Analisis Perbandingan Metode LBP dan CLBP pada Sistem Pengenalan Individu Melalui Iris Mata

Sofia Saidah, Rita Purnamasari, Aulia Novria Bainuri, Gloria Shekinah Florensia Wahid

Abstract


Salah suatu metode yang digunakan untuk mengenali individu, baik berdasarkan ciri fisik, karakter maupun perilaku yang membeedakan antara satu individu dengan individu lainnya disebut sebagai biometrik. Iris mata merupakan salah satu ciri biometric yang sering digunakan untuk proses pengenalan individu. Tujuan dari penelitian ini adalah untuk mengetahui perbandingan kinerja Metode LBP dan Metode CLBP dalam melakukan pengenalan individu melalui iris matanya. Dari hasil penelitian diperoleh bahwa metode CLBP menghasilkan akurasi tertinggi sebesar 89,71%, sementara metode LBP menghasilkan akurasi 87,43%.

Keywords


Akurasi; Biometrik; CLBP; Iris Mata; Individu; LBP

Full Text:

PDF

References


A. A. Andarinny, C. E. Widodo and K. Adi, "Perancangan sistem identifikasi biometrik jari tangan menggunakan Laplacian of Gaussian dan ekstraksi kontur," Youngster Physics Journal, pp. 304-314, Oktober 2017.

E. G. Kristanto, R. Elisa and S. Wangko, "Identifikasi Iris : Opsi Identifikasi Biometrik," Jurnal Biomedik, vol. 5, pp. S7-11, November 2013.

R. R. Isnanto and B. Setiyono, "Identifikasi Iris Mata menggunakan Tapis Gabor Wavelet dan Jaringan Syaraf Tiruan Learning Vector Quantizarion (LVQ)," Teknik, vol. 30, no. 1, pp. 19-24, 2009.

P. G. D. G. a. A. D. Krishna Devi, "An Effective Feature Extraction Approach for Iris Recognition System," Indian Journal of Science and Technology, vol. 9 (47), 2016.R. E. Sorace, V. S. Reinhardt, and S. A. Vaughn, “High-speed digital-to-RF converter,” U.S. Patent 5 668 842, Sept. 16, 1997.

N. S. Sarode dan D. A. Patil, “Iris Recognition using LBP with Classifiers- KNN and NB,” International Journal of Science and Research (IJSR), vol. 4, no. 1, pp. 1904-1908, 2015 .

P.Thirumurugan dan G.Mohanbabu, “Iris Recognition using Wavelet Transformation Techniques,” International Journal of Computer Science and Mobile Computing, vol. 3 , no. 1, pp. pg. 75-83, 2014.

D. Krishna, G. Preeti, G. Diksha dan A. Dhindsa, “An Effective Feature Extraction Approach for Iris Recognition System,” Indian Journal of Science and Technology, vol. 9, no. 47, pp. 2-5, 2016.

Y. I. Hatmojo, “Implementasi Wavelet Haar dan Jaringan Tiruan Pada Pengenalan Pola Selaput Pelangi Mata,” JNTETI, vol. 3, no. 1, pp. 58-62, 2014.

M. Pietikäinen, A. Hadid, G. Zhao dan T. Ahonen, Computer Vision Using Local Binary Patterns, london: Springer, 2011.

M. A. Rahim, M. N. Hossain dan T. Wahid, “Face Recognition using Local Binary Patterns (LBP),” Global Journal of Computer Science and Technology, vol. 13, no. 4, 2013.

E. ACAR, "Extraction of texture features from local iris areas by GLCM and iris recognition system based on K-NN," European Journal of Technic (EJT), vol. 6, no. 1, pp. 44-52, 2016.

A. S. Rizcky, H. B and O. F, "Identifikasi Pola Rugae Palatina berdaasarkan Metode Geometric Active Contour (GAC) dengan Klasifikasi K-Nearest Neighbor (KNN) pada Populasi Mahasiswa S1 Teknik Telekomunikasi Angkatan 2015 Universitas Telkom," e-Proceeding of Engineering, vol. 6, no. 1, pp. 741-748, April 2019.

P. P. Widodo, R. T. Handayanto dan Herlawati, Penerapan Data Mining Dengan Matlab, Bandung: Rekayasa Sains, 2013.

E. Prasetyo, Data Mining-Mengolah Data Menjadi Informasi Menggunakan Matlab, Yogyakarta: ANDI, 2014.

Y. Permadi dan Murinto, “Aplikasi Pengolahan Citra Untuk Identifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah Menggunakan Metode Ekstraksi Ciri Statistik,” Jurnal Informatika , vol. 9, no. 1, pp. 1028-1038, 2015.




DOI: https://doi.org/10.26418/jp.v6i3.41521

Refbacks