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.