Microsoft Word - 20_ZAHEDI-JANITRA-revisi-2 Set.doc Perancangan Program Aplikasi... (Zahedi; Eka Janitra) 175 PERANCANGAN PROGRAM APLIKASI DETEKSI IRIS MATA UNTUK ABSENSI KARYAWAN MENGGUNAKAN METODE GABOR WAVELET Zahedi; Eka Janitra Jurusan Matematika, Fakultas Sains dan Teknologi, Binus University Jl. KH. Syahdan No. 9, Palmerah, Jakarta Barat 11480. zahedizahedi@binus.ac.id ABSTRACT To take the employees’ absences in a company, a variety of invented tools or technologies are and already used, for example, attendance cards, fingerprints attendance tool, and attendance tool that uses facial recognition. Attendance tool with a facial recognition uses iris recognition of those employees. Iris code has many properties that hard to forge. Thus, the detection and iris recognition is one of the most secure and accurate for identification. Keywords: absences, iris, code ABSTRAK Untuk mengabsen karyawan di suatu perusahaan, berbagai macam alat atau teknologi yang sudah ditemukan telah digunakan, misalnya kartu absensi, alat absensi sidik jari, dan alat absensi yang menggunakan pengenalan wajah. Alat absensi dengan pengenalan wajah ini menggunakan pengenalan iris mata karyawan yang bersangkutan. Kode iris mata memiliki banyak properti yang sulit dipalsukan. Dengan demikian, pendeteksian dan pengenalan iris mata merupakan salah satu cara yang paling aman dan akurat untuk identifikasi. Kata kunci: absensi, iris mata, kode 176 ComTech Vol.2 No. 1 Juni 2011: 175-190 PENDAHULUAN Untuk mengabsen karyawan di suatu perusahaan berbagai macam alat atau teknologi sudah ditemukan dan digunakan, misalnya absensi karyawan menggunakan kartu absensi, menggunakan pengenalan sidik jari, dan yang menggunakan pengenalan wajah. Cara mengabsen karyawan menggunakan kartu absensi adalah dengan memasukan kartu tersebut ke sebuah alat yang kemudian akan mencatat waktu masuk dan keluar seorang karyawan. Penggunaan kartu absensi ini sekarang ini paling banyak digunakan. Hal ini disebabkan murahnya alat yang digunakan. Namun, penggunan kartu ini memiliki kelemahan, yaitu seorang karyawan bisa mengabsenkan karyawan lainnya, dengan kata lain karyawan lain tersebut bisa tidak masuk kerja, namun tidak ada yang tahu. Hal ini bisa mengurangi produktivitas dari perusahaan. Cara lain adalah dengan mengabsen karyawan menggunakan pengenalan sidik jari. Cara yang digunakan adalah dengan menyentuhkan jari (biasanya ibu jari) ke suatu alat yang kemudian akan membaca sidik jari tersebut, mengidentifikasi karyawan yang memiliki sidik jari tersebut, dan memasukkannya data-data yang diperlukan ke dalam database komputer. Penggunaan sidik jari ini juga memiliki kelemahan, yaitu bahwa seseorang bisa mengambil sidik jari seorang karyawan dengan atau tanpa sepengetahuannya dan menggunakannya. Hal ini juga memungkinkan untuk mengurangi produktivitas perusahaan tempat karyawan tersebut bekerja. Absensi karyawan dengan menggunakan pengenalan wajah pun memiliki kelemahan yang mirip. Meskipun hampir tidak akan ada karyawan yang akan mengabsenkan seorang karyawan lain, karena akan memerlukan sebuah topeng, namun seseorang yang lain yang memiliki maksud dan tujuan tertentu yang lain daripada mengabsenkan seorang karyawan akan bisa menembus kelemahan sistem ini. Untuk mengatasi masalah tersebut dibutuhkan sistem lain yang lebih baik. Untuk saat seperti inilah absensi karyawan dengan menggunakan pengenalan iris mata dibutuhkan. Kode iris mata memiliki banyak properti yang sulit dipalsukan. Dengan demikian, pendeteksian dan pengenalan iris mata merupakan salah satu cara yang paling aman dan akurat untuk identifikasi. METODE Kode Iris Mata Iris merupakan suatu bagian mata yang memiliki pigmen. Pigmen pada iris ini berfungsi untuk memberikan warna pada mata seseorang seperti warna mata biru atau hijau pada orang Barat, dan warna hitam atau coklat pada orang Asia. Selain untuk memberikan warna pada mata, iris juga berfungsi untuk mengatur banyaknya sinar yang masuk ke dalam mata. Apabila kita menatap benda- benda yang memancarkan cahaya seperti lampu atau sinar matahari, maka otot-otot iris mengendur sehingga pupil akan mengecil dan cahaya yang masuk lebih sedikit. Sedangkan ketika kita dalam sebuah ruang gelap dengan sinar yang sedikit, otot-otot iris akan berkontraksi sehingga pupil akan membesar dan cahaya yang diterima lebih banyak. Perilaku iris yang seperti ini analog dengan diafragma iris pada kamera. Metode Edge Detection Edge detection adalah sebuah masalah kepentingan fundamental dalam analisis gambar (images). Dalam suatu gambar (image), hal yang kita sebut edge memberikan karakteristik batas dari Perancangan Program Aplikasi... (Zahedi; Eka Janitra) 177 suatu benda dan maka dari itu berguna untuk segmentasi, registrasi, dan identifikasi suatu benda atau objek dalam suatu kejadian. Gambar 1. Iris dan pupil mata. Sumber: Carr et al, 2011 Dalam kasus yang ideal, menggunakan sebuah edge detector ke sebuah gambar dapat mengurangi jumlah data yang harus diproses dan memungkinkan menyaring informasi yang dianggap kurang relevan, sambil tetap menyimpan data yang penting dari gambar tersebut. Jika langkah pendeteksian berhasil, tugas untuk mentranslasikan gambar aslinya dapat disederhanakan. Sayangnya,tidak mungkin untuk selalu mendapatkan hasil yang ideal, terutama dari gambar kehidupan nyata yang cukup kompleks. Walaupun seperti itu, edges tetap berperan penting dalam banyak aplikasi image processing. Gambar dari kehidupan nyata biasanya dipengaruhi oleh satu atau beberapa efek berikut: (1) fokus yang tidak jelas yang disebabkan depth-of-field dan point spread function yang terbatas; (2) Penumbral blur yang disebabkan bayangan yang diciptakan sumber cahaya dari radius non-zero; (3) Bayangan pada batas pinggir objek yang mulus. Contoh persamaan edge sederhana yaitu pada sebuah image satu dimensi f yang memiliki tepat satu edge yang ditempatkan pada x = 0 dapat dimodelkan sebagai: l lr I x erf II xf +⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ +⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛− = 1 22 )( σ di mana erf = error function lI = intensitas pada sisi kiri edge ( )(lim xfx −∞→ ) rI = intensitas pada sisi kanan edge ( )(lim xf x ∞→ ) σ = skala blur dari edge. Ada beberapa metode pendekatan untuk edge detection, seperti canny edge detection, differential edge detection, phase congruency based edge detection, dan sebagainya. Yang akan dibahas di sini hanya canny edge detection karena metode itulah yang akan digunakan. Transformasi Hough Dalam parameter kartesius, titik-titik kolinier dalam sebuah gambar dengan koordinat (x, y) dihubungkan dengan kemiringan m dan konstanta c sebagai berikut: cmxy += (1) 178 ComTech Vol.2 No. 1 Juni 2011: 175-190 Persamaan ini juga dapat dituliskan dalam bentuk: 01 =++ BxAy (2) Di mana cA 1−= dan c mB = . Dengan demikian, sebuah garis didefinisikan dengan memberikan sepasang nilai (A, B). Kita juga dapat mengobservasi sebuah simetri dalam definisi pada Persamaan (2). Persamaan ini simetris karena sepasang koordinat (x, y) juga mendefinisikan sebuah garis dalam ruang yang sama dengan parameter (A, B). Persamaan (1) dan (2) dapat dilihat sebagai persamaan sebuah garis untuk koordinat tetap (x, y) atau sebagai persamaan sebuah garis untuk parameter tetap (A, B). Dengan demikian, keduanya dapat digunakan untuk mendefinisikan titik-titik dan garis-garis secara simultan (Aguado, 2000). TH mengumpulkan keterangan dari titik (A, B) dengan mempertimbangkan bahwa semua titik- titik (x, y) mendefinisikan semua garis yang sama dalam ruang (A, B) tersebut. Di mana, jika himpunan titik-titik kolinear {(xi, yi)} mendefinisikan garis (A, B), maka 01 =++ ii BxAy (3) Persamaan ini dapat dilihat sebagai sebuah sistem dan dapat dituliskan secara sederhana dalam parameter kartesius sebagai ii ymxc +−= (4) Maka untuk menemukan garisnya kita harus menemukan nilai-nilai dari parameter (m, c) (atau (A, B) dalam bentuk yang homogen) yang memenuhi persamaan (3) atau (4). Hubungan antara sebuah titik (xi, yi) dalam sebuah gambar dan garis dalam persamaan (1) sampai (4) digambarkan dalam grafik di bawah ini (Gambar 2). (a) Gambar yang memuat sebuah garis (b) Garis-garis dalam ruang ganda Gambar 2. Ilustrasi Transformasi Hough untuk garis. HASIL DAN PEMBAHASAN Poros dalam ruang ganda mewakili parameter-parameter dari garis. Dalam parameter kartesius m memiliki nilai yang tak terbatas, karena garis dapat terbentuk vertikal maupun horizontal. Karena pemilihan dilakukan dalam himpunan diskrit, maka hal ini dapat mengakibatkan bias errors. Batas pemilihan dapat ditentukan dalam ruang akumulator yang melingkupi semua kemungkinan nilai. Hal x y (xi, yi) (xj, yj) (A, B) x y Perancangan Program Aplikasi... (Zahedi; Eka Janitra) 179 ini berhubungan dengan teknik anti penggandaan dan dapat mengembangkan strategi pengumpulan informasi (Brown, 1983), (Kiryati, 1991). Perlu diperhatikan bahwa persamaan (4) tidak cocok untuk implementasi karena parameter- parameternya memiliki nilai tak terbatas. Untuk mengatasi ketidakterbatasan nilai c, kita menggunakan 2 himpunan (array). Saat nilai gradien m berkisar di antara -450 dan 450, maka nilai c tidak terlalu luas. Untuk nilai m di luar kisaran tersebut nilai c menjadi sangat luas. Oleh karena itu, dipertimbangkan sebuah akumulator untuk setiap kasus. Dalam kasus yang kedua, digunakan sebuah himpunan yang menyimpan nilai konstanta tersebut dengan sumbu x. Kita dapat melihat bahwa TH memberikan respon yang tepat. Namun, tidak linear dan diskrit- nya nilai parameter menghasilkan akumulator-akumulator yang tidak jernih. Masalah utama dalam implementasi TH dasar untuk garis adalah definisi ruang akumulator yang sesuai. Satu cara untuk mengatasi masalah penggunaan parameter kartesius untuk TH yaitu dengan mendasarkan fungsi pemetaan pada parameter alternatif. Teknik yang paling terbukti ketepatannya dikenal dengan foot-of-normal parameterisation. Teknik ini memformulasikan sebuah garis dengan menentukan titik (x, y) sebagai fungsi dari sebuah sudut normal terhadap garis, melewati daerah dari gambar. Ini memberikan bentuk dari TH untuk garis yang dikenal dengan polar Hough transfom for lines (Duda, 1972). Titik di mana garis ini berpotongan dengan garis pada gambar diberikan sebagai θθρ sincos yx += (5) Di mana θ adalah sudut yang dibentuk oleh garis normal dengan garis pada gambar dan ρ adalah jarak antara daerah dan titik di mana garis-garis tersebut berpotongan (Gambar 3). Gambar 3. Penentuan polar sebuah garis. Dengan mengetahui bahwa 2 buah garis dinyatakan tegak lurus jika hasil kali dari kemiringannya adalah -1, dan mempertimbangkan bentuk bangun pada gambar di atas, maka didapatkan θ ρ sin =c θtan 1− =m (6) Dengan substitusi pada persamaan 2 dan 1 diperoleh bentuk polar pada persamaan (5). Hal ini memberikan fungsi pemetaan yang berbeda dalam bentuk sinusoidal. Keuntungan dari pemetaan alternatif ini yaitu nilai dari parameter-parameter θ dan ρ sekarang memiliki batas rentang yang spesifik. Rentang dari ρ adalah 1800; nilai-nilai kemungkinan ρ tergantung pada ukuran dari 180 ComTech Vol.2 No. 1 Juni 2011: 175-190 gambar, karena panjang maksimal sebuah garis adalah N×2 , di mana N adalah luas permukaan gambar. Rentang nilai-nilainya sekarang telah ditentukan, sehingga teknik ini sekarang dapat digunakan. Himpunan akumulatornya merupakan himpunan nilai θ dari 00 sampai 1800, dan untuk ρ dari 0 sampai 22 MN + , di mana MN × adalah ukuran gambar. Kemudian, untuk titik-titik yang bernilai lebih besar dari rentang yang telah ditentukan, sudut yang berhubungan dengan himpunan akumulator akan dievaluasi (sebagai radian dengan rentang 0 sampai π ) dan kemudian nilai dari ρ dievaluasi dari persamaan 5 dan sel akumulator yang sesuai ditambahkan menurut parameter yang masih berada dalam rentang yang ditentukan. Pada gambar ditunjukkan hasil yang lebih jernih jika dibandingkan dengan parameter kartesius sebelumnya. Hal ini disebabkan karena berkurangnya efek kediskritan pada parameter polar sehingga memungkinkan implementasi polar lebih dapat dipraktekkan. Metode Gabor Wavelet Gelombang Gabor dinyatakan sebagai ( )( ) ( )( ) ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − = 2 0 2 0 log2 log )( f ff efG σ (7) di mana f adalah frekuensi antara 0 sampai 0.5, f0 adalah frekuensi modulasi, dan σ merupakan standar deviasi dari Gaussian. Suatu pendekatan telah menyamaratakan fungsi Gabor ke dalam bentuk 2 dimensi dengan tujuan optimalisasi. ( ) ( ) ( )[ ] ( ) ( )[ ]00002 2 0 22 0 2, yyvxxuyyxx eeyxG −+−−−+−−= πβαπ (8) di mana x0 dan y0 menunjukkan posisi. Secara alami, bentuk permukaan yang ditentukan oleh fungsi Gaussian 2 dimensi berupa elips jika berbagai varian digunakan sepanjang sumbu-sumbu x dan y (frekuensinya juga dapat dimodulasikan dengan berbeda sepanjang masing-masing sumbu). Fungsi transformasi gelombang adalah untuk menentukan di mana dan bagaimana masing- masing gelombang dispesifikasikan oleh rentang nilai untuk setiap parameter bebas yang terdapat pada gambar. Aplikasi-aplikasi gelombang Gabor antara lain sistem sekuritas dengan menggunakan pengenalan iris mata dan ekstrasi bagian-bagian wajah untuk pengenalan wajah otomatis. Quadrature 2D Gabor Wavelets dinyatakan sebagai { } { } ( ) ( ) ( ) ( )∫ ∫ ∂∂= −−−−−−ρ βφθαρφθω φ φρρφρ 22 0 22 00,sgn ImRe,ImRe, eeeIh ri (9) di mana 10.0)Re( ≡≥h 00.0)Re( ≡