Latar Belakang

Sistem keamanan modern membutuhkan metode autentikasi yang lebih andal dibanding kata sandi atau kunci konvensional yang mudah dicuri atau dilupakan. Teknologi biometrik hadir sebagai solusi, memanfaatkan karakteristik fisik unik manusia seperti sidik jari, wajah, dan iris mata. Di antara semua sistem biometrik, Iris Recognition System (IRS) dikenal sebagai yang paling efisien dan andal karena pola iris bersifat unik bahkan pada kembar identik, serta stabil sepanjang hidup seseorang.

Metode yang Diusulkan

Penelitian ini mengusulkan metode ekstraksi fitur baru bernama Neighborhood-based Binary Pattern (NBP), yang terinspirasi dari metode Local Binary Pattern (LBP). Berbeda dengan LBP yang membandingkan setiap tetangga piksel terhadap piksel pusat, NBP membandingkan setiap tetangga dengan tetangga berikutnya secara berurutan searah jarum jam. Hasil perbandingan dikodekan menjadi biner (1 jika lebih besar, 0 jika lebih kecil), lalu dikonversi ke bilangan desimal untuk membentuk citra NBP. Untuk mengatasi masalah rotasi, proses encoding dimulai dari tetangga dengan nilai tertinggi sehingga kode yang dihasilkan tetap konsisten meskipun citra berputar. Selanjutnya, citra NBP dibagi menjadi beberapa blok, rata-rata tiap blok dihitung, dan variasi antar rata-rata blok dikodekan sebagai matriks biner yang menjadi deskriptor fitur iris.

Alur Sistem Pengenalan Iris

Sistem IRS yang dibangun terdiri dari empat tahap utama. Pertama, akuisisi citra iris menggunakan sensor khusus. Kedua, preprocessing yang mencakup segmentasi untuk mengisolasi area iris dari citra mata, serta normalisasi untuk mengubah area iris berbentuk lingkaran menjadi persegi panjang berukuran tetap menggunakan model rubber sheet Daugman. Ketiga, ekstraksi fitur menggunakan metode NBP yang telah dijelaskan. Keempat, pencocokan (matching) menggunakan ukuran kemiripan intersection untuk membandingkan fitur iris yang diuji dengan fitur dalam database, dan keputusan identitas diambil berdasarkan majority vote dari tiga kandidat teratas.

Hasil Eksperimen

Pengujian dilakukan menggunakan database iris publik CASIA dengan 20 orang yang dipilih secara acak, di mana 60 citra digunakan sebagai referensi dan 80 citra sebagai data uji. Hasil menunjukkan bahwa metode NBP mencapai tingkat pengenalan sebesar 76,25%, lebih tinggi dibandingkan metode LBP yang hanya mencapai 58,75%. Hal ini membuktikan bahwa menangkap hubungan relatif antar tetangga piksel (pendekatan NBP) lebih efektif dibandingkan membandingkan tetangga terhadap piksel pusat saja (pendekatan LBP).

Kesimpulan

Metode NBP yang diusulkan terbukti lebih unggul dari LBP dalam hal akurasi pengenalan iris karena mampu menangkap informasi tekstur yang lebih relevan melalui hubungan antar tetangga piksel. Sistem ini juga dirancang tahan terhadap rotasi citra. Untuk penelitian ke depan, penulis berencana mengkombinasikan NBP dengan transformasi Gabor guna meningkatkan performa sistem lebih lanjut.