IDENTIFIKASI DIRI BERDASARKAN BIOMETRIKA TELAPAK TANGAN MENGGUNAKAN METODE TAPIS GABOR 2-D DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ)

Abstract

Abstrak

Biometrika merupakan pengembangan dari metode dasar identifikasi seseorang dengan menggunakan karakteristik alami manusia sebagai basisnya. Telapak tangan (palmprint) merupakan salah satu dari organ tubuh manusia yang bisa digunakan sebagai identifikasi karena bersifat unik. Setiap telapak tangan  memiliki tekstur yang detail dan unik berdasarkan ciri garis-garis utama (principal-line features) dan ciri garis-garis kusut (wrinkles features), bahkan berbeda antara telapak tangan kanan dan kiri. Telapak tangan juga tidak dapat berubah serta stabil selama berpuluh-puluh tahun, sehingga dapat digunakan dalam sistem identifikasi. Pada penelitian ini proses yang dilakukan untuk identifikasi telapak tangan adalah akuisisi data, pengolahan awal, normalisasi intensitas citra hasil segmentasi, ekstraksi ciri dan klasifikasi. Algoritma yang digunakan untuk ektraksi ciri tekstur telapak tangan adalah tapis Gabor 2-D sedangkan untuk mengklasifikasikan ciri dari tekstur telapak tangan digunakan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ). Pengujian dilaksanakan dengan program simulasi menggunakan perangkat lunak Matlab 7.12 (2011a). Pengenalan terhadap klasifikasi nilai vektor ciri pada setiap telapak tangan diperoleh dari banyaknya nilai pengenalan atau jumlah persentase setiap nilai vektor ciri terhadap nilai kelas target yang ditentukan. Persentase pengenalan terbaik adalah 87,5 % dari 40 citra uji dari 20 individu dengan 35 citra uji dikenali dengan tepat pada individunya sedangkan 5 citra uji lainnya dikenali sebagai individu yang salah.

Kata-kunci : telapak tangan, Tapis Gabor 2-D, Learning Vector Quantization

                                                                Abstract

Biometrics is a science concerning  from the methods for identifying a person which is based on natural characteristics of human. Palmprint is one of the organs of human body that can be used as identification because it is uniqueness. Each palm has a unique detail and texture characteristics based on the main lines (principal-line features) and tangles characteristic lines (wrinkles features), even different between the right and left hand. Palms also can not be changed and stable for decades, so it can be used in the identification system. In this research, the identification process consists of data acquisition, intensity normalization  results of image pre-processing segmentation, feature extraction and classification. The algorithm used for the extraction features of texture palmprint is 2-D Gabor filter and to classify the texture characteristics of the textural feature palmprint will be used Neural Network Learning Vector Quantization (LVQ). Some tests were conducted by using the software simulation program Matlab 7:12 (2011a). Classification for recognizing feature vector value of iris has been found from the recognized value or total percentage of  feature vector iris value to the definite vector target.  Best recognition percentage is 87,5% of 40 test images of 20 individuals with 35 test images correctly identified on individual test images, while 5 other individuals as wrong recognized .

Keywords: palmprint, 2-D Gabor filter, Neural Network Learning Vector Quantization (LVQ)