Penerapan Metode Pembelajaran Menggunakan Ekstraksi Fitur dan Algoritma Klasifikasi untuk Identifikasi Pengenalan Iris

Abstract

Iris mata terletak di antara kornea mata dan lensa mata, yang berfungsi untuk mengontrol intensitas atau jumlah cahaya yang masuk dengan cara melebarkan dan mengecilkan pupil. Setiap orang memiliki iris yang berbeda dan memiliki stabilitas sepanjang hidup, kecuali terjadi kerusakan yang tidak disengaja pada iris seperti terjadi kecelakaan. Tujuan dari penelitian ini adalah untuk melakukan pengklasifikasian dan identifikasi pengenalan citra iris dengan menggunakan metode pembelajaran atau machine learning. Metode yang diusulkan dalam penelitian ini adalah penerapan ekstraksi fitur seperti HOG, Hu-Moments, dan Haralick dengan algoritma klasifikasi yang terdiri dari LR, LDA, KNN, RF, CART, NB, dan SVM. Berdasarkan hasil pengujian yang telah dilakukan dalam mengklasifikasikan iris dapat disimpulkan bahwa penggunaan ekstraksi fitur sangat berpengaruh pada nilai akurasi yang dihasilkan. Dalam hal ini nilai akurasi terbaik diperoleh dari penggabungan ekstraksi fitur HOG dan haralick pada algoritma Random Forest dengan nilai akurasi sebesar 81.38℅.

Detection of Room Cleanliness Based on Digital Image Processing using SVM and NN Algorithm

“…The Support Vector Machine (SVM) method is a set of related learning methods that analyze data and recognize patterns, which are then used for classification and regression analysis (Pratama, 2020). SVM works by dividing the data into two parts using a linear function on a high-dimensional feature space (Hidayat et al, 2021).…”

“…Classification is a method of grouping objects based on characteristics (Hidayat et al, 2021). Object classification is an easy task for humans but a complex problem for machines.…”