ABSTRAKSI: Iris mata untuk setiap individu berbeda bahkan untuk individu yang kembar, selain itu iris mata mempunyai sifat yang stabil dalam jangka waktu yang lama, tidak tergantung pada sifat genetik dan terlindungi oleh kelopak mata dan selaput bening. Dengan berkembangnya sistem pengenalan yang berbasis karakteristik alami tubuh manusia yang disebut sistem biometrik. Maka iris manusia dapat digunakan sebagai basisnya.
Pada Tugas Akhir ini dikembangkan sistem pengenalan berbasis iris menggunakan Jaringan Syaraf Tiruan Cascade Correlation. Cascade Correlation merupakan jenis arsitektur dan supervised learning algorithm jaringan syaraf tiruan. Cascade Correlation dimulai dengan network yang minimum yang hanya terdiri dari input unit dan output unit lalu dilatih dan menambah hidden neuron satu demi satu secara otomatis untuk membentuk struktur multi layer. Sekali menambah hidden neuron baru, bobot dari input unit dan hidden neuron sebelumnya menuju hidden neuron terbaru akan dibekukan. Proses pembentukan jaringan yang dinamis tersebut menjadikan struktur jaringan lebih efisien.
Pada pengujian yang dilakukan Jaringan Syaraf Tiruan Cascade Correlation mampu melakukan pengenalan iris mata dengan akurasi data latih 100 % dan data uji 97.3 %.Kata Kunci : cascade correlation, iris, biometrik, jaringan syaraf tiruanABSTRACT: Iris of the eye for each individual is different even for individuals who are twins, except that the iris has a stable character in the long term, does not depend on the genetic nature and protected by the eyelids and cornea. With growing recognition system based on the human body's natural characteristics, called biometric systems. Then the human iris can be used as a base
At this final project was developed based on iris recognition system using Cascade Correlation Artificial Neural Network. Cascade Correlation is a type of architecture and supervised learning neural network algorithm. Cascade Correlation begins with a minimum network which only consists of input units and output units and hidden neurons are trained and added one by one automatically to form a multi-layer structure. Once adding new hidden neurons, the weights of the input and previous hidden neuron to the latest hidden neurons will be frozen. The process of forming a dynamic network, it makes the network structure more efficient
In the tests performed Cascade Correlation Artificial Neural Network capable of performing iris recognition with 100% accuracy of the data train and test data 97.3%.Keyword: cascade correlation, iris, biometrics, artificial neural networks