Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Sistem bio-metrik merupakan sistem identifikasi identitas berbasis karakteristik biologis pada manusia seperti wajah, sidik jari, dan iris mata. Iris mata merupakan salah satu karakteristik yang memiliki tingkat reliabilitas tinggi untuk identifikasi seseorang. Pengembangan sistem pengenalan iris mata dengan performa kecepatan dan akurasi yang baik masih terbilang sedikit. Perancangan sistem dengan metode Half Polar Iris Localization dan Normalization bertujuan untuk meningkatkan performa proses segmentasi iris mata. Akurasi dari fungsi lokalisasi dan normalisasi iris pada dataset CASIA-IrisV1 sebesar 95,68 dan performa pengenalan dengan nilai batas Hamming distance sebesar 0.42 memiliki tingkat penolakan sebesar 100 dan tingkat penerimaan sebesar 83,17. ......Biometric systems is an identification for identity systems based on biological characteristics in humans such as face, fingerprint, dan iris. Iris is one characteristic that has high degree of reliability for the identification of a person. Development of open source iris recognition system with great accuracy and performance is still small. System design with Half Polar Iris Localization and Normalization method aims to increase performance of iris segmentation process. Accuracy of localization and normalization function with CASIA IrisV1 dataset is 95.68 and recognition performance with Hamming distance threshold value of 0.42 has 100 of rejection rate and 93.17 of acceptance rate.

Abstrak :
Suatu sistem biometrik sangat penting untuk identifikasi dan verifikasi suatu individu dengan berbagai tujuan. Biometrik iris merupakan salah satu tipe biometrik dengan tingkat akurasi yang tinggi tetapi banyak pemakaian memori. Tahap pencocokan merupakan salah satu bagian dari sistem biometik iris yang memakai banyak memori sehingga berpengaruh pada waktu proses. Dalam skripsi ini, akan disimulasikan algoritma Incremental Dissimilarity Approximation (IDA) yang akan dibandinkan dengan algoritma vector quantization (VQ). IDA merupakan algoritma pencocokan cepat berdasarkan ketidaksamaan fungsi norm Lp dimana akan menjadi syarat untuk batas pencarian pencocokan. Hasil simulasi menunjukkan bahwa IDA tidak cocok untuk diaplikasikan pada sistem biometrik iris. Performa yang ditunjukkan sama dengan VQ karena variasi vektor pada citra iris masih memenuhi batas pada algoritma IDA. Namun, secara eksperimental telah didapat nilai batas yang optimal untuk sistem biometrik iris sehingga mempersingkat waktu proses. Kode untuk algoritma VQ dan IDA dikembangkan dengan program MATLAB.

---

A biometric system is really important for identification and verification of a person for a lot of purposes. Biometric iris is one of biometric types that has high accuracy but use lot of memory. The pattern matching is part of iris biometric system that required a lot of memory that affect to the time process. In this paper, Incremental Dissimilarity Approximation (IDA) algorithm will be simulated and compared with vector quantization (VQ) algorithm. IDA is a fast pattern matching based on dissimilarity functions derived from Lp norm for becoming the bounding criterion of pattern matching. The simulation result show that IDA is not suitable to implement for iris biometric system. It has the same performance as VQ because the variety of the vector still satisfy the bounding criterion. However, the experiment has determined the optimal bound for pattern matching in iris biometric system that decrease the time process. The code for VQ and IDA are developed with MATLAB.

Abstrak :
Latar belakang: Pencetakan pasien GTP dengan sendok cetak biometrik dapat memposisikan bibir dan pipi ke posisi sebelum ekstraksi, dibuat berdasarkan pedoman biometrik paling stabil yaitu buccolingual breadth (BLB). Namun, ukuran BLB masih berdasarkan ukuran ras Kaukasoid. Belum ditemukan penelitian mengenai ukuran BLB pada ras Deutero Melayid dan perbedaannya antara pria dan wanita. Tujuan: Mengetahui ukuran BLB dan menganalisis perbedaannya antara pria dan wanita ras Deutero Melayid. Metode: Cross sectional pada 68 mahasiswa FKG UI. Rahang atas subjek dicetak untuk mendapakan model studi. Setiap model studi dibuatkan garis referensi HIP plane, dipotong menjadi soliter die, kemudian diukur ketebalannya di regio gigi insisif pertama, kaninus, premolar pertama dan kedua, serta molar pertama dan kedua di kuadran kiri dan kanan. Hasil: Hasil uji Mann-whitney menunjukkan terdapat perbedaan bermakna ukuran BLB antara pria dan wanita tiap gigi-geligi (p < 0,05). Namun tidak berbeda bermakna ukuran BLB kudran kiri dan kanan (p > 0,05) dan pada regio gigi Premolar kedua kuadran kiri dan Premolar pertama kuadran kanan (p > 0,05). Kesimpulan: Ukuran BLB pada ras Deutero Melayid adalah regio gigi insisif pertama 6.44 mm, kaninus 7.69 mm, premolar pertama 10.6 mm, premolar kedua 10.97 mm, molar pertama 13.04 mm, dan molar kedua 12.14 mm. Ukuran BLB pada pria lebih lebar dibandingkan pada wanita. ......Background: Impression of edentulous mouth with biometric tray can place the lip and cheeks in pre-extraction positions, made based on the most constant biometric guidance that is buccolingual breadth (BLB). It was conducted in Caucasian but there has not been found in Deutero Malay and its difference between male and female. Objective: To determine the measurement of the BLB and to analyze its difference between male and female in Deutero Malay. Methods: Cross sectional study was performed towards 68 students. Maxillary jaw was taken the impression to get study model. Study model was drawn​​ a HIP plane, and cut to be a solitary die in the central incisivum, canine, first and second premolar and molar on each regions. Measurements were performed by measuring the thickness in each of tooth. Result: Mann-whitney test showed there was a significancy difference each teeth between male and female (p<0,5) but there was no significancy between left and right maxillary jaw (p>0,05) and also in left second and right first Premolar (p > 0,05). Conclusion: BLB measurement in Deutero Malay are 6.44 mm in central incisivum, 7.69 mm in canine, 10.6 mm in first premolar, 10.97 mm in second premolar, 13.04 in first molar and 12.14 mm in second molar. Furthermore, measurement of BLB in male is widther than female.

Abstrak :
Isolasi daerah iris yang tepat dan kecepatan waktu proses yang cepat sangat dibutuhkan pada proses segmentasi dari suatu sistem. Terlebih lagi apabila dihadapkan dengan pangkalan data yang besar. Biometrik iris merupakan salah satu tipe biometrik dengan tingkat akurasi yang tinggi tetapi banyak pemakaian memori. Segmentasi merupakan proses paling awal dari suatu sistem biometrik iris yang akan sangat menentukan kinerja dari suatu sistem. Umumnya, algoritma segmentasi yang banyak digunakan adalah Daugman Integro Differential Operator (IDO). Algoritma ini mempunyai akurasi yang cukup baik tetapi mempunyai kekurangan penurunan akurasi pada masalah pencahayaan suatu citra dan waktu proses yang cukup lama karena banyak menggunakan iterasi. Dalam tesis ini, disimulasikan algoritma Region of Interest (ROI) untuk mempersingkat waktu proses tanpa mengurangi kinerja dari akurasi segmentasi. Algoritma yang disimulasikan melakukan tahapan blurring terhadap citra yang diolah kemudian melakukan pembagian daerah pencarian untuk menetapkan daerah kasar dari posisi iris dalam. Setelah melakukan optimasi posisi iris dalam maka akan dicari titik perpotongan untuk mencari jari-jari dan pusat dari iris dalam. Langkah terakhir adalah mencari jari-jari iris luar dengan acuan iris dalam dengan menggunakan operasi dasar statistik. Hasil simulasi menunjukkan ROI telah berhasil mempersingkat waktu proses segmentasi dan meningkatkan akurasi dibandingkan IDO dengan waktu proses rata-rata sebesar 0,343 detik, EER sebesar 4,12% dan akurasi segmentasi sebesar 1,826%. ...... The time process and accurate isolation of iris region are really needed in segmentation process of a system, in particular if the system are faced with huge databases. Iris Biometric is one of biometric types that has high accuracy eventhough it uses a lot of memory. Segmentation is the first process of this biometric system that will determine the performance of the system. Generally, the segmentation algorithm uses Daugman Integro Differential Operator (IDO). The algorithm has good accuracy but in some cases due to illumination problem it may create circular patches allowing to the algorithm detect a false region and processing in long period of time because too many iteration. In this thesis, an algorithm based on Region of Interest is simulated in order to shorten the time process without sacrificing the accuracy. The simulated algorithm use blurring phase and splitting the search region to determine the rough position of inner iris region. Following the optimization of the inner iris position, the intersection point will be searched to determine the radius and the center of the inner iris. The last step is finding the outer iris boundary relative to the inner iris by using the statistical operation. The simulation result shows that ROI algorithm has succeeded to shorten the time process and increase the accuracy compared with IDO with 0.343 s for average time process, 4.12% for EER and 1.826% for segmentation accuracy.

Abstrak :
ABSTRAK
Pengenalan biometrik mengacu pada penggunaan karakter fisik maupun biologis untukmengenali suatu individu. Pengenalan ini bertujuan untuk mempermudah proses identi-fikasi. Hingga saat ini, proses identifikasi yang banyak digunakan menyasar pada orangdewasa dengan memanfaatkan pola sidik jari, bentuk wajah. Akan tetapi pengenalanyang diperuntukan untuk bayi dan balita masih sangat minim, bahkan belum ada suatumetode khusus yang mampu menyelesaikan masalah pengenalan pada bayi dan balita.Bayi dan balita pun membutuhkan suatu metode pengenalan yang mampu mengenalinyasejak kecil, sehingga proses pengarsipan menjadi lebih tertata dan lebih lengkap. Denganmelakukan pencacatan yan lebih detail, maka informasi terkait riwayat imunisasi, riwayatpenyakit maupaun riwayat pendidikan dapat diperoleh dengan cepat. Pada penelitian ini diusulkan suatu metode yang mampu menyelesaikan masalahpengenalan biometrik pada bayi dan balita dengan menggunakan sidik jari. Pengenalansidik jari yang digunakan berupa penggunaan fitur level 1 yaitu garis sidik jari danfitur level 2 yaitu minutia. Kedua level fitur ini akan digabungkan dengan menambahsuatu mekanisme perbaikan fitur sidik jari bernama mekanisme feedback. Mekanismefeedback akan melakukan perbaikan pada skala fitur level 1. Hasil yang diperoleh pada penelitian ini adalah metode yang diusulkan mampu meng-atasi masalah yang dihadapi pada citra sidik jari bayi. Kombinasi fitur level 1 dan level2 diikuti dengan mekanisme feedback mampu menghasilkan akurasi yang lebih baik di-bandingkan dengan kombinasi fitur level 1 dan level 2 tanpa mekanisme feedback.

---

ABSTRACT
Biometric recognition refers to the use of physical and biological characteristics to rec ognize an individual. This biometrics recognition aims to facilitate the identification pro cess. Until now, the used of identification process of is widely targeting adults that usinga fingerprint patterns, face shape. However, the recognition that is intended for infantsand toddlers is still very minimal, there is not even a special method that can solve theproblem of recognition in infants and toddlers. Infants and toddlers also need a methodof recognition that is able to recognize them since childhood, so the process of filing be comes more organized. By performing more detailed defects, information regarding toimmunization history, history of illness and education history can be obtained quickly. In this study, proposed a method that is able to solve problems on infant and toddlerbiometrics recognition using fingerprint. Fingerprint recognition in this study used theLevel 1 features in form of the fingerprint ridge and feature level 2 in form of minutia.Both levels of this feature will be combined by adding a fingerprint enhancement mecha nism called feedback mechanism. The feedback mechanism will make improvements inlevel 1 scale features. The results obtained in this study is the proposed method is able to overcome the prob lems faced on baby fingerprint image. The combination of level 1 and level 2 features fol lowed by feedback mechanisms can produce better accuracy compared to a combinationof level 1 and level 2 features without feedback mechanism.

Abstrak :
ABSTRAK
Di era teknologi saat ini, peningkatan keamanan merupakan salah satu hal yang sangat penting dilakukan. Untuk dapat mengakses suatu area tertentu, dibutuhkan metode keamanan yang dapat memastikan hanya orang yang telah terverifikasi saja yang bisa mengaksesnya. Dalam pengembangannya, metode keamanan berupa pin atau password sebagai metode verifikasi pengguna digantikan oleh metode keamanan berbasis biometrik. Metode keamanan berbasis biometrik mengandalkan karakteristik biologis manusia yang unik dan sulit untuk dipalsukan. Sidik jari merupakan salah satu karakteristik biometrik manusia yang digunakan sebagai bagian dari metode keamanan saat ini. Metode keamanan sidik jari umumnya mengandalkan suatu modul yang akan mengambil sampel sidik jari pengguna, menganalisa, dan membandingkan data yang diterima dengan database yang telah ada. Pengembangan yang akan dilakukan pada tugas akhir ini berfokus pada pengembangan metode komparasi yang tidak dilakukan di dalam module fingerprint reader, namun berada di perangkat komputer, sehingga data sidik jari yang telah tersimpan serta metode komparasi yang dilakukan akan lebih aman dan terpercaya. Dengan menggunakan metode komparasi yang ada, didapatkan nilai recognition rate untuk minimum distance = 0 senilai 100 menggunakan database Neurotechnology dan data yang diperoleh dari fingeprint reader module, dengan kecepatan pemrosesan terbaik sebesar 9,4 detik untuk proses komparasi 80 database.

---

ABSTRACT
In today 39 s era of technology, increased security is one of the most important things to do. In order to access a particular area, a security method is required that ensures only verified people can access it. In its development, the security method of pin or password as a method of user verification is replaced by a biometric based security method. Biometric based security methods rely on unique and difficult to forge human biological characteristics. Fingerprint is one of the human biometric characteristics used as part of the current security method. The Fingerprint security method generally relies on a module that will take a user 39 s Fingerprint sample, analyze, and compare data received with an existing database. The development that will be carried out in this final project focuses on the development of comparative methods that are not done in the Fingerprint reader module, but reside in the computer device, so that the Fingerprint data that has been stored and the comparation method will be safer and more reliable. Using the existing comparative method, the value of Recognition rate for minimum distance 0 is 100 using Neurotechnology database and data obtained from fingerprint reader module, with the best processing speed of 9.4 seconds for 80 database comparation process.

Abstrak :
Abstrak
Penggunaan konsep rumah cerdas dalam bidang sekuriti meningkat cukup signifikan akhir-akhir ini. Salah satu bidang yang menjadi perhatian adalah penggunaan teknologi biometric sidik jari untuk system otentikasi, misalnya otentikasi untuk masuk kedalam rumah. Paper ini bertujuan untuk menjelaskan sebuat prototype baru untuk otomasi dan keamanan pintu rumah yang mengkombinasikan teknologi biometric sidik jari dan arduino. Diharapkan sistem ini membantu meningkatkan keamanan dan kenyaman para penghuni rumah dengan instalasi yang mudah dan biaya yang murah. Sistem ini secara otomatis mengontrol (buka atau tutup) pintu berdasarkan sidik jari pengguna yang telah didaftarkan dalam basis data di mikrokontroler Arduino. Sistem utamanya terdiri dari mikrokontroler arduino, sensor sidik jari dan doorlock system.

Abstrak :
Kecerdasan artifisial merupakan teknologi yang multiguna untuk membantu pekerjaan manusia, tak terkecuali bagi mereka yang berkiprah di dunia perfilman. Sebelumnya telah ada teknologi komputer untuk memanipulasi gambar seperti computergenerated imageries (CGI) pada proses pembuatan film khususnya dengan genre aksi, fantasi, horor, ataupun film-film yang mengangkat kisah pahlawan sehingga melahirkan istilah sinema sintetis. Kecerdasan artifisial hadir sebagai teknologi termutakhir yang tidak hanya dapat memanipulasi gambar tetapi juga suara dan video dengan mempelajari pola dan struktur dari sekumpulan data untuk menciptakan karakter, latar belakang, dan efek visual lainnya. Kecerdasan artifisial memanfaatkan tidak terkecuali data biometrik aktor khususnya untuk tujuan penciptaan karakter yang menandakan bahwa data pribadi aktor memerlukan pelindungan hukum selain pelindungan terhadap kekayaan intelektualnya. SAG-AFTRA Strike yang terjadi pada tahun 2023 di Amerika Serikat menjadi salah satu tonggak bahwa pelaku industri perfilman khususnya aktor memiliki kekhawatiran tersendiri atas penggunaan kecerdasan artifisial yang belum memiliki regulasi spesifik sehingga terjadi ketidakpastian hukum. Tulisan ini menganalisis pemanfaatan kecerdasan artifisial pada industri perfilman di Indonesia, Uni Eropa, dan Amerika Serikat sekaligus peraturan terkait, termasuk pertanggungjawaban apabila terjadi pelanggaran. Saat ini Indonesia memiliki Undang-Undang Nomor 27 Tahun 2022 (UU PDP) dan Surat Edaran Menteri Komunikasi dan Informatika Nomor 9 Tahun 2023 (SE 9/2023) sebagai dasar perlindungan bagi aktor Indonesia terhadap pemanfaatan kecerdasan artifisial. Meskipun demikian, pengaturan hukum yang ada di Indonesia belum selengkap peraturan yang berlaku di Uni Eropa dan Amerika Serikat mengenai tata cara perlakuan atau penanganan terhadap data biometrik dan masih bergantung kepada kontrak. Penelitian ini dilakukan dengan metode kajian literatur dan wawancara bersama tokoh-tokoh industri perfilman Indonesia. ......Artificial intelligence (AI) is a versatile technology aimed to help humans conduct their work, including those who works in the film industry. There were also other computer technologies prior to AI used to manipulate images such as computergenerated imageries (CGI) to aid filmmaking especially for action, fantasy, horror genres, or movies about superheroes which produced the term synthetic cinema. AI serves as an advanced technology which can also manipulate sounds and videos by studying patterns and structures of a set of data to generate characters, backgrounds, and other visual effects. AI utilizes different sets of data such as biometric data of actors to create a character, showing that actor’s personal data requires legal protection aside from their intellectual property rights. The SAG-AFTRA Strike which happened in America in 2023 was a signal that people in the film industry, especially actors, have their own concerns regarding the usage of AI which have yet to be regulated through a specific regulation, posing legal uncertainty. This research analyzes the usage of AI in Indonesia, the European Union, and the United States’ film industry, the related regulations, as well as accountability in cases of violations. Indonesia currently have Law Number 27 of 2022 (PDP Law) and Circular Letter of the Ministry of Communication and Informatics Number 9 of 2023 (SE 9/2023) providing basic protection for Indonesian actors against the usage of AI. However, the regulations available in Indonesia is not as comprehensive as the ones available in the European Union and the United States and still relies more on contracts, particularly on how to handle biometric data. This research was conducted through literature studies and interview with Indonesia’s prominent film industry figures.

Abstrak :
Terkait klasifikasi detak elektrokardiogram (EKG), telah dikembangkan banyak algoritma, baik yang terkait dengan biomedik, maupun biometrik. Karena sifat non-stasioner dari sinyal EKG, agak sulit untuk menggunakan metode tradisional yang dioptimasi secara manual, misalnya ekstraksi fitur dan klasifikasi yang berbasis waktu. Hal ini membuka peluang untuk implementasi mesin cerdas.  Penelitian ini menyajikan metode baru, yaitu Residual Depthwise Separable Convolutional Neural Network (RDS-CNN) untuk klasifikasi detak elektrokardiogram, baik yang terkait dengan biomedik, maupun biometrik. Dengan menggunakan metode ini, hanya diperlukan dua tahap proses saja, yaitu deteksi detak dan klasifikasi. Pemrosesan awal dilakukan bersamaan dengan deteksi detak, sedangkan ekstraksi fitur dilakukan sekaligus dengan klasifikasi. Selain itu, untuk meminimalkan beban komputasi dan tetap menjaga kualitas klasifikasi, beberapa teknik telah diterapkan, antara lain Residual Network, All Convolutional Network (ACN), Depthwise Separable Convolution (DSC), dan Batch Normalization (BN). Kinerja RDS-CNN ini telah dievaluasi menggunakan database aritmia Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH) dan database ECG-ID.  Untuk implementasi biomedik, dalam fase pelatihan model Depthwise Separable CNN ini, digunakan sekitar 22% dari 110.057 detak yang diekstraksi dari 48 file dalam database MIT-BIH. Dengan hanya menggunakan 22% data latih ini, algoritma yang kami usulkan dapat mengklasifikasi 78% detak lainnya menjadi 16 kelas. Adapun, sensitifitas, spesifisitas, prediksi positif dan akurasi masing-masing adalah 99,03%, 99,94%, 99,03%, dan 99,88%. Hasil klasifikasi biomedik ini menunjukkan bahwa metode yang disajikan ini mengungguli metode terdepan lainnya.  Sedangkan untuk implementasi biometrik, model RDS-CNN telah terbukti dapat digunakan untuk otentifikasi identitas EKG (ID) 90 orang sehat dan 48 pasien dengan akurasi hingga 100%, melalui klasifikasi 8 detak otentifikasi untuk ID 90 orang sehat, dan 6 detak otentifikasi untuk ID 48 pasien. Hasil otentifikasi biometrik ini juga mengungguli metode terdepan lainnya yang menggunakan database yang sama. ......Regarding the classification of electrocardiogram (ECG) beats, many algorithms have been developed, both related to biomedical, and biometrics. Due to the non-stationary nature of ECG signals, it is complicated to use traditional methods that are manually optimized, for example, time-based feature extraction and classification. This computation problem opens up opportunities for machine learning implementation. This research proposes a new method, namely Residual Depthwise Separable Convolutional Neural Network (RDS-CNN) for the classification of ECG beats, both related to biomedical, and biometrics. By using this method, only two stages of the process are needed, namely beat detection and classification. Preprocessing is done simultaneously within beat detection, while feature extraction is done simultaneously within the classification stage. Also, to minimize computational cost and to maintain classification quality, several techniques have been applied, including Residual Networks, All Convolutional Networks (ACN), Depthwise Separable Convolution (DSC), and Batch Normalization (BN). The performance of the RDS-CNN has been evaluated using the Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH) arrhythmia database and the ECG-ID database. For biomedical implementation, 110,057 beats were extracted from 48 files in the MIT-BIH database. And approximately 22% of them used for latih the Depthwise Separable CNN model. With only 22% of this latih data, our algorithm can classify 78% of the rest ECG beats into 16 classes. Meanwhile, sensitivity, specificity, positive prediction, and accuracy are 99.03%, 99.94%, 99.03%, and 99.88%, respectively. The results of this biomedical classification show that this proposed method outperforms the other state-of-the-art methods. As for the biometric implementation, the RDS-CNN model has been proven to be able to authenticate ECG ID of 90 healthy people and 48 patients with up to 100% accuracy, through the classification of eight authentication beats for ID 90 healthy people, and six authentication beats for ID 48 patient. The results of this biometric authentication also outperform other state-of-the-art methods that use the same database.

Abstrak :
Penggunaan pin dan password bahkan token sudah dianggap ketinggalan zaman sehingga negara berkembang banyak mengembangkan metode transaksi berbasis biometrik. Biometrik yang merupakan karakterisitik biologis yang banyak digunakan saat ini adalah mata, wajah, dan sidik jari. Wajah dan sidik jari dalam kondisi tertentu dapat berubah dan tidak dapat dikenali oleh sebab itu mata atau tepatnya iris adalah pilihan yang tepat untuk digunakan untuk metode autentikasi mengingat mata manusia tidak mudah berubah. Tugas akhir ini berfokus pada pengembangan sistem yang sudah ada sebelumnya mengenai autentikasi menggunakan metode lokalisasi dan normalisasi half-polar pada iris mata. Pengembangan yang dilakukan adalah agar pengenalan dapat lebih akurat dan cepat menggunakan metode segementasi mata dan normalisasi yang berbeda dengan metode half-polar serta membuat pengenalan dapat dilakukan pada mata kiri dan kanan secara bersamaan mengingat Iris pattern pada kedua mata manusia berbeda. Metode-metode segmentasi iris yang diajukan adalah Zeta-v1, Zeta-v2, Zeta-v3, Zeta-v4, Zeta-v5, Zeta-v6 dan Zeta-v7. Hasil pengujian terbaik dari segi performa waktu ditunjukkan oleh metode Zeta-v7 dengan rata-rata 0.0138427 detik. Hasil Pengujian terbaik dari segi akurasi sistem adalah Zeta-v1, dengan persentase penolakan yang salah bernilai 100 dan persentase penerimaan yang benar bernilai 94,90. ......The use of pin and password and even tokens is considered outdated, so many countries develop biometric based transaction methods. Biometrics which are the most widely used biological characteristics are the eye, face, and fingerprint. The faces and fingerprints in certain conditions can change and can not be recognized. The eye or precisely the iris is the right choice to use for authentication methods considering that the human rsquo s eye is not easily changed. This final assignment focuses on the development of previous systems of authentication using localization methods and half polar Normalization of the iris. Development is performed to make the recognition more accurate dan faster while using different eye segmentation and Normalization methods. The recognition methods can be used for left and right eyes considering both eyes in human have different iris pattern. The proposed iris segmentation methods are Zeta v1, Zeta v2, Zeta v3, Zeta v4, Zeta v5, Zeta v6 dan Zeta v7. The best test result based on time performance presented by the Zeta v7 segmentation which shows the average time performance 0.0138427 seconds. The best result based on accuracy presented by Zeta v1 which show the percentage of wrong rejection 100 and percentage of right acceptance 94,90.