Sistem Identifikasi Biometrik Finger Knuckle Print Menggunakan Histogram Equalization dan Principal Component Analysis (PCA)

Biometrik berbasis otentikasi pribadi adalah sebuah metode yang efektif untuk secara otomatis mengenali identitas seseorang. Biometrik adalah ilmu mengidentifikasi seseorang menggunakan fisiologis atau karakteristik. Sebuah sifat biometrik seperti Finger Knuckle Print (FKP) yang dimiliki seseorang adalah unik dan aman. Dari hasil penelitian menunjukan bahwa algoritma PCA memiliki tingkat akurasi rendah. Principal Component Anaysis (PCA) adalah suatu teknik reduksi dinamis dan ekstraksi fitur yang optimal jika dipandang dari sudut pandang teori informasi. Apakah penggunan teknik peningkatan citra bisa memaksimalkan tingkat akurasi pengolah citra menggunakan PCA. Salah satu teknik peningkatan citra adalah Histogram Equalization. Histogram Equalization adalah teknik peningkatan kontras dalam pengolahan gambar yang menggunakan histogram gambar. Dari hasil penelitian ini, sistem identifikasi biometrik finger knuckle print menggunakan algoritma principal component analysis dengan peningkatan citra histogram equalization menghasilkan tingkat akurasi lebih besar yaitu 94 % dibandingkan dengan tanpa peningkatan citra histogram equalization yang hanya memiliki tingkat akurasi 81,3 %. Masing-masing di teliti dengan jumlah citra uji 150 (masing-masing orang 3 citra uji) dan citra latih 250 (masing-masing orang 5 citra latih). Ini membuktikan bahwa penggunan teknik peningkatan citra bisa memaksimalkan tingkat akurasi pengolah citra menggunakan algoritma PCA