EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN

Abstract

Abstrak

Kelebihan menggunakan unsur biometrik dari tubuh manusia dalam proses pengenalan seperti tidak dapat disangkal karena diperlukan kehadiran langsung pengguna. Garis-garis utama telapak tangan pada setiap orang tidaklah sama, sehingga karakteristik unik ini dapat digunakan pada sistem pengenalan. Pada penelitian ini dibuat program pengenalan telapak tangan dengan ekstraksi ciri menggunakan metode alihragam gelombang singkat Haar dan  jarak Euclidean sebagai metode pengenalannya. Citra telapak tangan yang menampilkan garis-garis utama didekomposisi alihragam gelombang singkat Haar untuk mendapatkan koefisien yang akan digunakan untuk mendapatkan jarak Euclidean minimum. Pada penelitian ini dilakukan percobaan dengan variasi jumlah data latih dan variasi aras dekomposisi. Berdasarkan penelitian menunjukan bahwa pengenalan tertinggi terdapat pada penggunaan 7 data latih yaitu 97,1%  dan terendah dengan penggunaan 1 data latih yaitu 41,8%. Pengenalan tertinggi pada variasi aras dekomposisi adalah 100% pada aras 1 yang menggunakan 7 data latih, 98,4%  pada aras 2 yang menggunakan 3 data latih dan 61,7% pada aras 1 yang menggunakan 1 data latih, sedangkan pengenalan terendah pada aras 4 yang berturut-turut menggunakan 7, 3, dan 1 data latih adalah 95%, 75%, dan 22%. Pengenalan tertinggi citra luar dengan nilai ambang sebesar 90% pada aras 1 yang menggunakan 7 data latih.

Kata Kunci :Telapak tangan, dekomposisi, alihragam gelombang singkat Haar, jarak Euclidean

Abstract

The advantageous using biometric recognition method is undeniable because needs user’s presence. Palm’s main lines are not identical so that these can be used in the recognition system. In this study, a recognition system using human palm based on Haar’s wavelet transform method and Euclidean distance was made. The palm image that shows palm’s main lines which then decomposed based on Haar’s wavelet transform method. The coefficient obtained from this process then used to determine minimum Euclidean distance. Experiments were performed during the research using some variations on validation data stored and decomposition level. The result has shown that the highest recognition which is 97,1%  was obtained when using 7 validation data and the lowest, 41.8%, was obtained when using 1 validation data. The highest recognition on decomposition level was 100% in level 1 when using 7 validation data; 98,4% in level 2 when using 3 validation data and 61,7% in level 1 when using 1 validation data. While the lowest recognition was obtained in level 4 when using 7, 3, and 1 validation data and has shown 95%, 75%, and 22%. The highest recognition in outer image resulted in 90% was obtained in level 1 using 7 validation data.

Keywords: Palm print, decomposition, Haar wavelet transform, Euclidean distance