Compressive sensing (CS) juga dikenal sebagai compressed sensing, atau compressive sampling adalah sebuah teknik yang memungkinkan akusisi data dengan pengambilan sampel yang jauh lebih sedikit daripada metode konvensional, tetapi tetap memungkinkan rekonstruksi sinyal atau data dengan tingkat akurasi yang tinggi dan secara efisien. Salah satu metode CS yang dapat digunakan dalam penelitian ini adalah Sparsity Averaging Reweighted Analysis (SARA) diusulkan untuk meningkatkan performa dari metode Basis Pursuit Denoise (BPDN). Pada penelitian sebelumnya SARA diusulkan untuk data citra radio-interferometric dan citra natural. Analisis terperinci tentang SARA dalam citra medis tidak ada dalam literatur. Untuk mengisi celah ini, berbagai jenis data medis digunakan untuk menyelidiki kinerja SARA.
Tugas akhir ini menggunakan analisis SARA pada data citra iris mata. SARA sendiri terdiri dari 2 tahap, yaitu tahapan awal untuk menentukan basis sparsity dengan mengusulkan proses penghitungan rata-rata dari beberapa frame basis wavelet dan proses reweighted dari metode rekonstruksi BPDN.
Hasil pengujian dari tugas akhir ini adalah SARA, dimana SARA mengungguli RW-Haar dengan nilai 11,26 dB dan RW-Curvelet dengan nilai 13,21 dB pada MR = 0, 1. Peningkatan performa dari rekonstruksi reweighted analysis sangat besar dengan menambahkan proses basis rata-rata atau sparsity averaging (SA). Dengan menggunakan SA, pola dari citra iris yang tidak sparse pada satu jenis basis dapat diakomodasi oleh jenis basis lain sehingga hasil dari sinyal setelah transformasinya menjadi lebih sparse dibandingkan dengan hanya menggunakan satu jenis basis Haar atau Curvelet. Waktu proses rata-rata pada parameter terbaik adalah 20 detik.