SISTEM IDENTIFIKASI GARIS UTAMA TELAPAK TANGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN JARAK EUCLIDEAN

Abstract

Abstrak

Identifikasi seseorang berdasarkan biometrik telah berkembang dengan pesat dikalangan akademik dan industri. Metode pengenalan identitas seseorang yang banyak digunakan berdasarkan nomor identitas unik (kunci fisik, kartu identitas dan lainnya) atau berdasarkan ingatan terhadap sesuatu (sandi rahasia dan lainnya). Metode tersebut banyak memiliki kekurangan di antaranya kartu identitas dapat hilang dan sandi dapat lupa dari ingatan seseorang. Dalam penelitian ini dibuat program pengenalan citra telapak tangan  dengan menggunakan metode Principal Components Analysis (PCA) dan jarak Euclidean. Dengan tujuan mendapatkan hasil pengenalan yang cukup baik untuk mengenali citra telapak tangan, dan memberikan saran untuk pengembangan sistem pengenalan telapak tangan agar semakin baik lagi. Dalam penelitian ini dinggunakan 150 citra latih dari 30 responden dan 60 citra uji dari 30 responden dan 10 responden uji di luar 30 responden dalam basisdata uji dan latih. Berdasarkan hasil pengujian pada tugas akhir ini, dengan variasi jumlah 50,75, dan 100  komponen utama dihasilkan tingkat pengenalan yang sama yaitu 90%. Sedangkan  pengujian menggunakan citra intensitas pencahayaan yang kurang, dihasilkan pengenalan yang sama, yaitu sebesar 90%. Namun untuk pengujian menggunakan 10 responden uji di luar 30 responden latih dan uji yang terdaftar dalam basisdata diperoleh hasil tidak dikenali  100%, hal ini sesuai dengan yang diharapkan dari aplikasi ini.

Kata kunci : Pengenalan telapak tangan, Principal Components Analysis (PCA), Jarak Euclidean

Abstract

Biometric identification has grown rapidly among civitas academica and industrial community. Person identity recognition methods which are widely used nowadays usually based on unique identification numbers (physical keys, identity cards etc.) or individual memory (password etc.). However, these methods tend to have many shortcomings such as identity cards could be lost and forgotten passwords from one’s memory. Biometric identifiers are often categorized as physiological (iris recognition, face detection, palm print, and fingerprint) or behavioral characteristics (voice and typing rhythm). This research is developed by palm print image recognition using Principal Components Analysis (PCA) and Euclidean distance. The objectives of this research are to find out a good palm print recognition and to recommend the development of palm print recognition in order to be better than before. This research involved 150 training images of 30 respondents, 60 experiment images from 30 respondents, and 10 experiment respondents out of those 30 respondents which participated in training and experiment database. Based on the experiment results in this final project, with variations in the amount of 50,75, 100 main components generated the same level of recognition which is 90 % . On the other hand, image testing by using low light intensity produced the same recognition which is 80 %. However, The experiments which involved 10 respondents out of 30 training and experimenting respondents which are listed in the database had resulted not recognized 100 % , which is in line with the expectations from this application.

Keywords: Palm print recognition, Principal Components Analysis (PCA), Euclidean Distance.