ANALISA PERBANDINGAN METODE HISTOGRAM DAN MEDIAN FILTERING PADA CITRA MATA

ANALISA PERBANDINGAN METODE HISTOGRAM DAN MEDIAN FILTERING PADA CITRA MATA

• By Mayangky,Nissa Almira; Rousyati; Riana,Dwiza; Hadianti,Sri; Nurfalah,Ridan; Kusumayudha,Mochamad Rizky;
• Jurnal Nasional Terakreditasi
• 677
• 161-165

Metode biometrik seperti sistem pengenalan ekspresi wajah, finger print, sistem pengenalan
mata merupakan sebuah teknologi terkemuka yang dapat dimanfaatkan sebagai otentikasi
pengguna. Karena mempunya sifat unik dan stabil, maka dapat berfungsi sebagai identitas
hidup. Biometri mata membantu dalam mengidentifikasi individu dengan cara yang lebih intuitif
dan alami. Pengenalan mata berfokus pada mengenali identitas individu menggunakan
karakteristik tekstur berdasarkan pola mata. Mata menjamin stabilitas jangka panjang dan
persyaratan juga jarang untuk proses pendaftaran. Akurasi, isi informasi yang lebih tinggi,
ketepatan waktu nyata, kinerja, stabilitas, pengelakan rendah dan keunikan menjadikan
teknologi mata sebagai salah satu yang paling cocok untuk digunakan di bidang identifikasi.
Citra mata yang berhasil didapatkan adalah citra mata yang terbagi menjadi data latih dan data
uji, yang akan diolah pada tahap preprocessing. Pencahayaan, oklusi, jumlah piksel pada mata
adalah elemen yang mempengaruhi kualitas citra. Penelitian ini berusaha untuk menyoroti
kinerja berbagai teknik preprocessing digunakan dalam memperbaiki kualitas citra mata. Hasil
dari penelitian ini menunjukan bahwa metode Histogram Equalization dapat memperbaiki citra
lebih baik dibandingkan dengan metode Adaptive Histogram Equalization dan Median Filtering.

• Katakunci Biometrik, Mata, Preprocessing, Histogram Equalization
• URL https://ejurnal.ars.ac.id/index.php/jti/article/view/505
• Penerbit ,

REFERENSI

Ahmad, N., & Hadinegoro, A. (2012).
Metode histogram equalization untuk
perbaikan citra digital. Seminar
Nasional Teknologi Informasi &
Komunikasi Terapan 2012 (Semantik
2012), 2012(Semantik), 439–445.
Al Rivan, M. E., & Devella, S. (2020).
Pengenalan Iris Menggunakan Fitur
Local Binary Pattern Dan Rbf
Classifier. Simetris: Jurnal Teknik
Mesin, Elektro Dan Ilmu Komputer,
11(1), 97–106.
https://doi.org/10.24176/simet.v11i1.3
717
Hartono, B. (2014). Analisa Teknik Adaptive
Histogram Equalization dan Contrast
Stretching untuk Perbaikan Kualitas
Citra. Jurnal Teknologi Informasi,
19(1), 1–10.
Maulana, I., & Andono, P. N. (2018).
Analisa Perbandingan Adaptif Median
Filter Dan Median Filter Dalam
Reduksi Noise Salt & Pepper. CogITo
Smart Journal, 2(2), 157.
https://doi.org/10.31154/cogito.v2i2.26
.157-166
Pandey, M., Bhatia, M., & Bansal, A.
(2016). IRIS based human
identification: Analogizing and
exploiting PSNR and MSE techniques
using MATLAB. 2016 1st International
Conference on Innovation and
Challenges in Cyber Security, ICICCS
2016, Iciccs, 231–235.
https://doi.org/10.1109/ICICCS.2016.7
542309
Prihartono, T. D., Isnanto, R. R., & Santoso,
I. (2011). Identifikasi Iris Mata
Menggunakan Alihragam Wavelet
Haar. Transmisi, 13(2), 71-75–75.
https://doi.org/10.12777/transmisi.13.2
.71-75
Sembiring, A. (2014). Perbandingan
Algoritma Mean Filter , Median Filter
dan Wiener Filter pada Aplikasi
Restorasi Citra RGB Terdegradasi
Impulse Noise Menggunakan The
Peak Signal To Noise Ratio ( PSNR ).
Sutramiani, N. P., Darmaputra, Ik. G., &
Sudarma, M. (2015). Local Adaptive
Thresholding Pada Preprocessing
Citra Lontar Aksara Bali. Majalah
Ilmiah Teknologi Elektro, 14(1), 27–
30.
https://doi.org/10.24843/mite.2015.v14
i01p06
Tauvani, M. K. (2018). Pengembangan
sistem identifikasi iris mata
menggunakan metode wavelet haar.
2(1), 344–351.
Umam A Busro, Sunaryo, Y. erni. (2016).
Implementasi Metode Anfis-Minkowski
Untuk. 2(3).