Sistem Biometrik Berbasis Pola Telapak Tangan Dengan Menggunakan Metode Local Binary Pattern dan Probabilistic Neural Network

ABSTRAKSI: Sistem biometrik merupakan sistem identifikasi yang sangat populer untuk digunakan dalam dunia penelitian, khususnya di bidang teknologi informasi. Di antara sistem biometrik yang ada , pengenalan telapak tangan merupakan biometrik yang paling reliable untuk digunakan , karena : mudah diamati , mempunyai ciri khas yang sangat unik di setiap orang serta mempunyai bentuk yang cenderung lebih stabil jika dibandingkan jenis biometrik yang lain.Dalam penelitian ini ditawarkan salah satu cara pengenalan telapak tangan untuk pengenalan identitas manusia. Sistem yang dibangun memiliki cara ekstraksi Range of Interest (ROI) dari citra telapak tangan secara otomatis dengan penentuan titik valley telapak tangan yang menggunakan algoritma CHVD. Metode lain yang digunakan dalam penelitian ini adalah Local Binary Pattern (LBP) dan Probabilistic Neural Network (PNN). Local Binary Pattern (LBP) sebelumnya sering digunakan untuk kasus pengenalan wajah maupun dalam kasus pengenalan pola lainnya. LBP menghasilkan data ciri hasil perhitungan kode LBP dari dengan membentuk matriks ketetanggaan yang berupa angka biner sebesar 2�� (n = jumlah cek point matriks). Angka biner tersebut nantinya diubah ke dalam desimal kemudian dikumpulkan secara keseluruhan dan membentuk histogram baru yang menggambarkan data ciri dari citra telapak tangan yang diamati. Data ciri dari citra telapak tangan inilah yang nantinya akan dikenali sebagai ciri dan kemudian ciri tersebut akan diolah lebih lanjut untuk dilakukan proses feature matching dengan menggunakan metode Probabilistic Neural Network.Data keseluruhan yang digunakan dalam tugas akhir ini berjumlah 1100 citra telapak tangan yang diperoleh dengan menggunakan kamera digital. Pengujian sistem dilakukan dengan cara mengukur pengaruh parameter terhadap performansi sistem. Parameter – parameter yang akan diuji adalah nilai parameter smoothing, banyaknya data latih dan data uji yang digunakan, serta parameter pada metode Local Binary Pattern berupa jumlah cek poin, jumlah segmen citra, dan jenis segmentasi citra yang digunakan.Kata Kunci : Biometrik, pengenalan telapak tangan, algoritma CHVD, ekstraksi ROI ,ABSTRACT: Biometric identification system is a system that is very popular for use in the research world, particularly in the field of information technology. Among the existing biometric systems, palm print recognition is one of the most reliable biometric to use, because: easily observed, has a characteristic that is unique in every person and has a shape that tends to be more stable than other types of biometrics.This research offered a way for human palm print recognition . The system has a method for extracting Range of Interest ( ROI ) automatically form the palm image with palm valley point determination using CHVD algorithm . Another method used in this study is the Local Binary Pattern ( LBP ) and Probabilistic Neural Network ( PNN ) . Local Binary Pattern ( LBP ) is often used in the case of face recognition and other pattern recognition . LBP generate feature from the calculation of the LBP code form adjacency matrix in the form of binary numbers by ( n = number of check point matrix ) . Binary numbers are later converted into decimal and then collected as a whole-one and form a new histogram that describes the data features of the observed image. Data features from the palm image are the one what will be recognized as a feature and then the features will be further processed for feature matching process that carried out by using the Probabilistic Neural Network .All the data used in this thesis consist of 1100 palm images which acquired using a digital camera. Testing of the system was done by measuring the influence of parameters on the system performance. Parameters that will be tested ares the smoothing parameter values, the number of training data and test data are used in the system, as well as the parameters of the Local Binary Pattern method such as :a number of check points, the number of image segments, and the types of image segmentation that were used.Keyword: Biometrics , palm print recognition , CHVD algorithm , ROI extraction , Loca