IDENTIFIKASI IRIS MATA MENGGUNAKAN ELMAN RECURRENT NEURAL NETWORK IRIS IDENTIFICATION USING ELMAN RECURRENT NEURAL NETWORK

MARTINI GANANTOWE BINTIRI, Drs. Agus Harjoko, M.Sc, Ph.D

2015 | Disertasi | S2 Ilmu Komputer

Iris merupakan salah satu biometrika yang sangat stabil dan handal. Penelitian ini bertujuan mengembangkan suatu metode yang dapat digunakan untuk melakukan identifikasi iris mata. Data uji yang digunakan sebanyak 315 (tiga ratus lima belas) citra iris CASIA-v4-Syn dan 288 (dua ratus delapan puluh delapan) citra iris CASIA-v1 yang fitur – fiturnya diekstrak menggunakan three dimension gray level cooccurence matrix (3D-GLCM). Fitur ciri tersebut adalah maximum probability, correlation, contrast, energy, homogeneity, dan entropy. Fitur – fitur ini dilatih menggunakan Elman Recurrent Neural Network dengan aturan pembelajaran Levenberg-Marquardt Algorithm dan selanjutnya dilakukan identifikasi iris. Kinerja ERNN/LMA yang dihasilkan dari pendekatan ini adalah EER = 77,14% (CASIA-Iris-Syn v4) dan EER =93% (CASIA-Iris v1) menunjukkan bahwa metode yang diusulkan tidak dapat digunakan pada mode verifikasi karena akurasinya rendah, CRR = 22,86% (CASIA-Iris-Syn v4) dan CRR = 8,3% (CASIA-Iris v1) menunjukkan bahwa metode yang diusulkan tidak dapat digunakan pada mode identifikasi karena akurasinya rendah.

Iris is one of the biometric that is very stable and reliable. This research aims to develop a method that can be used to perform iris identification. The amount of data testing used are 315 (Three hundred and fifteen) iris image CASIA-v4-Syn and 288 (Two hundred and eigthy eight) iris image CASIA-v1 where the features - their extracted using three dimension cooccurence gray level matrix (3D-GLCM). The characteristic feature is the maximum probability, correlation, contrast, energy, homogeneity, and entropy. These features are trained using Elman Recurrent Neural Network with the learning rule Levenberg-Marquardt Algorithm and then the iris identification is performed. The results of ERNN/LMA performed are EER = 77,14% (CASIA-Iris-Syn v4) and EER =93% (CASIA-Iris v1) indicate that the method are proposed can’t be used in verification mode because the acuracy is low, CRR = 22,86% (CASIA-Iris-Syn v4) dan CRR = 8,3% (CASIA-Iris v1) indicate that the method are proposed can’t be used in identification mode because the acuracy is low.

Kata Kunci : Identifikasi Iris, 3D-GLCM, Elman Recurrent Neural Network, Levenberg-Marquardt Algorithm