Article Per Year (5 Year)
p-Index From 2021 - 2026
1.8
P-Index
This Author published in this journals
All Journal Journal of Information Systems Engineering and Business Intelligence Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JURNAL MEDIA INFORMATIKA BUDIDARMA JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) JURIKOM (Jurnal Riset Komputer) TEKNOLOGIA Jurnal Linguistik Komputasional Building of Informatics, Technology and Science Journal of Data Science and Its Applications eProceedings of Engineering
Al Faraby, Said
Telkom University
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Analisis Dan Implementasi Metode Minutiae Extraction Dan Template Matching Untuk Klasifikasi Sidik Jari Aras Teguh Prakasa; Said Al Faraby; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Fungsi penting sidik jari salah satunya untuk alat verifikasi indentitas manusia. Apabila sebuah gambar sidik jari dilihat lebih dekat, maka akan terlihat pola garis yang membentuk sidik jari. Setiap sidik jari manusia memiliki pola yang berbeda dan bersifat unik. Fitur pada sebuah sidik jari dapat berupa pola sidik jari yang terputus atau bercabang, fitur ini biasa disebut minutiae. Agar dapat dilakukan proses klasifikasi, minutiae yang terdapat pada sidik jari harus di ekstrak terlebih dahulu ke dalam bentuk informasi yang mewakili masing-masing sidik jari. Banyak metode ditawarkan untuk melakukan klasifikasi sidik jari. Metode yang dilakukan biasanya berbasis machine learning misalnya metode SVM (Support Vector Machine), adapun metode lain yang dapat diteliti lebih lanjut misalnya template matching, metode ini mempunyai tingkat kesulitan yang sulit karena klasifikasi langsung dilakukan pada fitur yang telah di ekstrak. Kelebihannya metode template matching jika tepat penggunaannya maka akan menghasilkan teknik cepat tanpa learning tepat. Dengan demikian klasifikasi sidik jari dengan menggunakan metode ekstraksi fitur minutiae extraction dan metode klasifikasi template matching dapat menjadi kombinasi untuk memecahkan permasalahan klasifikasi sidik jari. Kata kunci : template matching, minutiae extration, fingerprint classification, klasifikasi sidik jari, ekstraksi fitur minutia.
Pembangunan Sistem Pencarian Ayat Al-Qur’an Berbasis Mobile Menggunakan Algoritma Metaphone Berdasarkan Kemiripan Pengucapan dan Algoritma Levenshtein Distance Untuk Mengukur Tingkat Similarity Eka Putri; Arif Bijaksana; Said Al Faraby
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Al-Qur’an merupakan kitab suci utama bagi umat Islam yang ditulis menggunakan bahasa Arab. Sebagai kitab suci yang diturunkan dalam bahasa Arab, menyebabkan orang awam yang tidak memahami bahasa Arab semakin sulit untuk melakukan pencarian ayat Al-Qur’an. Maka dari itu dibutuhkan sistem yang dapat membantu pengguna dalam melakukan pencarian ayat Al-Qur’an yang ingin dicarinya. Sedangkan sistem yang ada saat ini hanya melakukan pencarian dengan teknik Exact String Matching. Dimana jika terdapat kesalahan dalam penulisan, maka sistem tersebut tidak akan menampilkan hasil yang dicari. Dan saat ini sistem berbasis mobile semakin berkembang, baik itu untuk informasi maupun hal-hal lainnya. Hal ini disebabkan sistem berbasis mobile lebih cepat, mudah dan efisien. Oleh karena itu untuk mengatasi permasalahan-permasalahan yang ada, dibutuhkan sistem pencarian ayat Al-Qur’an berbasis mobile dengan teknik fonetik atau pencocokan kata berdasarkan pengucapan (Phonetic String Matching) dengan menggunakan algoritma metaphone serta dapat diukur tingkat similaritynya dengan menggunakan algoritma levenshtein distance. Hasil dari penelitian tugas akhir ini didapatkan nilai MAP (Mean Average Precision) 76.34% , nilai recall sebesar 81.99%, serta nilai korelasi sebesar 89.47%. Kata kunci : Al-Qur’an, Phonetic String Matching, Metaphone, Levenshtein Distance Abstract The Qur’an is the main holy book for Muslims which is written in Arabic. As a holy book which is revealed in Arabic, it makesit difficult for lay people who do not understand Arabic to search for the Qur’anic verses. Therefore we need a system that can help users in searching for the Qur’anic verses that they want to look for. While the current system only searches with the Exact String Matching technique. Where if there is an error in writing, then the system will not display the results sought. And now mobile-based systems are growing, both for information and other things. This is because mobile-based systems are faster, easier and more efficient. Therefore, to overcome the existing problems, we need a mobile-based Al-Qur’an verse search system with phonetic techniques or Phonetic String Matching using metaphone algorithms and the similarity level can be measured using the levenshtein distance algorithm. The results of this thesis research obtained the value of MAP (Mean Average Precision) 76.34 %, recall value of 81.99 %, and the correlation value of 89.47 %. Keywords: Al-Qur’an, Phonetic String Matching, Metaphone, Levenshtein Distance
Klasifikasi Sentimen Pada Movie Review Dengan Metode Multinomial Naïve Bayes Jenepte Wisudawati Simanullang; Adiwijaya Adiwijaya; Said Al Faraby
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Opini orang lain terhadap suatu movie review di media sangat penting dalam membuat suatu keputusan. Untuk mengetahui opini seseorang terhadap suatu movie review di media diperlukan sistem yang dapat mempermudah dalam mengetahui opini seseorang. Klasifikasi sentimen dapat membantu dalam membangun sistem untuk mengetahui opini seseorang terhadap movie review. Dataset yang digunakan dalam proses klasifikasi sentimen ini adalah Internet Movie Database (IMDb). Namun yang menjadi permasalahan dalam mengetahui polaritas suatu opini dalam proses klasifikasi sentimen pada dataset movie review adalah adannya data yang tidak terstuktur, atribut data yang begitu banyak serta adannya negasi yang menyebabkan polaritas suatu kata akan berbeda pada konteks teks yang berbeda. Degan permasalahan tersebut maka proses klasifikasi pada dataset tersebut akan di klasifikasikan ke dalam dua kelas polaritas yaitu positif dan negatif. Metode klasifikasi yang digunakan adalah dengan menggunakan metode multinomial naïve bayes. Untuk meningkatkan nilai akurasi metode multinomial naïve bayes dilakukan dengan memecahkan masalah diatas. Dalam memecahkan permasalahan tersebut yang dilakukan adalah pertama, akan dilakukan proses preprocessing untuk menangani data noisy. Kedua, dilakukan penanganan negasi, adapun lingkup permasalah negasi yang akan dilakukan adalah negasi dengan kata “not”, “n’t”, “no”. Ketiga, dilakukan penghitungan bobot setiap kata dengan menggunakan TF-IDF. Berdasarkan hasil pengujian yang telah dilakukan diperoleh nilai akurasi terbesar 85,16%. Hal tersebut dikarenakan multinomial naïve bayes dengan negation handling berdasarkan punctuation, preprocessing dan TF-IDF dapat meningkatkan nilai akurasi terhadap metode multinomial naïve bayes. Kata kunci : Multinomial Naïve Bayes, TF-IDF, Preprocessing, Negasi
Analisis Dan Implementasi Similarity Dengan Word Alignment Pada Nabi Abraham Dalam Alkitab Dan Al-quran Grace Duma Tambunan; Moch. Arif Bijaksana; Said Al Faraby
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Agama Kristen dan Islam merupakan agama yang sah di Indonesia. Pada kitab suci kedua agama terdapat kisah nabi Abraham dan memiliki kesamaan. Hal tersebut telah menjadi topik yang banyak dibahas. Oleh karena itu, perlu pengetahuan untuk melihat sisi kesamaan dan kemiripan kisah nabi tersebut. Dengan menerapkan konsep penambangan teks dan metode word alignment akan dilakukan perbandingan kisah antara kedua kitab. Metode ini dipilih karena telah banyak digunakan dalam penelitian pemrosesan teks, dan juga telah menjadi topik yang banyak digunakan dalam kompetisi SemEval dan menjadi metode yang terbaik pada seri SemEval 2014 dan 2015 yaitu Sultan Aligner. Dalam penelitian ini, digunakan Kisah Nabi Abraham sebagai dataset. Data input kisah Nabi Abraham diambil dari buku Kisah para Nabi dan Rasul karangan Ibnu Katsir yang merujuk pada ayat-ayat Al-Quran dan dari kisah Nabi Abraham pada Alkitab. Kisah yang didapatkan dari buku karangan Ibnu Katsir ini telah dibandingkan dengan Al-Quran secara manual sehingga dapat dipastikan keakuratan datanya. Hasil dari penelitian berupa nilai korelasi dengan cara membandingkan hasil kesamaan semantik yang dihasilkan sistem dengan menggunakan word alignment dan gold standard yang dibangun secara manual dengan intuisi manusia. Dari penelitian tugas akhir diperoleh nilai korelasi sebesar 0,8025 pada single proportion dan 0,7991 pada separate proportion. Kata Kunci: Nabi Abraham, kesamaan, kemiripan, word alignment, korelasi, Alkitab, Al-quran, gold standard
Implementasi Alignment Point Pattern Pada Sistem Pengenalan Sidik Jari Menggunakan Template Matching Try Moloharto; Said Al Faraby; Kemas Muslim Lhaksmana
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Sidik jari merupakan salah satu dari sistem identifikasi biometric. Hal ini dikarenakan sidik jari memiliki pola yang unik dan berbeda pada setiap manusia, sehingga identifikasi menggunakan sidik jari sudah tidak dapat diragukan lagi. Namun, pencocokan sidik jari secara manual sangat sulit dilakukan karena kerumitan pola yang ada didalamnya. Karena itu, dibutuhkan sistem yang dapat mengenali sidik jari secara akurat. Dalam sistem pengenalan sidik jari dibutuhkan 3 proses tahapan yaitu image enhancement, ekstraksi ciri, dan pencocokan. Pada penelitian ini, metode Crossing number digunakan sebagai proses ekstraksi minutiae dan template matching sebagai pencocokan. Ditambahkan juga proses alignment point pattern yaitu proses perputaran dan pergeseran guratan sidik jari untuk meningkatkan performa sistem. Hasil penelitian memberikan performa sebesar 18,54% dengan proses pencocokan tanpa alignment point pattern, dan memberikan performa 67,40% dengan menambahkan proses alignment point pattern. Kata kunci : pengenalan sidik jari, alignment point pattern, ekstraksi minutiae, crossing number. template matching Abstract Fingerprints is one of biometric identification system. This is because fingerprints have unique and different pattern in every human, so identification using fingerprints can no longer be doubted. But, manual fingerprint recognition by human hard to apply because of the complex pattern on it. Therefore, an accurate fingerprint matching system is needed. There are 3 steps needed for fingerprint recognition system, namely image enhancement, feature extraction, and matching. In this study, crossing number method is used as a minutiae extraction process and template matching is used for matching. We also add alignment point pattern process added, which are ridge translation and rotation to increase system performance. The system provide a performance of 18,54% with a matching process without alignment point pattern, and give performance of 67,40% by adding alignment point pattern process. Keywords: fingerprint recognition, alignment point pattern, minutiae extraction, crossing number, template matching
Klasifikasi Topik Multi Label pada Hadis Bukhari dalam Terjemahan Bahasa Indonesia Menggunakan Random Forest Adhitia Wiraguna; Said Al Faraby; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Hadis merupakan hal yang wajib untuk dipelajari dan diamalkan oleh umat Islam. Terdapat banyak jenis ajaran yang dapat diambil oleh manusia dengan mempelajari hadis. Untuk membantu umat Islam dalam mempelajari hadis, dibutuhkan sistem klasifikasi multi label untuk mengategorikan Hadis Shahih Bukhari terjemahan bahasa Indonesia berdasarkan tiga topik yaitu larangan, anjuran dan informasi. Dalam membangun sistem klasifikasi teks, terdapat berbagai metode klasifikasi yang dapat digunakan, pada penelitian ini menggunakan Random Forest (RF). Kesederhanaan algoritma RF dan kemampuan yang baik dalam menghadapi data berdimensi tinggi, membuat RF merupakan metode yang cocok dalam melakukan klasifikasi teks. Namun belum banyak diketahui kemampuan RF untuk klasifikasi multi label. Penelitian ini menggunakan metode pendekatan Problem Transformation yaitu Binary Relevance (BR) dan Label Powerset (LP) untuk mengadaptasi RF dalam membangun sistem klasifikasi teks multi label. Hasil penelitian menunjukkan bahwa performansi hamming loss yang terbaik didapat dari sistem yang menggunakan BR dan tidak menggunakan stemming yaitu sebesar 0,0663. Hasil ini menunjukkan bahwa metode BR lebih baik daripada metode LP dalam mengadaptasi algoritma RF untuk melakukan klasifikasi multi label terhadap data hadis. Hal ini dikarenakan metode BR menghasilkan model klasifikasi sebanyak jumlah label pada data hadis dan pada sisi lainnya, hasil transformasi data dari penggunaan LP membuat data yang digunakan menjadi imbalanced. Kata kunci : Klasifikasi, hadis, multi label, random forest, problem transformation Abstract Hadith is a mandatory thing to be studied and practiced by Muslims. There are many types of teachings that humans can take by studying the hadith. To assist Muslims in studying the hadith, a multi label classification system is needed to categorize Sahih Bukhari Hadi in Indonesian translation based on three topics, namely prohibition, advice and information. In building a text classification system, there are various classification methods that can be used, in this study using Random Forest (RF). The simplicity of the RF algorithm and good ability to deal with high dimensional data, make RF a suitable method of text classification. But, there is not widely known RF capability for the multi label classification. This study uses the Problem Transformation approach method, namely Binary Relevance (BR) and Label Powerset (LP) to adapt RF in building a multi label classification system. The results showed that the best hamming loss performance obtained from a system that used BR and does not use stemming which is equal to 0,0663. These results indicate that the BR method is better than the LP method in adapting the RF algorithm to perform multi label classification of hadith data. This is happened because the BR method produces a classification model of the number of labels in the hadith data and on the other hand, the transformation of data from the use of LP makes the data are imbalanced. Keywords: Classification, hadith, multi label, random forest, problem transformation
Klasifikasi Citra Multi-kelas Menggunakan Convolutional Neural Network Kamal Hasan Mahmud; Adiwijaya Adiwijaya; Said Al Faraby
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak ILSVRC (ImageNet Large Scale Visual Recognition Challenge) adalah suatu kompetisi tahunan yang melombakan klasifikasi basis data gambar yang ada pada ImageNet yang memiliki 1000 kelas dan setiap tahunnya terdapat berbagai macam arsitekturjaringan convolutional neural network (CNN) yang menjadi state of the art. CNN digunakan karena metode ini bekerja dengan sangat baik dengan volume data yang besar. Dari 1000 kelas, akan diambil 100 kelas yang akan dijadikan dataset penelitian untuk mengetahui strategi pembelajaran seperti apa pada CNN yang dapat memiliki performa terbaik dengan berbagai skenario. Skenario terbaik didapatkan dengan melakukan training dengan ukuran gambar yang kecil, lalu melakukantraining kembalidenganmemperbesarukuran gambar. Skenarioinimendapatkanakurasi sebesar 75.82%, akurasi yang cukup tinggi untuk model yang dapat mengklasifikasikan 100 kelas. Skenario ini juga memiliki performa yang paling baik dalam klasifikasi keseluruhan berdasarkan ukuran evaluasi confusionmatrix.Katakunci: convolutionalneuralnetwork,multi-kelas,klasifikasi,gambarAbstract ILSVRC (ImageNet Large Scale Visual Recognition Challenge) is a yearly competition that competes on classifyingImageNetimagedatabasethathas1000classesandeveryyear,anewarchitectureofconvolutional neural network (CNN) that becomes a state of the art emerge. CNN is used because this method works very well on a large volume of data. From 1000 classes available on ImageNet, 100 class will be used in thisresearchdatasettoknowwhichlearningstrategyforCNNperformedbestinthevaryingscenario. The best scenario is achieved by training the image in smaller resolution then training it again with a larger resolution. This scenario achieved an accuracy of 75.82%, it’s quite high for a model that can classify 100 class. It’salsoperformedbestaccordingtotheevaluationoftheconfusionmatrixgeneratedbyeachmodel.Keywords: convolutionalneuralnetwork,multi-class,classification,image
Klasifikasi Topik Ayat Al-qur’an Terjemahan Berbahasa Inggris Menggunakan Metode Support Vector Machine Berbasis Vector Space Model Dan Word2vec Anisa Salama; Adiwijaya Adiwijaya; Said Al Faraby
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakTujuan diturunkannya Al-Qur’an adalah sebagai petunjuk hidup bagi umat manusia. Al-Qu’an memilikikandungan makna dan hikmah disetiap ayatnya. Didalam Al-Qur’an terdapat ayat-ayat yang memilikimakna yang tersirat. Al-Qur’an mengandung beberapa topik yang antar surat Al-Qur’an dapat memilikikemiripan topik dengan surat Al-Qur’an yang lainnya. Pada penelitian ini, dilakukan implementasi metodeSupport Vector Machine dan Word2vec pada terjemahan ayat Al-Qur’an berbahasa Inggris yang digunakanuntuk pengklasifikasian berdasarkan topik. Kategori topik Al-Qur’an yang digunakan pada penelitian inidibagi menjadi tiga yaitu perintah, larangan, dan lainnya. Dokumen tersebut diubah kedalam bentukvektor dengan tf-idf weighting dan Word2vec. Vektor-vektor kata tersebut dipemetakan berdasarkan nilaikedekatan vektor antar kata pada dokumen. Selanjutnya metode Support Vector Machine digunakan untukmengklasifikasikan topik Al-Qur’an dengan memberikan hyperplane pada tiap kategori. Hasil pengujiandari penelitian ini menunjukkan bahwa penerapan Word2vec dan Support Vector Machine mendapatkannilai akurasi tertinggi sebesar 0.64 dengan jumlah data training sebesar 70% dari keseluruhan dataset.Kata kunci : Topik Al-Qur’an, Klasifikasi, Support Vector Machine, Word2vecAbstractThe purpose of the Qur'an is as a guide for human’s life. Al-Qu’an has meaning and wisdom in every verse.In the Qur'an there are verses that have implied meaning. Al-Qur’an contains several topics which amongthe Surahs of the Qur'an can have a similarity to the topic of other Al-Qur’an's surah. In this research, theimplementation of the Support Vector Machine and Word2vec method is used to classify based on topics inthe English translation of Al-Qur’an verses. The used topic categories in this study are divided into threenamely commands, prohibitions, and others. The document is converted into vector with tf-idf weightingand Word2vec. Then the word vectors are mapped based on the value of the proximity of the vectors betweenwords in the document. Then Support Vector Machine method is used to classify the topic of the Qur'an bygiving hyperplane in each category. The test results of this study showed that the implementation ofWord2vec and Support Vector Machine has the highest accuracy results of 0.64 with the amount of trainingdata is 70% of the entire dataset.Keywords: Topics of Al-Qur’an, Classification, Support Vector Machine, Word2vec
Analisis Hasil Penerapan Metode Distributional Semantic Untuk Kesamaan Semantik Pada Bahasa Indonesia Muhammad Taufik Wahdiat; Ade Romadhony; Said Al Faraby
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakKesamaan semantik adalah metrik kesamaan antar kata, kalimat atau dokumen yang berbagi dalamelemen makna. Perhitungan terkaitan semantik memiliki peranan penting dalam data mining, pengambilaninformasi, dan bahkan natural language processing. Pada bahasa Indonesia, perhitungan kesamaansemantik mendapat peran penting karena banyak dimanfaatkan untuk aplikasi lain, seperti klasifikasi teks.Pengukuran kesamaan semantik dapat dilakukan dengan pendekatan berbasis korpus dan pendekatanberbasis kamus. Pada Tugas Akhir ini dilakukan pembangunan model kesamaan semantik berbasis korpusyang direpresentasikan dengan distributional semantic vector. Model kemudian diujikan pada beberapapasang kata dengan derajat kesamaan semantik bervariasi. Model kesamaan semantik dibangun berdasarkorpus Wikipedia Bahasa Indonesia, dengan metode word2vec. Hasil pengujian pada dataset uji yang jugadigunakan pada penelitian sebelumnya berdasar pada referensi SimLex999 dan Rubenstein-goodenoughmenunjukkan nilai korelasi yang diperoleh 0.2753. Walaupun nilai korelasi tersebut lebih kecil dibandingnilai pada penelitian sebelumnya dengan pendekatan korpus, terdapat beberapa kasus di mana modelsemantik berbasis korpus mampu menangkap korelasi semantik lebih baik.Kata kunci : kesamaan semantik, bahasa Indonesia, persamaan kosinus.AbstractSemantic similarity is similarity metric between words, sentences or documents that shares element ofmeaning. Semantic similarity measurement has important role in data mining, information retrieval andeven natural language processing. In Indonesian language, semantic similarity measurement has importantrole because it is widely used for other application, such as text classification. Semantic similarity can bedone by corpus based approach and dictionary based approach. In this thesis, the development of corpusbased semantic similarity model is represented by distributional semantic vector. The model is then testedon several pairs of words with varying degrees of semantic similarity. The semantic similarity model wasbuild based on Indonesian Wikipedia corpus, with word2vec method. The test result on test dataset whichused in previous studies based on SimLex999 dan Rubenstein-goodenough references show the correlationvalue obtained is 0.2753. Although the correlation value is smaller than value in previous study with thecorpus approach, there are numbers of cases where the corpus based semantic model is able to capture thesemantic correlation better.Keywords: semantic similarity, Indonesian language, cosinus similarity
Klasifikasi Iris Biometrik menggunakan Convolutional Neural Network (CNN) dengan Metode Segmentasi Bitplane Slicing Iqbal Hapid Sukana Putra; Said Al Faraby; Untari Novia Wisesty
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Iris merupakan bagian dari mata yang memberikan tekstur dan warna yang unik pada setiap individu. Bagian iris merupakan area gelang yang dibatasi oleh pupil dan sklera atau bagian putih dari mata. Karakteristik unik ini dapat dimanfaatkan sebagai basis dalam sistem keamanan biometrik. Namun dalam praktik implementasinya, banyak hal yang menjadi permasalahan dalam proses pembuatan sistem. Permasalahan tersebut antara lain seperti proses penghapusan derau yang kurang praktis atau algoritma pengenalan sistem yang terlalu kaku terhadap perubahan gambar inputan. Oleh karena itu, dibutuhkan sistem yang dibangun berdasarkan permasalahan tersebut sebagai solusi. Sebagai langkah solusi dalam proses membangun sistem, digunakanlah metode segmentasi Bitplane Slicing yang bertujuan dalam untuk mencari area iris dengan tahapannya yang lebih praktis. Beberapa pengujian segmentasi menggunakan 50 class dari dua dataset dan hasil segmentasi terbaik dipilih masing-masing dataset sebanyak 25 class sebagai input data untuk pengujian klasifikasi. CNN sebagai metode klasifikasi yang berbasis jaringan pembelajaran, diyakini dapat menangani perubahan pada gambar inputan sistem sehingga timbul toleransi pada sistem. Berbeda dengan sistem yang berbasis template matching, sistem yang terbentuk tentunya lebih kaku dan peka terhadap perubahan gambar. Berdasarkan sedikitnya informasi tentang CNN yang diaplikasikan ke pengenalan iris, maka dibutuhkan pengujian yang diharapkan dapat menjadi nilai ukur dari sisi akurasi dan efisiensi arsitektur jaringan yang dibentuk. Pengujian dilakukan dengan menggunakan 25 class yang merupakan hasil pengujian segmentasi terbaik masing–masing dua dataset yaitu dataset pegawai bandara dan dataset iris CASIA, diperoleh akurasi 82% untuk dataset pegawai bandara dan 98,1% untuk dataset iris CASIA. Kata kunci: Iris Biometrik, segmentasi, klasifikasi, Bitplane Slicing, Convolutional Neural Network
Co-Authors Ade Iriani Sapitri Ade Romadhony Adhitia Wiraguna Adhitia Wiraguna Adiwijaya Affan Fattahila, Ananda Anditya Arifianto Anisa Salama Aras Teguh Prakasa Arif Bijaksana Choirulfikri, Muhammad Rizqi Clarisa Hasya Yutika Denny Alriza Pratama Dian Chusnul Hidayati Eka Putri Fakhri Taufiqurrahman Febryanti Sthevanie Fuad Ash Shiddiq Ghinaa Zain Nabiilah Grace Duma Tambunan Hafizh Fauzan Hafizh Fauzan Honakan Honakan Intan Raharni Wijaya Iqbal Hapid Sukana Putra Jenepte Wisudawati Simanullang Kamal Hasan Mahmud Kemas Muslim Lhaksmana Luke Manuel Daely Mahendra Dwifebri Purbolaksono Meiditia Mustika Rani Moch Arif Bijaksana Mochammad Naufal Rizaldi Mohamad Reza Syahziar Muhammad Ghufran Muhammad Taufik Wahdiat Muhammad Yuslan Abu Bakar Pratama Dwi Nugraha Puruhita Ananda Arsaningtyas Rita Rismala Rosyadi, Ramadhana Shabran Fauzan Ahmad Syifa Khairunnisa Tesha Tasmalaila Hanif Timami Hertza Putrisanni Try Moloharto Try Moloharto Untari Novia Wisesty Wahyu Purbaningrum Wicaksono, Muhammad Hadiyan Winda Christina Widyaningtyas Yusrifa Deta Kirana