Ekstraksi Pola Iris Mata Berwarna Biru dan Cokelat dengan Metode GrayLevel Cooccurrence Matrix
DOI:
https://doi.org/10.26418/pf.v6i2.24974Abstract
Penelitian ekstraksi pola iris mata berwarna biru dan cokelat dengan metode graylevel coocurrence matrix (GLCM)telah dilakukan untuk mengetahui perbedaan pola setiap fitur pada GLCM terhadap perbedaan warna iris mata. Penelitian ini menggunakan data citra iris mata terdiri dari 10 citra iris mata berwarna biru dan 10 citra iris mata berwarna cokelat. Tahap preprocessing dimulai dengan memotong citra kemudian dilanjutkan dengan mengubah citra dalam bentuk aras keabuan, membuat histogram dan ekualisasi histogram untuk memperbaiki kualitas citra. Proses selanjutnya menghitung ciri statistik menggunakan gray level cooccurrence matrix (GLCM) 4 arah (0Ëš, 45Ëš, 90Ëš dan 135Ëš) dengan jarak d=1. Parameter yang digunakan ada 8 yaituenergy, contras, variance, correlation, sum average, sum entropy, sum variance, maximum probability. Hasil yang diperoleh pada citra iris mata biru memiliki tingkat keabuan lebih besar dibandingkan dengan citra iris mata cokelat (fitur maximum probability). Tingkat perbedaan level keabuan terlihat lebih besar pada citra iris mata biru dari pada citra iris mata cokelat (sum variance). Citra iris mata biru mempunyai tingkat keabuan rata-rata paling tinggi dibandingkan citra iris mata cokelat (variance).Citra iris mata biru memiliki nilai keseragaman lebih tinggi sedangkan pada citra iris mata cokelat memiliki tingkat keabuan yang konstan (energy).Pada citra iris mata biru warna yang dihasilkan citra lebih gelap dibandingkan dengan citra iris mata cokelat citra terlihat lebih terang (contrast). Tekstur yang dimiliki citra iris mata biru lebih halus dari pada citra iris mata cokelat karena memiliki nilai kerapatan piksel yang lebih tinggi (sum average). Citra iris mata cokelat terlihat hubungan yang linear antara tingkat keabuan dari pasangan piksel dari pada citra iris mata biru (correlation). Citra iris mata cokelat memiliki level keabuan yang acak atau nilai ketidakseragaman yang lebih tinggi dibandingkan dengan citra iris mata biru (sum entropy). Tekstur yang dimiliki citra iris mata cokelat lebih besar dari pada citra iris mata biru. Maka, citra iris mata berwarna biru dan cokelat dapat dibedakan menggunakan ekstrasi ciri GLCM.
Kata kunci : Ekstraksi Pola, Citra Iris Mata, GLCM
References
Fahmi. Perancangan Algoritma Pengolahan Citra Mata Menjadi Citra Polar Iris Sebagai Bentuk Antara Sistem Biometrik. Medan: Departemen Teknik Elektro Fakultas Teknik, Universitas Sumatra Utara; 2007.
Setiawan B. Identifikasi Iris Mata dengan Menggunakan Metode Hidden Markov Model. Depok: Jurusan Teknik Elektro; 2009.
Ganis K Y. Klasifikasi Citra dengan Matriks Ko-Okurensi Aras Keabuan (Gray Level Co-Occurrence Matrix- Glcm) Pada Lima Kelas Biji-bijian. Depok: Universitas Diponegoro; 2008.
Indriani M. Klasifikasi Tekstur Menggunakan Metode LDA dan KNN Berdasarkan Pencirian Metode Run-Length. Depok: Jurusan Teknik Elektro, Universitas Diponegoro; 2007.
Hartadi R. Deteksi Potensi Kanker Payudara pada Mammogram Menggunakan Metode Gray Level Co- occurrence Matrices. Semarang: Jurusan Teknik Elektro, Universitas Diponegoro; 2011.
Fajrin , Hanifah R, Nugroho HA, Soesanti I. Ekstraksi Ciri Berbasis Wavelet dan GLCM untuk Deteksi Dini Kanker Payudara pada Citra Mammogram. Yogyakarta: Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada; 2015.
http://biometrics.idealstest.org/. [Online].; 2017 [cited 2017 31 Juli Senin.
Pangestu P. Penerapan Histogram Equalization pada Optical Character Recognition Prepocessing. Ultimatics, 2015; 7(1): p. 27-33.
Eskaprianda A, Isnanto RR, Santoso I. Deteksi Kondisi Organ Pankreas Melalui Iris Mata menggunakan Jaringan Syaraf Tiruan Metode Perambatan Balik dengan Pencirian Matriks Ko-Okurensi Aras Keabuan. Transmisi. 2011; 13(1): p. 33-38.
Anggoro W. Implementasi Ekstraksi Fitur Tekstur Gray Level Co-Occurrence Matrices (GLCM) untuk Pengelompokkan Citra Tenun Menggunakan Algoritma K-Means. Semarang: Jurusan Teknik Informatika, FIK UDINUS; 2016.
Patgar SV, Vasudav T. An Unsupervised Intelligent System to Detect Fabrication in Photocopy Document Using Geometric Moments and Gray Level Co-Occurrence Matrix. International Journal of Computer Application. 2013; 74(12): p. 32.
Gadkari D. Image Quality Analysis Using GLCM. Orlando: University of Central Florida; 2004.
Downloads
Published
Issue
Section
License
Copyright Notice using Creative Commons License for an Online Journal
The online journal Prisma Fisika operates under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0). This copyright notice serves to inform authors, readers, and users of the terms and conditions regarding the use and distribution of the journal's content. By submitting or accessing the content, you agree to the following:
1. Content License:
a. All articles, images, and supplementary materials published in Prisma Fisika are licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
b. This license permits users to copy, distribute, and adapt the content for non-commercial purposes, provided appropriate credit is given to the original authors and the journal.
c. If you remix, transform, or build upon the content, you must distribute your contributions under the same license as the original.
2. Attribution:
a. When using or sharing content from Prisma Fisika, you must properly attribute the original authors and the journal.
b. Include the title of the article, the names of all authors, Prisma Fisika, the year of publication, the volume/issue number, and the specific page numbers.
c. Provide a hyperlink to the original article on Prisma Fisika's website, if applicable.
3. Non-Commercial Use:
a. The content published in Prisma Fisika may not be used for commercial purposes without obtaining explicit permission from the copyright holders.
b. Commercial use includes, but is not limited to, reproduction or distribution of the content for financial gain, selling or licensing the content, or using the content in products or services that are sold or monetized.
4. ShareAlike:
a. If you adapt or remix the content from Prisma Fisika, you must distribute your derivative work under the same Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
b. This provision ensures that any modifications, adaptations, or remixes of the content maintain the same open licensing framework.
5. Disclaimer:
a. The views expressed in articles published in Prisma Fisika are solely those of the authors and do not necessarily reflect the opinions or policies of the journal, its editorial board, or affiliated institutions.
b. Prisma Fisika and its editors are not liable for any errors, omissions, or damages arising from the use or interpretation of the published content.
Please note that this Copyright Notice does not supersede any additional permissions or restrictions that may be granted by individual authors or copyright holders for their specific content within Prisma Fisika. For any questions or requests regarding the use of the journal's content, please contact the editorial team at prismafisika@physics.untan.ac.id.
By accessing or contributing to Prisma Fisika, you agree to comply with the terms of this Creative Commons license. Violation of these terms may result in legal consequences as governed by applicable copyright laws.
Date: 24-05-2023
Prisma Fisika
Email: prismafisika@physics.untan.ac.id
