ABSTRAKSI: Biometrik berdasarkan iris mata manusia memiliki keunikan yang tinggi dan bisa dijadikan sebagai media keamanan. Selain itu, karena iris berada di dalam mata dan dilindungi oleh kelopak mata, maka pola iris memiliki kekonsistenan dan kestabilan yang sangat lama jika dibanding dengan karakteristik manusia yang lainnya.
Pada Tugas Akhir ini, menganalisa sebuah sistem biometrik berdasarkan iris mata dengan menggabungkan metoda Linear Discriminant Analysis (LDA) sebagai metoda feature extraction dan metoda Support Vector Machine (SVM) sebagai metoda untuk klasifikasi iris mata tersebut. Namun demikian, sistem ini memerlukan preprocessing berupa reduksi dimensi dengan menggunakan Principal Component Analysis (PCA). Dengan menggunakan metoda-metoda tersebut, sistem yang dibangun dapat mengenali 40 data uji dengan akurasi paling tinggi adalah 100%. Akurasi tertinggi ini dapat dicapai dengan menggunakan parameter PCA, LDA dan SVM yang tepat. Pemilihan besar reduksi eigen value dan eigen vector pada PCA dan LDA tidak terlalu besar dan tidak terlalu kecil, antara 70 sampai dengan 99. Pemilihan fungsi kernel pada SVM yang sesuai dengan jenis persebaran data dan kebutuhan, dalam Tugas Akhir ini menggunakan fungsi kernel Linear, dengan menggunakan nilai parameter C (yang menentukan besar penalty) sebesar 180.
Kata Kunci : Kata kunci : sistem biometrik, iris mata manusia, PCA, LDA, SVM.ABSTRACT: Biometrics based on human iris has a unique high and can be used as a medium security. In addition, because the iris in the eye and are protected by the eyelids, the iris pattern has the consistency and stability of a very long time if compared with other human characteristics.
In this final, analyzing an iris biometric system based on combining the method of Linear Discriminant Analysis (LDA) as a method of feature extraction and Support Vector Machine (SVM) as method for classification of the iris. However, this system requires preprocessing of dimension reduction using Principal Component Analysis (PCA). By using these methods, a system built able to recognize 40 test data with the highest accuracy was 100%. The highest accuracy can be achieved by using the parameters of the PCA, LDA and SVM appropriate. Selection of eigen values and eigen reduction vector in the PCA and LDA are not too big and not too small, between 70 to 99. Selection of SVM kernel function with the type of data distribution and the need, in this final project using linear kernel function, using parameter values C (which determines the penalty) equal to 180.
Keyword: Keywords : biometric system, human iris, PCA, LDA, SVM.