PENGENALAN GARIS UTAMA TELAPAK TANGAN DENGAN EKSTRAKSI CIRI MATRIKS KOOKURENSI ARAS KEABUAN MENGGUNAKAN JARAK EUCLIDEAN

Abstract

Abstrak

Sistem verifikasi dan identifikasi terus dikembangkan untuk mendapatkan hasil pengenalan yang akurat. Salah satu metode yang digunakan adalah berdasar pada objek biometri. Biometrik merupakan karakteristik unik dari kecenderungan fisiologis tingkah laku manusia yang sifatnya permanen dan stabil dalam jangka waktu yang lama. Beberapa contoh objek pengenalan biometri antara lain sidik jari, telapak tangan, iris mata, wajah, dan retina. Dalam tugas akhir ini, akan dianalisis sistem pengenalan garis utama telapak tangan dengan ekstraksi ciri Matriks Kookurensi Aras Keabuan (GLCM) yang dikombinasikan dengan metode pengenalan Jarak Euclidean. Pengujian dilakukan terhadap 30 responden yang diambil dari populasi sebuah kelas. Nilai ciri ekstraksi GLCM hanya dipilih lima jenis yaitu ASM,  kontras, IDM, entropi, dan korelasi. Tingkat keberhasilan tertinggi dari seluruh pengujian citra uji mencapai angka 85% pada jarak piksel sejauh 3 dan sudut orientasi gabungan (0^o+45^o+90^o+135^o). Sedangkan hasil terendah adalah 47% pada jarak piksel 2 dengan sudut orientasi 0^o. Pada pengujian terhadap 10 citra luar yang diambil secara acak, diperoleh persentase keberhasilan sebesar 70% karena terjadi 3 kesalahan pengenalan.

Kata Kunci : Biometrik, Telapak tangan, Matriks Kookurensi Aras Keabuan, Jarak Euclidean

Abstract

Verification and identification systems are kept on being developed to obtain accurate recognition results. One of the methods used is based on the biometric object. Biometrics is a unique characteristic of the physiological tendency of human behavior that are permanent and stable in a long term. Some examples of biometrics object recognition are fingerprint, palm, iris, face, and retina. In this final project, we will analyze the palmprint recognition system with feature extraction of Gray Level Co-Occurrence Matrix (GLCM) combined with the Euclidean distance recognition method. The tests are conducted on 30 respondents taken from a population of a class. There are only five types chosen in GLCM’s feature extraction value, they are ASM, contrast, IDM, entropy, and correlation. The highest success rate of all testing images’ recognition reached 85% at a distance of 3 pixels and joint orientation angle (0^o+45^o+90^o+135^o). While the lowest yield was 47% at a distance of 2 pixels with the orientation angle 0^o. In the testing of the 10 external images taken at random, the percentage of success is 70% due to 3 errors of three recognition.

Keywords : Biometric, Palm print , GLCM, Euclidean distance