Penulis: Leonardo, S.Ars. | Editor: Gilang Ananda, S.Kom.,M.M
Universitas Internasional Batam (UIB) kembali mencatat prestasi dalam publikasi ilmiah melalui karya penelitian yang melibatkan dosen, mahasiswa, serta peneliti dari perguruan tinggi lain. Kolaborasi tersebut menghasilkan artikel berjudul “Iris Identification Using Resnet Iris Feature Extraction Architecture for Better Biometric Security” yang diterbitkan pada Journal of Applied Data Sciences, Vol. 7, No. 2, Mei 2026. Jurnal tersebut merupakan jurnal internasional bereputasi yang berasal dari Indonesia, yang kini terindeks Scopus Q3 (SJR 2025).
Penelitian ini melibatkan empat penulis, yaitu 1) Dr. Hendi Sama, S.Kom., M.M.e-Business., 2) Dr. Tukino, S.Kom., M.SI., 3) Dr. Mangapul Siahaan, S.Si., M.M.S.I., dan 4) Erica Titoni. Hendi Sama, Mangapul Siahaan, dan Erica Titoni berasal dari Universitas Internasional Batam (UIB), sedangkan Tukino berasal dari Universitas Media Nusantara Citra (MNC University), Jakarta. Keterlibatan Erica Titoni sebagai mahasiswa UIB menjadi salah satu bagian penting dalam kolaborasi penelitian ini, sementara Tukino berperan sebagai peneliti dari institusi mitra eksternal. Afiliasi dan susunan penulis tersebut tercantum dalam artikel ilmiah yang telah dipublikasikan.
Penelitian tersebut mengkaji pengembangan sistem identifikasi iris mata berbasis deep learning untuk meningkatkan keamanan biometrik. Peneliti mengembangkan kerangka pengenalan iris yang mengintegrasikan modifikasi arsitektur T-Net untuk melakukan segmentasi iris secara lebih presisi dengan ekstraksi fitur berbasis deep residual. Pendekatan tersebut dirancang untuk mengatasi berbagai tantangan dalam pengenalan iris, seperti variasi pencahayaan, noise, oklusi, serta kondisi pengambilan gambar yang tidak terkendali. Pengujian dilakukan menggunakan tiga dataset publik, yaitu CASIA-IrisV4, IITD Iris Database, dan UBIRIS.v2 dengan total 1.163 citra iris.
(Sumber: LPPM UIB)
Dari aspek kebaruan, penelitian ini menempatkan kualitas segmentasi iris sebagai bagian yang terintegrasi dengan proses ekstraksi fitur dan pengenalan, bukan sebagai tahapan yang berdiri sendiri. Model yang dikembangkan memanfaatkan arsitektur T-Net yang dimodifikasi dan dikombinasikan dengan strategi transfer learning untuk meningkatkan kemampuan ekstraksi fitur dengan jumlah data pelatihan yang terbatas. Hasil eksperimen menunjukkan bahwa varian T-Net yang telah dioptimalkan mampu mencapai akurasi pelatihan sebesar 97,83% dan akurasi pengujian sebesar 98,35%. Pendekatan tersebut juga diarahkan untuk menjaga keseimbangan antara ketepatan pengenalan dan efisiensi komputasi.
Dari sisi kemanfaatan, hasil penelitian memiliki potensi untuk mendukung pengembangan sistem autentikasi biometrik yang lebih aman dan dapat diterapkan pada berbagai kebutuhan identifikasi. Artikel menyebutkan potensi penerapan teknologi tersebut pada sistem kontrol akses, verifikasi identitas, serta sistem autentikasi dengan tingkat keamanan tinggi. Pengembangan metode yang lebih efisien juga membuka peluang pemanfaatan sistem pada lingkungan yang membutuhkan pemrosesan biometrik secara cepat. Meski demikian, penelitian masih menemukan keterbatasan signifikan pada kondisi seperti oklusi ekstrem, pencahayaan yang buruk, dan motion blur, sehingga pengembangan lebih lanjut masih diperlukan.
(Sumber: LPPM UIB)
Kepala Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) UIB, Dr. Hari Sutra Disemadi, S.H., M.H., menyampaikan apresiasi kepada Hendi Sama beserta seluruh anggota tim riset atas capaian publikasi ilmiah tersebut. Menurutnya, publikasi ini menunjukkan kemampuan Hendi Sama dan rekan-rekan peneliti dalam menghasilkan karya ilmiah dengan cakupan teknologi biometrik yang relevan serta melibatkan kolaborasi lintas institusi. Kolaborasi antara UIB dan MNC University juga menjadi bagian dari upaya memperluas jejaring akademik serta memperkuat kontribusi UIB dalam pengembangan penelitian di tingkat nasional.
Capaian publikasi ini menjadi bagian dari komitmen Universitas Internasional Batam untuk terus membangun budaya riset yang produktif dan berkualitas melalui penguatan kolaborasi dengan berbagai institusi. UIB akan terus mendorong dosen dan mahasiswa untuk terlibat dalam penelitian inovatif yang mampu menjawab kebutuhan serta perkembangan ilmu pengetahuan, baik pada tingkat lokal, nasional, maupun internasional. Melalui penguatan ekosistem penelitian dan kolaborasi akademik, hasil riset diharapkan dapat memberikan manfaat bagi pengembangan ilmu pengetahuan, pendidikan, serta masyarakat secara lebih luas.
Lembaga Penelitian dan Pengabdian kepada Masyarakat
Universitas Internasional Batam
