak sah dalam jaringan
masyarakat.
Saat ini, metode yang paling banyak diadopsi adalah verifikasi
Identifikasi Pribadi dengan menggunakan Nomor (PIN) dan kata sandi. E-
Security saat ini membutuhkan alternatif kata sandi dan nomor identifikasi
pribadi (PIN) yang akurat, aman, dan hemat biaya. Banyak pengguna ponsel
menggunakan PIN dan kata sandi ini rumit dan kemungkinan dilupakan.
Sangat sedikit pengguna mengubah PIN mereka secara teratur untuk keamanan
yang lebih tinggi. Solusi biometrik mengatasi masalah mendasar ini, karena
data biometrik seseorang unik untuk orang ke orang dan tidak dapat ditransfer.
Biometrik, adalah proses otentikasi berdasarkan karakteristik yang berbeda
seperti karakteristik fisiologis atau karakteristik perilaku, kemampuannya
untuk membedakan orang yang berwenang dan yang tidak berwenang.
Keuntungan utama otentikasi biometrik adalah tidak dapat hilang atau
dilupakan, karena orang tersebut harus hadir secara fisik selama proses
identifikasi. Fitur biometrik yang umum digunakan termasuk ucapan, sidik jari,
wajah, Iris, suara dll.
Baru-baru ini, pengenalan Iris adalah salah satu biometrik yang
digunakan untuk identifikasi dan verifikasi karena akurasinya. Teknologi
pengenalan iris ini telah digunakan untuk keamanan ponsel. Iris lebih dapat
diandalkan sebagai bentuk identifikasi karena keunikan polanya. Biometrik
Iris mengidentifikasi pola iris unik seseorang. Iris ini mengandung banyak fitur
khas seperti tekstur, ligamen lengkung, alur, ridge, crypts, cincin, korona,
bintik-bintik, dan kerah zig-zag. Dua keuntungan utama iris, adalah bahwa
pola iris asli dihasilkan secara acak setelah tiga bulan kelahiran dan tidak
berubah seumur hidup. Dan yang kedua adalah iris yang tidak memiliki efek
penuaan, yang berarti ia tetap stabil dari sekitar usia satu hingga mati. Karena
keunggulan ini, pengenalan iris memberikan tingkat keamanan yang tinggi.
Kita dapat menggunakan teknologi ini untuk telepon seluler atau layanan
berbasis telepon seluler.

1
1.2. Identifikasi Masalah
• Daya tangkap Kamera dalam pencahayaan yang berbeda.
• Pembaca Iris Mata yang sulit menerima data masuk dikarenakan jarak
antara mata dengan kamera yang berbeda kurang dari 1cm perbedaannya.
• Tingkat Akurasi pembaca iris mata.

1.3. Rumusan Masalah

1. Bagaimana cara agar kamera bisa menangkap iris mata dengan akurat
pada pencahayaan yang berbeda?
2. Apakah jarak antara Kamera dengan Iris Mata memperngaruhi penilaian?
3. Apa bagian yang akan digunakan kamera untuk mengidentifikasi iris mata
seseorang?

1.4. Batasan Masalah

• Hanya memakai data dari jurnal yang sudah ada.
• Metode yang digunakan adalah Segmentasi dan Identifikasi.
• Tempat Pengambilan data adalah di area Iris Mata saja dan tidak mengambil
bagian mata lainnya.

1.5. Tujuan dan Manfaat

1.5.1. Tujuan Penelitian
• Meningkatkan Keamanan Perangkat Seluler.
• Memanfaatkan Ilmu Biometrik berupa Iris Recognition sebagai salah satu
kunci untuk melindungi Perangkat Seluler.
• Mengetahui Pola Iris Mata.
1.5.2. Manfaat Penelitian
a. Bagi Tempat Riset
• Menambah wawasan tentang Iris Recognition.
• Memperkenalkan tempat bagi para peneliti yang akan mengunjungi
tempat riset tersebut nanti.
b. Bagi Peneliti
• Menemukan hal baru tentang Iris Recognition.
• Memanfaatkan Iris Recognition dalam kehidupan sehari-hari.
• Dapat memaparkan pendapatnya ke masyarakat luas.
c. Bagi Mahasiswa
• Dapat menjadi acuan untuk bahan tugas akhir.
• Menambah wawasan mahasiswa tentang Iris Recognition.
• Melanjutkan penelitian ini ke tahap yang berikutnya.

2
 Bab II Landasan Teori
2.1. Teori Dasar
a. Anatomi Iris Mata
Mata adalah suatu struktur sferis berisi cairan yang dibungkus oleh
tiga lapisan. Dariluar ke dalam, lapisan-lapisan tersebut adalah dari 1).
Sclera/ kornea 2) koroid/ badansiliaris/ iris dan 3) retina. Sebagian besar
mata dilapisi oleh jaringan ikat yang protektif dan kuat di sebelah luar,
sklera, yang membentuk bagian putih mata.
Struktur mata manusia berfungsi utama untuk memfokuskan cahaya
ke retina. Semua komponen – komponen yang dilewati cahaya sebelum
sampai ke retina mayoritas berwarna gelap untuk meminimalisir
pembentukan bayangan gelap dari cahaya. Kornea dan lensa berguna
untuk mengumpulkan cahaya yang akan difokuskan ke retina, cahaya ini
aka menyebabkan perubahan kimiawi pada sel fotosensitif di retina. Hal
ini akan merangsang impuls-impuls syaraf ini dan menjalarkannya ke otak.
Iris mata manusia dapat digunakan untuk kepentingan identifikasi
seseorang yang memiliki tingkat keamanan yang cukup tinggi. Hal ini
didukung oleh sifat – sifat yang dimiliki iris mata manusia sebagai berikut:
a. Iris mata manusia sangat terlindungi keberadaannya yang merupakan
organ dalam dari mata.
b. Iris mata manusia tampak (kelihatan) dari suatu jarak tertentu.
c. Pola iris mata manusia mempunyai derajat keacakan yang tinggi.
d. Stabil (dalam hal jumlah dan posisinya) sepanjang hidup manusia.
e. Tidak bergantung pada sifat genetik.
f. Mempunyai tekstur dan struktur yang kompleks.[1]
b. Biometrik
Biometrik (berasal dari bahasa Yunani bios yang artinya hidup
dan metron yang artinya mengukur) secara umum adalah studi tentang
karakteristik biologi yang terukur. Dalam dunia teknologi informasi,
biometrik relevan dengan teknologi yang digunakan untuk menganalisis
fisik dan kelakuan manusia dalam autentifikasi.
Pengidentifikasi biometrik sangat khas, karakteristik yang terukur
digunakan untuk mengidentifikasi individu. Dua kategori pengidentifikasi
biometrik meliputi karakteristik fisiologis dan perilaku. Karakteristik
fisiologis berhubungan dengan bentuk tubuh, dan termasuk tetapi tidak
terbatas pada: sidik jari, pengenalan wajah, DNA, telapak tangan,
geometri tangan, pengenalan iris (yang sebagian besar telah diganti retina),
dan bau/aroma. Karakteristik perilaku terkait dengan perilaku seseorang,
termasuk namun tidak terbatas pada:Ritme mengetik, kiprah, dan suara.
c. Biometrik di Bidang Kesehatan
Untuk keperluan diagnostik dan pengobatan,studi biometrik diurai
menjadi

3
 Bahan biometrik adalah bagian-bagian alat dari alat tubuh yang
terlihat ataupun sensorik motorik tubuh manusia seperti: sidik jari, tulisan
tangan, wajah, struktur rambut dan tulang, pigmentasi kulit, sklera mata,
motorik dan sensorik jari, dan lain sebagainya
Kode biometrik adalah tanda-tanda spesifik atau unik pada bahan-
bahan biometrik seperti garis-garis pada sidik jari, warna pada sklera mata,
hambatan pada sensorik motorik dan lain sebagainya.
Pengindraan atau membaca kode biometrik adalah metode untuk
mengenali atau menerjemahkan berbagai kode biometrik yang ada.
Teknik pembacaannya bisa menggunakan indra-indra manusia atau
peralatan teknologi. Saat ini bidang kesehatan dan psikologi telah
mengembangkan berbagai studi seputar membaca kode biometrik, antara
lain:
1. Mengetahui struktur daya tahan tubuh (imuno) melalui lunula kuku ibu
jari.
2. Mengetahui struktur ikatan batin (emo) melalui sidik jari cleft 1 dan
cleft 2
3. Mengetahui struktur alur imunitas (visera) melalui sidik jari sekitar
cleft 1
4. Memahami struktur ritme sefalografi (rileksasi dan stress) melalui
cleft kapiler telapak tangan (palmar)
5. Mengetahui pola pertum-buhan tulang (osteo) melalui lingkar ibu jari
dan telunjuk
6. Mengetahui kondisi paru-paru dan nafas (pulmonal) melalui ujung jari
& kuku
7. Mengetahui kondisi ginjal dan kandung kemih dengan lekukan jari
8. Memahami pola pertumbuhan jaringan tubuh (plasmo) melalui
grafologi lingkaran
9. Memahami pola interaksi sosial melalui grafologi sudut kemiringan.
10. Mengetahui potensi psiko-pat dan sosiopat serta struktur ekstra
sensoric perception (ESP) melalui Sklera mata, dan lain sebagainya.[2]
d. Iris Recognition
Iris adalah bagian berwarna berbentuk cincin di mata manusia dan
terlihat dari luar dengan mata telanjang. Itu terbuat dari jaringan otot yang
menyesuaikan ukuran pupil dan mengontrol berapa banyak cahaya yang
bisa masuk ke mata. Jumlah pigmen melatonin pada iris bertanggung jawab
atas berbagai warna yang diambil mata manusia. Lipatan pada otot iris di
sepanjang cincin menciptakan pola dengan banyak detail. Pembentukan
pola ini sepenuhnya acak dan tidak ada aturan bagaimana hal itu akan
terjadi di mata individu. Namun, begitu pola ini dibuat selama

4
 perkembangan janin, ia tetap sama sepanjang hidup. Iris individu unik dan
berbeda secara struktural, bahkan iris individu yang sama tidak cocok.
Semua atribut ini membuatnya cukup baik untuk pengakuan pribadi.
Detail iris dapat ditangkap dengan kamera digital berkualitas tinggi,
namun, sistem pengenalan modern memanfaatkan inframerah dekat (NIR:
700-900 nm) alih-alih cahaya tampak untuk menangkap detail. Karena
pengenalan iris dapat dibuat dengan kamera berkualitas tinggi dan
perangkat lunak pengenalan, maka dapat diatur pada perangkat komputasi
apa pun; namun, sistem pengenalan khusus lebih umum karena alasan
kinerja dan keamanan. Sistem pengenalan iris menggunakan kamera
untuk menangkap detail iris dan gambar ini ditingkatkan oleh algoritma
peningkatan gambar. Setelah gambar cukup dapat digunakan, gambar
diproses oleh algoritma pengenalan, yang mengekstraksi fitur unik untuk
menghasilkan templat biometrik. Mengaitkan data identitas dengan
template ini menetapkan identitas subjek yang dimaksud, yang dapat
digunakan untuk verifikasi identitas di masa mendatang.[3]
2.2. Literature Review
Penelitian [1], melakukan penelitian untuk menyelesaikan masalah
sulitnya mendapatkan gambar kualitas tinggi agar dapat menangkap irisan
mata dengan lebih jelas. Iris mata yang ditangkap harus diselidiki terlebih
dahulu dan dibagi menjadi segmen. Metode yang digunakan adalah Image
Acquisition (Mengambil gambaran Iris Mata menggunakan kamera CCD),
Iris Segmentation (membelah Iris mata ke beberapa segmen), Iris
Normalization (Penormalan Gambar Iris Mata), Feature Extraction
(Mengekstrak Fitur-fitur pada Iris Mata), Matching or Verification
(Menyamakan dan memverifikasi). Hasil dari penelitian tersebut adalah
Perangkat seluler tersebut akan mempertimbangkan citra mata, lalu
dilakukan segmentasi Iris otomatis diatasnya. Metode segmentasi iris ini
akan memberikan keamanan untuk perangkat seluler. Dan juga sistem yang
diusulkan ini berlaku untuk keamanan aplikasi seluler.[4]
Penelitian [2], melakukan penelitian untuk menyelesaikan masalah
Kendala untuk mendapatkan pengenal Iris mata yang baik serta bagaimana
cara penanganan kesehatan karena Iris Mata merupakan bagian yang sangat
sensitif dan bila terjadi suatu kesalahan pada metodologi maka bisa
berakibat fatal. Metode yang digunakan adalah Local Binary Pattern (LBP),
Local Tetra Pattern (LTP), Proposed Methodology. Hasil yang didapat
adalah pengenalan iris dan jarak berdasarkan pengambilan dengan gambar
ekstraksi fitur geometris berdasarkan LBP, model LTP telah disajikan. Hasil
eksperimental membuktikan efektivitas metode yang diusulkan
memberikan tingkat pengenalan yang baik dan jarak Manhattan
memberikan yang lebih baik untuk pengambilan gambar iris bila
dibandingkan dengan metode yang ada. Metode yang diusulkan
menghasilkan hasil yang lebih baik dengan akurasi 85,51% dibandingkan
dengan metode yang ada Pola Biner Lokal dan Pola Ternary Lokal.[5]

5
 Penelitian [3], melakukan penelitian untuk menyelesaikan masalah
bertambahnya kebutuhan keamanan di dunia cyber membuat security
semakin ditingkatkan. Metode yang digunakan adalah mengevaluasi kinerja
metode yang akan dilakukan, membandingkan dengan metode yang sudah
ada dan kemudian didiskusikan dengan para peneliti yang terlibat. Hasil
yang telah dicapai adalah metode ini menganggap tekstur iris sebagai
semacam sinyal sementara dan menggunakan transformasi wavelet untuk
memproses sinyal tersebut. Titik variasi tajam lokal, indikator yang baik
untuk struktur gambar penting, diekstraksi dari serangkaian sinyal intensitas
untuk membentuk fitur yang membedakan. Hasil eksperimen telah
menggambarkan kinerja yang menggembirakan dari metode saat ini dalam
akurasi dan kecepatan.[6]
Penelitian [4], melakukan penelitian untuk menyelesaikan masalah
yang menyatakan bahwa iris mata manusia memiliki pola yang berbeda-
beda, mesti menggunakan kamera berkualitas tinggi untuk menangkap pola
Iris Mata. Metode yang digunakan adalah segmentasi dimana peneliti
membelah / memilah pola-pola iris mata kedalam beberapa bagian,
mendeteksi kelopak mata atas dan bawah, dan yang terakhir normalisasi
untuk menormalkan hasil yang diperoleh agar mencapai kesimpulan. Hasil
yang diperoleh adalah menurut analisis teoritis & karya eksperimental
algoritma Daugman untuk pengenalan iris memberikan efisiensi maksimum
dibandingkan dengan metode lain.[7]
Penelitian [5], melakukan penelitian untuk menyelesaikan masalah
untuk mengontrol akses ke area atau material yang aman, dapat diandalkan
diperlukan infrastruktur identifikasi pribadi. Metode konvensional untuk
mengenali identitas seseorang dengan menggunakan kata-kata atau kartu
tidak sepenuhnya dapat diandalkan, karena dapat dilupakan atau dicuri.
Metode yang digunakan adalah Akuisisi Gambar, Tahap Pra Proses, Tahap
Ekstraksi Fitur, Tahap Identifikasi dan Verifikasi. Hasil yag didapat adalah
untuk memproses pola iris dengan cara yang efisien dan efektif terhadap
metode yang ada, studi berikut dilakukan: Pertama, dua metode -
transformasi Gabor dan transformasi wavelet Haar yang banyak digunakan
untuk mengekstraksi fitur – dievaluasi. Transformasi wavelet Haar
memiliki kinerja yang lebih baik daripada transformasi Gabor. Kedua,
transformasi wavelet Haar digunakan untuk mengoptimalkan dimensi
vektor fitur untuk mengurangi waktu pemrosesan dan ruang. Terakhir,
peningkatkan akurasi classifier, pembelajaran jaringan saraf yang
kompetitif, dengan mengusulkan metode inisialisasi vektor bobot dan
metode seleksi pemenang baru yang dirancang untuk pengenalan iris.[8]
Penelitian [6], melakukan penelitian untuk menyelesaikan masalah
dengan meningkatnya permintaan untuk sistem keamanan yang ketat,
identifikasi otomatis individu berdasarkan metode biometrik telah menjadi
fokus utama penelitian dan pengembangan selama dekade terakhir.
Pengenalan biometrik menganalisis ciri-ciri fisiologis yang unik atau
karakteristik perilaku, seperti iris, wajah, retina, suara, sidik jari, geometri
tangan, penekanan tombol atau gaya berjalan. Iris memiliki struktur yang

6
kompleks dan unik yang tetap stabil selama masa hidup seseorang, fitur
yang telah menyebabkan minatnya yang meningkat dalam penggunaannya
untuk pengenalan biometrik. Metode yang digunakan adalah Akuisisi
gambar, Segmentasi iris, Normalisasi, Ekstraksi fitur, Klasifikasi,
Algoritma. Hasil yang diperoleh adalah Principal Component Analysis
(PCA) berdasarkan Discrete Wavelet Transformation (DWT) untuk
mengekstraksi fitur optimal gambar iris dan mengurangi runtime klasifikasi
dari templat iris ini. Titik menggunakan DWT di belakang PCA adalah
untuk mengurangi resolusi template iris. DWT mengubah gambar iris
menjadi empat pita frekuensi, dan Satu pita frekuensi bukannya empat telah
digunakan untuk ekstraksi fitur lebih lanjut dengan menggunakan PCA.
Karena resolusi template iris telah dikurangi oleh DWT, maka runtime
klasifikasi akan berkurang.[9]
Perbedaan diantara semua penelitian yang telah dilakukan adalah
pada penelitian 1 dikhususkan untuk meneliti apakah penggunaan iris
recognition dapat digunakan untuk keamanan perangkat. Pada penelitian 2
dikhususkan untuk membandingkan keakuratan data yang diambil dengan
tiga metode menggunakan Manhattan Distance Classifier. Penelitian 3
dikhususkan untuk kinerja metode yang diusulkan cukup baik dan
sebanding dengan algoritma pengenalan iris terbaik yang ditemukan dalam
literatur saat ini. Penelitian 4 dikhususkan untuk meneliti effisiensi Metode
Daugman untuk Iris Recognition. Penelitian 5 dikhususkan untuk untuk
meningkatkan efisiensi dan akurasi sistem yang diusulkan. Penelitian 6
dikhususkan untuk teknik menggabungkan Analisis Komponen Utama
(PCA) berdasarkan Discrete Wavelet Transformation (DWT) untuk
ekstraksi fitur optimal dari iris dan mengurangi runtime yang diperlukan
untuk klasifikasi template iris.

7
 Bab III Metodologi
3.1. Langkah-Langkah Penelitian
Penelitian yang akan dilakukan menggunakan metodologi sebagai
berikut:
1. Pengambilan Gambar
Pada langkah ini akan dilakukan pengambilan gambar sebuah Iris mata
yang akan digunakan sebagai objek penelitian. Bisa menggunakan
kamera atau alat lainnya yang bisa mengambil gambar. Untuk
mengambil gambar berkualitas tinggi untuk iris otomatis sistem
pengenalan adalah tantangan utama. Biasanya gambar diperoleh
menggunakan sensor dengan resolusi yang memadai untuk menangkap
tekstur iris. Perangkat yang digunakan untuk memperoleh gambar iris
biasanya disebut sebagai sensor iris. Ketika memperoleh gambar Iris
perlu mempertimbangkan resolusi yang baik, ketajaman gambar dan
perlu menjaga intensitas sumber yang memadai. Sebagian besar atau
akuisisi gambar kamera CCD digunakan. Dalam karya yang diusulkan
ini, basis data yang tersedia untuk umum yaitu, Institut Otomasi,
Akademi Sains Cina (CASIA).
2. Segmentasi Iris mata
Ketika mata ditangkap dalam kamera CCD, selanjutnya hanya perlu
memperoleh pola iris. itu termasuk lokalisasi batas dalam dan luar iris
dan lokalisasi batas antara iris dan kelopak mata. Segmentasi iris
memainkan peran penting dalam kinerja sistem pengenalan iris. Proses
mencari batas iris secara otomatis dan mengeluarkan daerah bising
disebut segmentasi iris. jika segmentasi tidak tepat maka dapat
menyebabkan ekstraksi fitur yang salah. Oleh karena itu untuk
identifikasi orang yang benar perlu segmentasi yang tepat.
Tahap segmentasi meliputi langkah-langkah berikut:
1. Lokalisasi batas dalam iris
2. Lokalisasi batas luar iris
3. Lokalisasi batas antara kelopak mata dan iris.
3. Normalisasi Iris
Setelah mencapai iris melingkar, yang akan dikonversi menjadi bentuk
persegi panjang. Iris yang tersegmentasi biasanya terbuka artinya
ukuran iris dapat bervariasi secara signifikan pada gambar karena
pelebaran dan kontraksi pupil, resolusi sensor yang digunakan. untuk
mengatasi variasi seperti itu normalisasi digunakan. Setelah wilayah
iris berhasil disegmentasi maka langkah selanjutnya adalah mengubah
wilayah iris ini menjadi dimensi yang tetap untuk pencocokan pola.
Operasi normalisasi ini dilakukan dengan mewakili iris yang
tersegmentasi sebagai gambar persegi panjang dalam normalisasi yang
mengkonversi setiap koordinat Cartesian menjadi koordinat polar.
Langkah-langkah untuk menormalkan gambar Iris.
a. Penggunaan model lembaran karet Daugman.
b.Mewakili koordinat Cartesian ke kutub.
c. Output gambar iris dinormalisasi.

8
4. Ekstrak Fitur
Mengurai dan membentuk pola iris menjadi kode iris. Ini adalah
langkah penting dalam pengenalan iris otomatis adalah yang memiliki
kemampuan mengekstraksi beberapa atribut unik dari iris, dalam
sistem yang diusulkan digunakan tekstur untuk ekstraksi fitur.
Transformasiabor dan wavelet sebagian besar digunakan untuk
menganalisis pola iris manusia dan ekstraksi fitur pola iris manusia ini.
Beberapa fungsi diekstraksi dari iris tersegmentasi,
sebagai vektor fitur. kemudian informasi diskriminatif ini disandikan,
proses ini disebut ekstraksi fitur. Setiap pola iris yang diisolasi
kemudian didemodulasi untuk mengekstraksi informasi fasanya
menggunakan wavelet 2D Gabor quadrature. Filter Gabor diperoleh
dengan memodulasi sinusoid dengan Gaussian. Untuk sinyal satu
dimensi (1D) adalah dengan Gaussian. Filter ini hanya akan merespons
sebagian gambar atau bagian sinyal yang terlokalisasi, yang hanya akan
mempertimbangkan frekuensi. Untuk sinyal 2D seperti gambar,
pertimbangkan sinusoid Seiring dengan Gaussian. Filter ini akan
merespons gambar. Misalkan g (x, y, Ѳ, Φ) adalah fungsi yang
mendefinisikan filter Gabor yang berpusat pada titik asal dengan Ѳ
sebagai frekuensi spasial dan Φ sebagai orientasinya.
5. Menyamakan dan Verifikasi
Pada tahap ini melakukan perbandingan pola baru dengan pola
referensi yang disimpan dalam database .images diterima dan ditolak
berdasarkan perbandingan ini. Pencocokan pola dilakukan dengan
menggunakan “Manhattan Distance". Ini membutuhkan perhitungan
yang lebih sedikit daripada banyak metode jarak lainnya. Pada
dasarnya jarak Manhattan menemukan jarak antara gambar terlatih dan
pengujian. Dalam proses pencocokan gambar yang dilatih dihitung dan
dibandingkan dengan gambar pengujian. Ketika dilatih & menguji
gambar cocok maka jarak sama dan ketika keduanya tidak cocok maka
ditemukan berbeda. Jadi, proses pencocokan dilakukan. Jarak
Manhattan Md (X i, Yi) dihitung sebagai berikut:
Md = ∑ [X i - Y i]
Dalam sistem yang diusulkan ini, pertimbangkan Manhattan
jarak. Ini adalah jarak maksimum antara gambar terlatih dan pengujian.
Jika jarak ini kurang dari jarak Manhattan maka orang tersebut
berwenang. Jika jarak jauh lebih besar dari atau sama dengan jarak
Manhattan maka orang tidak sah. Pola ini kemudian dikirim ke ponsel
melalui Bluetooth. Dalam sistem yang diusulkan ini, "A" dikirim untuk
orang yang berwenang dan "B" digunakan untuk orang yang tidak
berwenang. dengan menggunakan kunci ini ponsel semakin mengunci
dan membuka kunci. Konsep ini selanjutnya diperluas untuk mengunci
dan membuka kunci aplikasi seluler.

9
 Daftar Pustaka
[1] M. M. Padang, “Pengantar Optik Modern IRIS Recognition,”
Academia.edu, 2014. [Online]. Available:
https://www.academia.edu/9144706/iris_recognition. [Accessed: 28-May-
2019].
[2] R. Juliandi, “Biometrik,” Wikipedia, 2018. [Online]. Available:
https://id.wikipedia.org/wiki/Biometrik. [Accessed: 28-May-2019].
[3] D. Thakar, “Retinal vs. Iris Recognition: Did You Know Your Eyes Can
Get You Identified?,” Bayometric, 2019. [Online]. Available:
https://www.bayometric.com/retinal-vs-iris-recognition/.
[4] P. C. Kaware and D. M. Yadav, “Iris Recognition for Mobile security,” Int.
Res. J. Eng. Technol., vol. 3, no. 6, pp. 2000–2005, 2016.
[5] S. Prasath, “A Novel Iris Image Retrieval with Boundary Based Feature
Using Manhattan Distance Classifier,” Int. J. Innov. Technol. Creat. Eng.,
vol. 5, no. July 2015, pp. 280–283, 2015.
[6] L. Ma, T. Tan, Y. Wang, and D. Zhang, “Efficient iris recognition by
characterizing key local variations,” IEEE Trans. Image Process., vol. 13,
no. 6, pp. 739–750, 2004.
[7] A. J. Dixit and K. S. Kazi, “IRIS Recognition by Daugman ‟ s Method,”
Dep. Electron. Telecommun. Eng. BMIT, Solapur, India, vol. IV, no. Vii,
pp. 90–93, 2015.
[8] S. Lim, K. Lee, O. Byeon, and T. Kim, “Efficient iris recognition through
improvement of feature vector and classifier,” ETRI J., vol. 23, no. 2, pp.
61–70, 2001.
[9] H. K. Rana, M. S. Azam, M. R. Akhtar, J. M. W. Quinn, and M. A. Moni,
“A fast iris recognition system through optimum feature extraction,” PeerJ
Comput. Sci., vol. 5, no. April, p. e184, 2019.

III