3.2. Dataset
Data yang digunakan dalam penelitian ini adalah citra mata yang diperoleh dari hasil pengambilan gambar melalui kamera. Data citra diambil secara random berdasarkan
orang terdekat dan kerabat. Citra yang dipergunakan akan dipilih berdasarkan kualitas terbaik dari gambar yang didapat.
Citra yang telah dikumpulkan hanya dalam jumlah sedikit, dikarenakan pada saat proses testing image tidak semua citra disimpan karena program tidak membahas
tentang sistem penyimpanan data citra seperti yang telah disebutkan pada batasan masalah penelitian. Citra yang telah diidentifikasi sebelumnya akan digunakan
kembali saat training dengan cara mengubah citra sebagai data training untuk memastikan proses verifikasi berhasil. Untuk menguji proses identifikasi citra yang
telah diidentifikasi akan diubah sedemikian rupa untuk menguji apakah sistem masih mengenal citra tersebut.
3.3. Pre-processing
Sebelum data digunakan, terlebih dahulu data harus melalui beberapa proses agar dapat digunakan dalam tahap selanjutnya. Adapun proses tersebut terdiri dari proses
memperkecil ukuran citra, pembentukan citra green channel dan peningkatan kualitas citra. Pemotongan citra tidak dilakukan karena sistem telah menentukan ukuran awal
dari citra yang akan diidentifikasi.
3.3.1. Menyesuaikan ukuran citra Scaling
Citra yang akan diinput dalam proses identifikasi memiliki ukuran dimensi yang berbeda-beda sehingga harus dinormalisasi ke ukuran yang sama. Normalisasi
dilakukan dengan cara memperkecil resolusi citra ke ukuran 170 × 170 piksel. 3.3.2. Pembentukan citra green channel
Citra digital yang merupakan jenis citra red green blue RGB yang sebelumnya telah melakukan tahap scaling akan diubah menjadi citra green channel. Citra green
Universitas Sumatera Utara
channel merupakan citra keabuan dimana nilai keabuannya diperoleh dari nilai hijau green dari masing-masing piksel pada citra. Citra green channel ditunjukkan pada
Gambar 3.2.
Gambar 3.2. Citra green channel
3.3.3. Peningkatan kualitas citra
Setelah citra green channel dihasilkan, proses selanjutnya adalah meningkatkan kualitas citra menggunakan constrast stretching. Contrast Stretching digunakan untuk
memperbaiki kontras citra sehingga fitur-fitur pada citra mata dapat dilihat secara lebih jelas. Citra hasil proses contrast stretching ditunjukkan pada Gambar 3.3.
Gambar 3.3. Citra hasil proses contrast stretching
Setelah citra hasil pemotongan menjadi bagian- bagian yang kecil, tahap selanjutnya yaitu memasuki proses perbaikan dan mempertajam kontras citra dengan
Universitas Sumatera Utara
menggunakan Histogram equalization. Histogram merupakan suatu bagan yang menampilkan distribusi intensitas dalam indeks atau intensitas warna citra.
3.3.4. Histogram Equalization
Fungsi Histogram equalization menghitung jumlah piksel- piksel suatu citra untuk setiap range warna 0-255. Perlu diperhatikan bahwa fungsi dirancang untuk
menampilkan histogram citra dengan format abu-abu grayscale. Oleh karena itu,dibutuhkan metode ekstraksi agar bisa menampilkan histogram RGB.
Saat pembentukan citra biner dalam proses thresholding, sistem dari HE akan menerapkan metode untuk mengoptimalkan ekstraksi citra, adapun tahapan prosesnya
yaitu : Langkah 1
: Hitung histogram dari gambar .
Langkah 2 :
Berdasarkan nilai rata-rata brightness , membagi histogram dalam dua kelas .
Langkah 3 :
Hitung ambang set optimal menggunakan metode Otsu Otsu, 1079 .
Langkah 4 :
Berdasarkan ambang set optimal membagi gambar ke sub gambar yang berbeda .
Langkah 5 :
Terapkan teknik Histogram Equalization untuk semua bagian gambar. Krishna et al. 2013
Hasil dari proses penampilan distribusi identitas dalam indeks yang menggunakan Histogram Equalization dengan hasil melalui proses tersebut ditunjukan seperti pada
gambar 2.18 yang telah dilampirkan di bab ke-2. Pada Gambar 2.18 proses pengolahan citra menggunakan HE terhadap citra
yang diproses memiliki batasan yaitu citra yang digunakan hanyalah citra hitam-putih grey level saja. Citra berwarna dikonversi terlebih dahulu menjadi citra hitam-putih,
dan citra yang mengandung derau akan dilakukan proses untuk menghilangkan derau sehingga bisa dilakukan proses histogram citra. Pada proses perbaikan citra
menggunakan HE, citra asli merupakan citra berwarna yang sudah diproses melalui beberapa tahap yaitu scaling, greyscaling, contrast stretch, Thresholding dan
normalisasi. Perandingan citra sebelum diproses oleh histogram equalizatiom dan citra
Universitas Sumatera Utara
sesudah proses pada gambar yang memiliki citra warna yang sama dapat dilihat. Alur dari proses dari HE dapat dilihat pada gambar 3.4.
Start
Generalized Histogram
Local information
Determine mid-nodes
Stop Normalized image
Input image
Output image Equalize Histogram
piecewise
Gambar 3.4 Flowchart Histogram Equalization pada program dimodifikasi dari
Kim, 2008
3.3.5. Pembentukan citra biner Thresholding
Dalam proses contrast stretching yang dihasilkan,citra memiliki warna yang lebih terang jika dibandingkan dengan warna bagian lain pada citra. Proses thresholding
menghasilkan citra biner yang memberikan informasi tentang letak daerah batas pewarnaan citra seperti yang ditunjukkan pada Gambar 3.5.
Universitas Sumatera Utara
Gambar 3.5. Citra greyscale diubah menjadi citra biner
3.3.6. Pemotongan dan pembagian skala citra biner
Bentuk dari citra yang telah diubah menjadi citra biner akan menghasilkan informasi pemabatasan warna pada citra menjadi lebih detail. Untuk menjadikannya sebuah
informasi yang dapat diolah maka citra biner akan akan diubah kedalam nilai matriks sehingga terbentuklah informasi bilangan biner hasil dari penghitungan matriks dari
citra. Langkah pertama pertama untuk mendapatkan potongan citra yaitu dengan
membagi citra yang telah di-scaling menjadi citra dengan dimensi 170x170 piksel. Hasil scaling yang kemudian diubah menjadi citra keabuan dengan melalui proses
contrast stretching. Kemudian citra keabuan diubah menjadi nilai biner dengan cara mengubah nilai menjadi hitam dengan nilai 0 dan putih sebagai nilai 1. Informasi
biner diubah ke dalam matriks dan kemudian untuk diolah kedalam fitur pengamanan dalam identifikasi citra yaitu RSA.
Citra hasil binerisasi yang akan diproses kedalam RSA kemudian menjadi citra buffer yang diperkecil menjadi 10x10. Citra tersebut terbentuk akibat fungsi RSA
yang ada pada program yang telah diimplementasikan algoritma tersebut. Proses yang dilakukan ditunjukkan pada Gambar 3.6.
Gambar 3.6. Citra hasil pengecilan
Universitas Sumatera Utara
3.4. Verrification
Kategori