Skripsi

DESAIN SISTEM PEMANTAUAN LEVEL MUKA AIR BERBASIS TELEMETRI WEBSITE

---

Pengenalan iris merupakan biometrik andal inovatif yang banyak digunakan dalam sistem keamanan, otentikasi, dan identifikasi. Beberapa penelitian menunjukkan hasil yang baik dalam identifikasi iris mata. Namun, data iris yang digunakan adalah data sekunder. Permasalahan yang sama dalam metode tersebut adalah kualitas gambar, karena jika kualitas gambar yang digunakan kurang baik seperti resolusi rendah, blur, atau kilau yang tidak biasa akan menyebabkan kesulitan dalam membedakan antara iris dan pupil. Untuk mengatasi masalah tersebut penelitian ini menggunakan pendekatan algoritma Convolution Neural Network (CNN) untuk menemukan pola dalam citra untuk mengenali citra iris mata. Penelitian ini menggunakan data primer berjumlah 2500 data yang diambil dari 50 orang mahasiswa yang terdaftar melakukan praktikum di Laboratorium Kendali dan Robotika, Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya. Arsitektur CNN yang dirancang pada penelitian ini menggunakan 4 convolutional layer, 4 pooling layer dan 1 softmaxloss sebagai klasifikasi dengan parameter learning rate 0.001, batch size 200. Citra iris yang sudah diambil kemudian dilatih menggunakan CNN dan selanjutnya dilakukan identifikasi iris. Setelah proses training, model yang didapatkan digunakan untuk tahap pengujian (testing). Kinerja yang dihasilkan dari pendekatan dengan menggunakan perbandingan 90% data latih, 7% data validasi dan data 3% uji ini menunjukkan bahwa hasil akurasi rata-rata pada data uji adalah 1.2505% di kondisi awal dimana citra iris tidak ideal dan 2.3582% setelah citra iris mata merupakan citra ideal. Namun, nilai akurasi kedua jenis data tersebut masih tetap rendah. Hasil ini menunjukan bahwa metode yang digunakan mampu mengenali citra iris mata meskipun belum mampu mengidentifikasi citra iris mata ke dalam kelasnya masing-masing.

---

Availability

Detail Information

Series Title

-

Call Number

T1815392025

Publisher

Indralaya : Prodi Teknik Elektro, Fakultas Teknik Universitas Sriwijaya., 2025

Collation

xiv, 34 hlm.; ilus.; tab, 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

621.382 07

Content Type

Text

Media Type

unmediated

Carrier Type

other (computer)

Edition

-

Subject(s)

Prodi Teknik Elektro
Teknik Komunikasi, Teknik Telekomunikasi

Specific Detail Info

-

Statement of Responsibility

MURZ

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment