IDENTIFIKASI BIOMETRIK FINGER KNUCKLE PRINT MENGGUNAKAN FITUR EKSTRAKSI PCA DAN GLCM

Penelitian biometrik terus berkembang hingga saat ini, salah satunya adalah Finger Knucke Print. Finger Knuckle Print merupakan sebuah biometrik varian baru karena dianggap unik dan aman. Kelebihan dari Finger Knuckle Print lainnya adalah bahwa permukaan luar dari punggung jari memiliki fitur garis yang lebih jelas dari permukaan telapak tangan. Dalam penelitian kali ini peneliti ingin mengidentifikasi biometrik finger knuckle print dengan menggabungkan fitur estraksi Principal Component Analysis (PCA) dan Gray level co-occurrence matrix (GLCM). Dengan tujuan mengetahui teknik penggabungan antara PCA dan GLCM, pengaruh preprocessing dan seberapa baik penggunaan pencocokan dengan Chi Square.Tahapan penelitian dimulai dari persiapan citra ROI finger knuckle print, selanjutnya citra ROI akan di tingkatkan kualitasnya(untuk FKP yang menggunakan peningkatan citra), hasil dari peningkatan citra tersebut akan di ekstraksi fiturnya dengan menggunakan PCA dan GLCM. Tahap berikutnya adalah melakukan pencocokan antara citra latih dan citra uji, dengan cara mengukur jarak kemiripan dengan menggunakan Chi Square yang dilakukan secara berulang-ulang. Pada tahap akhir, hasil dari pencocokan tersebut akan dihitung tingkat akurasi. Dari penelitian ini peneliti berhasil menggabungkan PCA dan GLCM dengan teknik fusion. Penggunaan preprocessing menaikan akurasi GLCM, namun menurunkan akurasi PCA. Penggabungan PCA dan GLCM ini, dari sisi GLCM mengalami kenaikan akurasi, sedangkan dari sisi PCA ada kenaikan dan ada penurunan akurasi dengan pencocokan Chi Square