ANALISA PERBANDINGAN METODE HISTOGRAM DAN MEDIAN FILTERING PADA CITRA MATA
##plugins.themes.academic_pro.article.sidebar##
Downloads
##plugins.themes.academic_pro.article.main##
Abstract
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 membuat teknologi mata sebagai salah satu yang paling cocok untuk digunakan di bidang identifikasi. Citra mata yang berhasil didapatkan merupakan citra mata yang terbagi atas data latih dan data uji yang akan diproses dalam 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
##plugins.themes.academic_pro.article.details##
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
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.v11i1.3717
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.2016.7542309
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.v14i01p06
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).