ANALISIS SISTEM VERIFIKASI DENGAN MENGGABUNGKAN BIOMETRIKA TELAPAK TANGAN DAN GEOMETRI TANGAN NASKAH PUBLIKASI
|
|
- Yanti Tan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS SISTEM VERIFIKASI DENGAN MENGGABUNGKAN BIOMETRIKA TELAPAK TANGAN DAN GEOMETRI TANGAN NASKAH PUBLIKASI disusun oleh Retno Ardhaningtyas Andari JURUSAN TEKNIK INFORMATIKA SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA YOGYAKARTA 2014
2
3 ANALYSIS VERIFICATION SYSTEM WITH COMBINING BIOMETRICS OF PALM AND HAND GEOMETRICS ANALISIS SISTEM VERIFIKASI DENGAN MENGGABUNGKAN BIOMETRIKA TELAPAK TANGAN DAN GEOMETRI TANGAN Retno Ardhaningtyas Andari Hanif Al Fatta Jurusan Teknik Informatika STMIK AMIKOM YOGYAKARTA ABSTRACT Advancement of communication networks and mobility tools need a reliable method to identify a person. Identification system development continues to be done so that the identification system that used not only using 2 methods, the identification system based on ownership ( possession based or "what you have" ) and identification system based on knowledge ( knowledge-based or "what you know" ). One way is the development of identification system by merger biometrics of palms and hand geometrics, that biometrics technology whose main function is to recognize humans through palms and hands geometric. The purpose of this study was to analyze the verification systems by combining palm biometric and hand geometrics as a multimodal biometrics system that combines (fussion) palm biometrics and hand geometrics for verification purposes. Characteristics (features) palm and hand geometrics are combined in two ways, namely the merger at characteristic representation level and the merger of decisions level. Both characteristic of biometrics is used in parallel with the results combined to draw conclusions of the verification process Later in its implementation, biometrics that combines Palm and Hand Geometry is created by using the C # programming language. The resulting application is an application to perform the verification process of biometrics analysis on each part until the withdrawal of the conclusion of a multimodal biometrics. Keywords : Biometrics, Palm, hand geometric, Multimodal Biometrics, C#, Verification
4 1. PENDAHULUAN Mengikuti kemajuan jaringan komunikasi dan mobilitas alat akan sangat dibutuhkan sebuah metode yang handal untuk mengidentifikasi seseorang. Perkembangan sistem identifikasi terus dilakukan agar sistem identifikasi yang dipakai tidak hanya menggunakan 2 metode konvensional ( tradisional ), yaitu sistem identifikasi berdasarkan kepemilikan ( possession based atau what you have ) dan sistem identifikasi berdasarkan pengetahuan ( knowledge based atau what you know ). Sistem identifikasi berdasarkan kepemilikan merupakan suatu proses pengamanan yang berdasarkan pada suatu benda ( token ) yang dimiliki seseorang, misalnya kartu dan kunci. Penggunaan kartu dan kunci memiliki kelemahan, seperti dapat dicuri atau hilang, dapat digunakan secara bersama-sama, dan mudah diduplikasi sehingga dapat disalahgunakan oleh pihak lain. Sedangkan sistem identifikasi berdasarkan pengetahuan adalah proses pengaman yang mempunyai sistem otentifikasi dengan jenis password atau PIN sebagai media utamanya. Penggunaan PIN dan password juga mempunyai kelemahan, seperti tidak ingat apabila terlalu panjang dan jika terlalu pendek akan sangat mudah ditebak oleh orang lain. 2. LANDASAN TEORI 2.1 Pengertian Biometrika Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh tertentu ( something what you are ) atau perilaku tertentu unik yang ada pada seseorang ( something what you do ). Kata biometrika berasal dari kata bios, yang berarti kehidupan, dan metron yang berarti ukuran sehingga biometrika dapat diartikan sebagai pengukuran karakteristik pembeda ( distinguishing traits ) pada badan atau perilaku seseorang yang digunakan untuk melakukan pengenalan secara otomatis terhadap identitas orang tersebut, dengan membandingkannya dengan karakteristik yang sebelumnya telah disimpan pada suatu database 1. Kebanyakan sistem biometrik menggunakan dua model operasi. Yang pertama adalah modus pendaftaran untuk menambahkan template ke dalam database, dan yang kedua adalah identifikasi, dimana sebuah template dibuat untuk perbandingan individu dan kemudian dicari dalam database ( Munir, 2004 ). Biometrik menunjukkan identifikasi otomatis dari seseorang berdasarkan phisiologikal atau karakter behavioral. Metode ini mengidentifikasi lebih daripada metode tradisional yang melibatkan password dan PIN. Biometrik mendeskripsikan fisik unik seseorang atau karakteristik behavioralnya. Karena fitur seseorang unik, biometrik merupakan cara untuk mengidentifikasi seseorang dengan latar belakang legal yang cukup ( Feng, H; & Chong Wa,C., 2002 ). Sistem akan mencari 1 Putra, Dharma. Sistem Biometrika, ( Edisi kesatu; Yogyakarta: ANDI, 2009 ), hal 23.
5 dan mencocokkan identitas seseorang dengan suatu basis data acuan yang telah disiapkan sebelumnya melalui proses pendaftaran. Teknologi identifikasi ini juga disebut dengan teknologi what you are dan bertujuan untuk meningkatkan keamanan sistem sehingga sistem mampu melakukan pengenalan diri dalam mengenali target dengan tepat. Sistem biometrika mempunyai keunggulan antara lain biometrika tidak dapat hilang ( fisik ) atau terlupa ( perilaku ) kecuali faktor trauma, biometrika sulit untuk di-kopi atau ditiru ataupun dipindah tangankan ke pihak lain dan biometrika mengharuskan orang yang bersangkutan untuk ada di tempat identifikasi dilakukan Pengukuran Kinerja Biometrika False Accept Rate ( FAR ) atau False Macth Rate ( FMR ), yaitu peluang alat identifikasi untuk menyatakan sah pada data yang sebenarnya tidak sah untuk data yang masuk 3. Sistem ini menyatakan adanya kesesuaian antara data yang masuk dan dianggap sah padahal data yang masuk adalah data yang tidak sah ( tidak sesuai ), sehingga orang yang tidak sah dapat diterima masuk sebagai orang yang sah ( Nugroho, 2009 ). Identifikasi ini termasuk dalam identifikasi Type II dalam bahasa ilmu statistik, yaitu kesalahan dalam membenarkan kesalahan yang sebenarnya salah ( Putra, 2009 ). False Eject Rate ( FRR ) atau False Nomacth Rate ( FNMR ), yaitu peluang alat tersebut menyatakan tidak sah terhadap data masuk yang sebenarnya sah. Sistem ini menyatakan tidak adanya kesesuaian antara data masuk dan data yang ada di dalam database, sedangkan data keduanya sebenarnya sesuai. Identifikasi ini termasuk dalam identifikasi Type I dalam bahasa ilmu statistik, yaitu kesalahan yang menyatakan kesalahan data yang sebenarnya data yang benar 4. Receiver ( relative ) Operating Characteristics ( ROC ), merupakan tingkat kepekaan alat yang dipengaruhi oleh FAR dan FRR. Tingkat kepekaan ini dapat diatur dan pengaturan ini akan menyebabkan trade of antara FAR dan FRR. Equal Error Rate ( EER ), merupakan tingkat persentasi yang menunjukkan bahwa bilangan FAR dan FRR sama. Untuk membandingkan 2 buah alat biometrika secara tepat, maka alat yang bilangan EERnya rendah dianggap lebih aktual. Failure to Enroll rate ( FTE atau FER ), merupakan tingkat persentase orang gagal mendaftar ( enroll ) ke sistem. Failure to Capture rate ( FTC ), merupakan tingkat persentase orang gagal terdeteksi oleh sistem dan Template Capacity merupakan jumlah maksimum orang yang dapat tersimpan pada alat sebagai data ( Nugroho, 2009 ). 3. ANALISIS SISTEM 2 Nugroho, Eko. Biometrika Mengenal Sistem Identifikasi Masa Depan. ( Edisi kesatu; Yogyakarta : ANDI, 2009 ), hal 2. 3 Nugroho, Eko.Ibid.hal 8. 4 Putra, Dharma.Ibid.hal 9.
6 3.1 Pra-Pengolahan Terdapat 4 tahap utama yang dilakukan pada tahap pra-pengolahan ( preprocessing ) antara lain adalah sebagai berikut : 1. Konversi citra tangan berwarna ke citra tangan beraraskan keabuan ( grayscale ). Proses konversi citra berwarna ke citra grayscale dapat dilakukan dengan perhitungan sebagai berikut : Dengan I ( x,y ) adalah nilai tingkat warna keabuan pada posisi ( x,y ), R menyatakan nilai komponen ruang warna merah, G menyatakan nilai komponen ruang warna hijau dan B menyatakan nilai komponen ruang warna biru. R, G, B merupakan nilai dari setiap pixel citra berwarna pada posisi ( x,y ). Gambar 3.1 Contoh Citra Tangan Berskala Keabuan 2. Konversi citra tangan beraraskan keabuan ke citra biner. Citra tangan biner dibutuhkan untuk menentukan daerah yang diminati atau region of interest ( ROI ) dari citra telapak tangan dan fitur geometri tangan. Proses konversi citra tangan beraraskan keabuan ke citra biner dapat dilakukan dengan cara sebagai berikut : 3. Dengan T adalah nilai ambang ( threshold value ) global, yang nilainya dihitung menggunakan metode otsu. Gambar 3.2 Contoh Citra Tangan Biner 4. Menentukan daerah yang diminati atau region of interest ( ROI ). Sistem verifikasi telapak tangan pada dasarnya adalah pencocokan fitur ROI telapak tangan yang diuji dengan fitur ROI telapak tangan acuan. Kesalahan dalam menentukan ROI dapat menurunkan unjuk kerja sistem. Untuk menentukan ROI telapak tangan, sistem ini menggunakan metode morphologi erosi (erosion morphological). Setiap
7 citra tangan biner dapat dianalisis dengan metode morphologi erosi menggunakan elemen yang berbentuk persegi guna menghasilkan ROI telapak tangan. Jika R adalah set elemen dengan pixel bernilai tidak nol pada citra biner ( pixel putih ) dan SE adalah set elemen dengan pixel bernilai tidak nol, maka metode morphologi erosi dapat dirumuskan sebagai berikut : Dengan SEg merupakan set elemen pembentuk yang digeser sebanyak g pixel dan tidak boleh keluar dari daerah citra biner. Pada sistem ini ukuran ROI telapak tangan adalah 160 x 160 pixel dan kelipatannya. Gambar 3.3 Elemen Pembentuk Persegi Gambar 3.4 Contoh gambar Geometri Tangan 5. Normalisasi intensitas citra ROI. Normalisasi ini bertujuan untuk mengurangi pengaruh pencahayaan yang berbeda saat akuisisi data. Proses normalisasi ini sangat penting dilakukan karena untuk mencegah adanya tambahan cahaya yang masuk. Gambar 3.5 Gambar Sebelum dinormalisasi (kiri) Sesudah dinormalisasi (kanan) 3.2 Ekstraksi Fitur 1. Ekstraksi Fitur Telapak Tangan, tahapan ini mempunyai 3 tahapan yaitu : a. Deteksi garis-garis telapak tangan. Garis-garis telapak tangan yang masih bercampur dengan latar di belakangnya perlu diperjelas. Untuk memperjelas garis telapak tangan dapat menggunakan metode deteksi garis ( line detection ). Metode ini akan mendeteksi garis-garis telapak tangan dalam arah 0 o, 45 o, 90 o, 135 o sehingga akan diperoleh 4 citra yang masing-masing menunjukkan
8 citra ke dalam empat 4 sudut tersebut. Citra akhir diperoleh dengan mencari nilai maksimum dari keempat citra tersebut. b. Membagi citra telapak tangan ke dalam blok-blok. Citra telapak tangan yang telah mengalami proses deteksi garis dibagi ke dalam blok-blok. Terdapat dua model pembagian blok, yaitu pembagian blok yang saling tumpang tindih dan pembagian blok yang tidak saling tumpang tindih. c. Membentuk vektor fitur telapak tangan. Setiap blok kemudian dihitung nilai standar deviasi ( σ ), dengan ( µ ) menyatakan nilai rata-rata yang dapat dihitung dengan rumus : Dengan M menyatakan jumlah seluruh pixel pada setiap blok dan X adalah sebagai nilai pixelnya. Vektor fitur telapak tangan dapat dibentuk dengan cara sebagai berikut : Dengan σi menyatakan nilai standar deviasi blok ke-i dan N menyatakan jumlah keseluruhan blok. 2. Ekstraksi Fitur Geometri tangan. Vektor fitur geometri tangan dapat dinyatakan sebagai berikut : Dengan N = 16. Nilai g1 sampai gn dapat dilihat pada gambar di bawah ini. Gambar 3.6 Pengambilan Fitur Geometri Tangan Titik awal ( x1, y1 ) dan titik akhir ( x2, y2 ) untuk setiap fitur geometri tangan ditentukan secara tetap melalui proses uji coba. Dengan mengetahui titik awal dan titik akhir penghitungan maka panjang atau lebar masing- masing fitur dapat diperoleh dengan menggunakan rumus garis berikut : Keseluruhan tahapan dari konversi ke citra grayscale sampai perhitungan telapak tangan dan geometri tangan adalah sebagai berikut : Gambar 3.7 Keseluruhan Proses Cita Telapak Tangan
9 Gambar 1 merupakan hasil dari pencarian telapak tangan yang akan diproses untuk keperluan uji citra (verifikasi). Gambar 2 adalah proses dimana hasil citra grayscale pada gambar 1 di normalisasi untuk mengurangi intensitas cahaya yang masuk. Gambar 3 adalah gambar dimana citra hasil normalisasi di cari daerah dominannya ( range of interest ). Gambar 4 adalah gambar dimana citra tangan dicari atau dideteksi garisnya untuk keperluan uji citra dan gambar 5 adalah hasil biner dari pemrosesan citra tangan. Gambar 3.8 Keseluruhan Proses Cita Geometri Tangan Gambar 1 merupakan hasil dari konverter citra tangan berscala keabuan yang akan diproses untuk keperluan uji citra (verifikasi). Gambar 2 adalah proses dimana hasil citra grayscale pada gambar 1 di normalisasi untuk mengurangi intensitas cahaya yang masuk. Gambar 3 adalah gambar dimana citra hasil normalisasi di cari daerah dominannya ( range of interest ). Gambar 4 adalah gambar dimana citra tangan dicari atau dideteksi garis tepinya untuk keperluan uji citra dan gambar 5 adalah hasil biner dari pemrosesan citra geometri tangan. 3.3 Pencocokan Fitur Sistem ini menggunakan jarak euclidean ternormalisasi ( normalized Euclidean distance ) untuk mencocokkan dua vektor fitur biometrika. Jarak euclidean ternormalisasi dari dua vektor fitur u dan v adalah sebagai berikut : Dengan v disebut norm dari v yang dinyatakan sebagai : Semakin kecil skor đ (u,v) maka semakin mirip kedua vektor fitur yang dicocokkan. Sebaliknya, semakin besar skor đ (u,v) maka semakin berbeda kedua vektor itu. Sifat dari jarak Euclidean ternormalisasi adalah hasil berada pada rentang 0 đ (u,v) 2. Untuk memudahkan proses pengambilan keputusan maka digunakan metode pengukuran kesamaan (similarity measure). Semakin tinggi skor yang diperoleh maka kemungkinan besar pengguna adalah sah. Demikian pula sebaliknya. Skor pengukuran kesamaan ini berada di antara rentang 0 sampai dengan 1 yang didapat dengan rumus : 4. IMPLEMENTASI DAN PEMBAHASAN
10 5.1 Konversi Citra Berwarna ke Citra Grayscale Citra yang dihasilkan pada tahap akuisisi citra adalah citra berwarna sehingga perlu dikonversi ke citra grayscale. Modul dalam pembuatan aplikasi sistem verifikasi biometrika adalah sebagai berikut : 5.2 Pengambangan dengan Metode Otsu Pada modul ini, input citra berupa citra beraraskan keabuan dengan format pixel minimal 8 bit. Nilai ambang t ditentukan dengan mencari nilai k yang optimal. Nilai ambang t yang diperoleh digunakan oleh fungsi thresholding untuk membentuk citra biner. 5.3 Menentukan ROI Telapak Tangan ROI ( range of interest ) telapak tangan diperoleh dengan menggunakan metode morphologi erosi dengan memperkecil ukuran citra dan menyisakan daerah residu untuk
11 mendapatkan titik tengah ROI yang ditentukan. Modul dalam pembuatan aplikasi sistem verifikasi biometrika adalah sebagai berikut : 5.4 Normalisasi Intensitas Citra Telapak Tangan Normalisasi intensitas citra ROI bertujuan untuk mengurangi pengaruh pencahayaan yang berbeda saat akuisisi citra. Modul untuk normalisasi intensitas citra tangan adalah sebagai berikut : 5.5 Pembahasan Database Penyimpanan fitur ke File basis data dilakukan untuk keperluan penyimpanan fitur ke hardisk (file). Dalam proses ini digunakan beberapa struktur data antara lain adalah
12 penyimpanan data yang ada di MySql dan folder. Untuk penyimpanan di MySql sistem perlu dihubungkan agar terjalin komunikasi dari sistem ke Direktori penyimpanan data. Untuk cek ID pengguna menggunakan program sebagai berikut : Yang kemudian sistem akan membaca program yang diminta untuk mencari ID dari pengguna : Sedangkan penyimpanan pada folder, penyimpanan citra dilakukan secara manual : Gambar 4.8 Penyimpanan Citra dalam Folder Dan penyimpanan laporan baik laporan user maupun laporan uji citra juga diarahkan oleh sistem ke penyimpanan yang berupa.txt 5.6 Pembahasan Registrasi Pengguna Registrasi pengguna memberikan fitur pendataan penggguna baru untuk dapat menggunakan sistem verifikasi ( uji citra ), cara input citra baik real time atau mengambil citra yang telah diolah hingga analisis dari masing-masing pengolahan citra. Gambar 4.9 Inputan Data Pengguna Pembuatan inputan data pengguna yang dihubungkan ke database menggunakan modul program berikut :
13 Pada proses registrasi pengguna, citra telapak tangan dan geometri tangan diambil beberapa kali kemudian dihitung fiturnya dan diambil fitur rata-ratanya. Fitur rata-rata ini disimpan ke dalam database beserta identitas dari pengguna untuk proses pengujian. Fitur yang disimpan dalam database adalah fitur telapak tangan, fitur geometri tangan dan fitur gabungan antara fitur telapak tangan dengan fitur geometri tangan. Fitur telapak tangan dan fitur geometri tangan masing-masing akan digunakan untuk penggabungan pada tingkat keputusan ( skor ), sedangkan fitur gabungan keduanya akan digunakan untuk penggabungan pada tingkat representasi fitur. Gambar 4.10 Citra Input Registrasi 5.7 Pembahasan Uji Citra Pengujian citra memberikan fitur dimana penggguna dapat menggunakan sistem verifikasi, cara input citra baik real time atau mengambil citra yang telah diolah hingga analisis dari masing-masing pengolahan citra yang diujikan. Gambar 4.11 Pengujian Citra
14 5.8 Proses Implementasi Pengguna Baru Gambar 4.12 Implementasi Pengguna Baru Dengan terdaftarnya pengguna, maka pengguna dengan bebas dapat menggunakan sistem verifikasi dari simulasi hingga proses verifikasi.pengguna akan diarahkan untuk menggunakan aplikasi secara menyeluruh. Dalam implementasi pengguna baru, harus ada koneksi sistem dengan MySql. 5.9 Proses Implementasi Analisis Telapak Tangan Gambar 4.13 Implementasi Analisis Telapak Tangan Dalam implementasinya, Pengguna dapat melihat langkah-langkah dalam melakukan verifikasi terutama untuk verifikasi telapak tangan tahap demi tahap. Hal yang sama dalam penggunaan Analisis Geometri Tangan Proses Implementasi Analisis Geometri Tangan
15 Gambar 4.13 Implementasi Analisis Geometri Tangan 5.11 Proses Implementasi Uji Citra Gambar 4.15 Implementasi Uji Citra Pengujian citra memberikan fitur dimana penggguna dapat menggunakan sistem verifikasi, cara input citra baik real time atau mengambil citra yang telah diolah hingga analisis dari masing-masing pengolahan citra yang diujikan. Untuk proses pengujian, citra tangan akan diuji secara bertahap dari palm pixel, palm score, geometri pixel, geometri score, representasi fussion, dan decission fussion. Kemudian sistem akan melihat apakah pemilik citra tangan dinilai valid atau tidak. Untuk pengujian palm pixel dan palm score apabila tidak valid, maka sistem tidak akan menampilkan pesan. Namun apabila palm pixel dan palm score dianggap valid, maka sistem akan menampilkan pesan sebagai berikut : Gambar 4.16 Palm Pixel dan Palm Score Valid
16 Apabila geometri pixel dan geometri score dianggap valid, maka sistem akan menampilkan pesan sebagai berikut : Gambar 4.17 Geometri Pixel dan Geometri Score Valid Apabila representasi fussion dan decission fussion dianggap valid, maka sistem akan menampilkan pesan sebagai berikut : Gambar 4.18 representasi fussion dan decission fussion Valid Kemudian sistem akan melihat apakah pemilik citra tangan dinilai valid atau tidak. Apabila sistem melihat pengujian citra valid, maka sistem akan menampilkan pesan sebagai berikut : Gambar 4.19 User Diaggap Valid Setelah pengujian dianggap valid, maka sistem akan menampilkan siapa pemilik citra tangan yang diujikan Unjuk Kerja Sistem Verifikasi Gambar 4.20 Pemilik Citra Uji
17 Gambar 4.21 Unjuk Kerja Sistem Verfikasi Pengguna dengan nomor ID 0003 mempunyai lima citra uji yang tidak valid. Hal ini dikarenakan pengguna yang melakukan verifikasi bukan pengguna yang berhak atau bukan pengguna sebenarnya. Tabel 4.1 Perbandingan Hasil Pengujian ID Untuk pengujian nomor ID 0001 dinyatakan valid, akan tetapi ada sisi dimana citra uji dinyatankan tidak valid, yaitu pada pengujian geometri pixel. Hal ini bisa saja terjadi karena pada saat penggambilan citra, posisi berpindah secara tidak sengaja, intensitas cahaya yang berbeda ( lebih terang atau lebih gelap ). Tabel 4.2 Perbandingan Hasil Pengujian ID Penyebab Kegagalan Verifikasi Pada saat pengambilan citra, pergeseran citra dapat saja terjadi. Hal ini disebabkan oleh posisi kamera, papan alas yang tidak tetap serta pengambilan gambar pada berbagai kondisi, baik di dalam maupun di luar ruangan. Untuk mengetahui pengaruhnya terhadap sistem maka sistem kembali diuji dengan menggunakan nilai ambang optimal. Hal-hal yang menyebabkan kegagalan pada sistem yang terdiri dari data nilai ambang, data statistik skor dari masing-masing metode dan tingkat kesalahan yang terjadi.
18 Gambar 4.22 Perbandingan Citra Tidak Valid Pada file log di atas tampak kotak yang menandai pengguna yang seharusnya diterima oleh sistem, tetapi ternyata ditolak. Sebagai contoh adalah pengguna dengan ID Untuk mengetahui mengapa pengguna ini ditolak maka pengguna ini diuji dengan form form Analisis Geometri Tangan karena penolakan terjadi pada geometri tangan pengguna. Gambar 4.23 Citra Uji Bergeser 1 (kiri) Citra Uji Bergeser 2 (kanan) Pada tabel uji citra tampak citra uji mengalami pergeseran yang cukup signifikan, menyamai ukuran blok telapak tangan sehingga tentu saja terjadi perbedaan satu baris blok pada ekstraksi fitur. Sedangkan pada geometri tangan, pergeseran tersebut terjadi karena bergesernya sumbu perhitungan sehingga memberikan hasil pengukuran fitur geometri tangan yang berbeda. Berdasarkan analisis penyebab kegagalan di atas maka dapat disimpulkan bahwa perbaikan teknik pengambilan citra ( modul akuisisi citra ) akan dapat memperbaiki unjuk kerja sistem KESIMPULAN 1. Aplikasi Verifikasi Biometrika dibuat sebagai aplikasi pendukung yang berfungsi sebagai media analisis yang telah menjadi pembuktian kinerja dari sistem verifikasi penggabungan biometrika telapak tangan dan geometri tangan. 2. Sistem yang dibuat telah mampu digunakan sebagai analisator kinerja dari sistem analisis biometrika telapak tangan dan geometri tangan. 3. Sistem mampu melakukan proses registrasi yang dibutuhkan oleh sistem untuk menyimpan data biometrik individu yang sudah terdaftar, mampu melakukan proses pemisahan fitur (feature extraction), mampu melakukan pencocokan (matching) dari skor-skor yang dihasilkan, mampu melakukan penggabungan fitur (feature fussion) untuk menggabungkan fitur telapak tangan dan geometri tangan, serta mampu
19 mengambil keputusan (decission) untuk memutuskan apakah hasil verifikasi yang didapat cocok atau tidak. 4. Sistem mampu menampilkan hasil analisis yang didapat dari verifikasi biometrika sehingga dapat dianalisis lebih lanjut sebagai penelitian atau sebagai pembuktian kinerja sistem biometrika untuk diimplementasikan. 5. Sistem verifikasi dengan menggabungkan biometrika telapak tangan dan geometri tangan mampu dijadikan sebagai salah satu solusi pengembangan dari pengenalan identitas yang masih menggunakan metode konvensional dengan menggunakan biometika yang aman, murah, mudah dan ramah lingkungan. 6. Analisis dan aplikasi yang dihasilkan belum dapat digunakan sebagai alat untuk memenuhi keperluan aplikasi sipil atau aplikasi komersial karena pengimplementasian sistem verifikasi yang dibuat belum memenuhi standar ( masih menggunakan alat sederhana ) SARAN 1. Penyebab Kegagalan Verifikasi a. Citra tangan yang diinputkan masih menggunakan input citra tangan yang telah diolah akan tetapi peneliti telah membuat input citra tangan menggunakan webcam tetapi hasil yang diharapkan kurang sempurna. Diharapkan pembaca mampu menyempurnakan penggunaan webcam atau dengan menggunakan scanner tangan. b. Menggunakan kamera berkekuatan 2 MP dan hanya mengambil 5 citra untuk setiap user. Sedangkan untuk pengambilan gambar setiap user hanya diambil citra tangan sebelah kanan saja atau kiri saja. Diharapkan kepada pembaca untuk menggunakan kamera dengan resolusi lebih agar citra tangan yang dihasilkan lebih baik dan pembaca mampu menggabungkan citra kiri maupun kanan dari setiap user. c. Pengambilan citra tangan dalam bagian akuisisi citra ( image aquisition ) masih menggunakan papan dengan pasak ( pegs ) yang telah ditentukan posisi penempatan pasaknya untuk layak digunakan dalam beberapa ukuran tangan dan peneliti telah menentukan jarak kamera dengan papan pegs agar kamera tidak akan mudah berubah, akan tetapi intensitas pencahayaan masih mungkin terjadi, sehingga pembaca harus mampu meminimalisir pencahayaan yang ada. Dalam penelitian ini, peneliti mengambil solusi memberikan normalisasi intensitas pada citra tangan yang diolah di dalam sistem. 2. Implementasi Sistem Verifikasi Pengimplementasian sistem verifikasi yang dibuat belum memenuhi standar ( masih menggunakan alat sederhana ) sehingga aplikasi yang dihasilkan belum dapat
20 digunakan sebagai alat untuk memenuhi keperluan aplikasi sipil atau aplikasi komersial. Maka diharapkan kepada pembaca untuk mampu mengimplementasikan sistem ini pada aplikasi sipil maupun komersial. DAFTAR PUSTAKA Al Fatta, Hanif Analisis dan Perancangan Sistem Informasi untuk Keunggulan Bersaing Perusahaan dan Organisasi Modern. Yogyakarta : ANDI offset. Munir, Rinaldi. 18 Juni Penggunaan Tanda-Tangan Digital untuk Menjaga Integritas Berkas Perangkat Lunak, Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005). Feng, H; & Chong Wa,C Private Key Generation from On-Line Handwritten Signature, Information Management and Computer Security, Emerald journal 10 (4). Jain A.K, Ross A., Pankanti S., 1999, A Prototype Hand Geometry-based Verification System, IEEE Trans. On Circuits and System for Video Technology, 4 (1). Jeffery L. Whitten, dkk Metode Desain & Analisis Sistem. Yogyakarta : ANDI Offset. Jogiyanto, HM Analisis & Desain Sistem Informasi : Pendekatan Terstruktur Teori dan Praktik Aplikasi Bisnis. Yogyakarta : ANDI Offset. Kadir Abdul & Susanto, Adhi Teori Aplikasi Pengolahan Citra. Yogyakarta: ANDI Offset. Kusrini Strategi Perancangan dan Pengolahan Basis Data. Yogyakarta: ANDI Offset. Munir, Rinaldi Penggunaan Tanda Tangan Digital untuk Menjaga Integritas. Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005). Munir, Rinadi Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Informatika. Nugroho, Adi Membangun Aplikasi Basis Data Menggunakan C# dan SQL Server.Yogyakarta: ANDI Offset. Nugroho, Eko Biometrika Mengenal Sistem Identifikasi Masa Depan. Yogyakarta : ANDI Offset. Prahasta, Eddy Konsep-Konsep Dasar Sistem Informasi Geografis. Bandung : INFORMATIKA. Putra, Dharma Sistem Biometrika. Yogyakarta : ANDI offset R.C. Gonzales, R.E. Woods, Digital Image Processing. Ed. 2nd Weber, Ron (1999), Information Systems Control and Audit, Prentice Hall. Whitten, L.J, Bentley, D.L & Dittman, C.K System Analysis and Design Methods, USA Mc Grawhill, Inc.
Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor
1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinciSISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR
SISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR Oleh: Ahmad Sirojuddin Luthfi - 1210100052 Dosen Pembimbing : Drs. Nurul
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciPengujian Pengenalan Wajah Menggunakan Raspberry Pi
Pengujian Pengenalan Wajah Menggunakan Raspberry Pi 1 Irvan Budiawan, 2 Andriana Prodi Teknik Elektro, Universitas Langlangbuana Bandung JL. Karapitan No.116, Bandung 40261 E-mail: 1 budiawan.irvan@gmail.com
Lebih terperinciIDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK
IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID Disusun Oleh : Robin Yosafat Saragih (1022076) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
Lebih terperinciBAB I PENDAHULUAN. a. Universal (universality), dimana karakteristik yang dipilih harus dimiliki oleh setiap orang.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berdasar dari ciri atau tanda dari seseorang maka identitas seseorang itu dapat diketahui. Permasalahan yang menyangkut identitas seseorang tersebut dapat dikategorikan
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM (SIFT) Vikri Ahmad Fauzi (0722098) Jurusan Teknik Elektro email: vikriengineer@gmail.com
Lebih terperinci1. Pendahuluan. 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari
48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file).
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciPENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI JARAK EUCLIDEAN TERNORMALISASI SKRIPSI FUJI FRILLA KURNIA
PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI 09PENGENALAN GARIS TELAPAK TANGAN DENGAN MENGGUNAKAN FITUR EKSTRAKSI OPERASI BLOK FITUR OPERASI NON-OVERLAPPING BLOK NON-OVERLAPPING DAN PENCOCOKAN
Lebih terperinciI. PENDAHULUAN. istem biometrika merupakan teknologi pengenalan individu dengan menggunakan bagian tubuh atau
1 Sistem Pengenalan Individu Melalui Identifikasi Telapak Tangan dengan Menggunakan Matriks Ahmad Sirojuddin Luthfi dan Nurul Hidayat Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA SILUET ORANG BERJALAN MENGGUNAKAN SUDUT SETENGAH KAKI
IDENTIFIKASI SESEORANG BERDASARKAN CITRA SILUET ORANG BERJALAN MENGGUNAKAN SUDUT SETENGAH KAKI Disusun Oleh: Nama : Edy Kurniawan NRP : 0922023 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciAnalisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi Ciri Principal Component Analysis (PCA) dan Overlapping Block
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Analisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih terperinciSISTEM PENGENALAN BERDASARKAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN PERAMBATAN BALIK
SISTEM PENGENALAN BERDASARKAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN PERAMBATAN BALIK Melly Arisandi *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciIDENTIFIKASI TELAPAK TANGAN (PALMPRINT) DENGAN EKSTRAKSI FITUR DIMENSI FRAKTAL DAN LACUNARITY ABSTRAK
IDENTIFIKASI TELAPAK TANGAN (PALMPRINT) DENGAN EKSTRAKSI FITUR DIMENSI FRAKTAL DAN LACUNARITY Suriyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya nuri_lewa@yahoo.com ABSTRAK Sistem pengenalan diri
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manuasia. Biometrika telah lama dikenal sebagai pendekatan yang
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciSISTEM IDENTIFIKASI BERDASARKAN CIRI GARIS-GARIS UTAMA TELAPAK TANGAN MENGGUNAKAN METODE OVERLAPPING BLOCK
SISTEM IDENTIFIKASI BERDASARKAN CIRI GARIS-GARIS UTAMA TELAPAK TANGAN MENGGUNAKAN METODE OVERLAPPING BLOCK Ilham Mughni ), Maman Somantri ), Rizal Isnanto ) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciIMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinciBAB I PENDAHULUAN. masalah, rumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang masalah, identifikasi masalah, rumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini. 1.1 Latar
Lebih terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciIdentifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciAPLIKASI BIOMETRICS TELAPAK TANGAN MENGGUNAKAN PERBANDINGAN HISTOGRAM
APLIKASI BIOMETRICS TELAPAK TANGAN MENGGUNAKAN PERBANDINGAN HISTOGRAM Freska Rolansa Jurusan Teknik Elektro Politeknik Negeri Pontianak Email freska_ynz@yahoo.co.id Abstrak: Keamanan informasi merupakan
Lebih terperinciTugas Teknik Penulisan Karya Ilmiah. M.FAIZ WAFI Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya
Tugas Teknik Penulisan Karya Ilmiah Sistem Identifikasi Biometrik Finger Knuckle Print Menggunakan Histogram Equalization dan Principal Component Analysis (PCA) M.FAIZ WAFI 09121001043 Sistem Komputer
Lebih terperinciANALISA DETEKSI KELOMPOK USIA DAN GENDER BERDASARKAN KONTUR WAJAH DENGAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) WAJAH DENGAN PENGOLAHAN CITRA DIGITAL Marlina Novalinda Br Purba¹, Achmad Rizal², Suryo Adhi Wibowo³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Teknologi pengolahan
Lebih terperinciBAB I PENDAHULUAN. perkembangan zaman dan teknologi, teknik pengenalan individu secara
BAB I PENDAHULUAN 1.1 Latar Belakang Untuk mengontrol akses menuju suatu wilayah atau material yang dilindungi, dibutuhkan teknik pengenalan individu yang handal. Seiring dengan perkembangan zaman dan
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN PERHITUNGAN JARAK ANTAR TITIK PADA TANDA TANGAN
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN PERHITUNGAN JARAK ANTAR TITIK PADA TANDA TANGAN Ratnadewi 1, Ardhi Prasetya 2 Jurusan Teknik Elektro, Fakultas Teknik Universitas Kristen Maranatha Jalan Prof. Drg.
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciBAB I PENDAHULUAN. perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika penulisan dari Tugas Akhir ini. 1.1
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciVERIFIKASI TANDA TANGAN DENGAN METODE JARINGAN SYARAF TIRUAN HETEROASSOCIATIVE MEMORY ABSTRAK
VERIFIKASI TANDA TANGAN DENGAN METODE JARINGAN SYARAF TIRUAN HETEROASSOCIATIVE MEMORY Disusun oleh : Fabiola Zita Devy C. 0722085 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinciSIMULASI MODEL RAMBUT UNTUK APLIKASI SALON KECANTIKAN
SIMULASI MODEL RAMBUT UNTUK APLIKASI SALON KECANTIKAN Vivy Viliana Halim Jurusan S1 Sistem Komputer Fakultas Teknik Universitas Kristen Maranatha Jl. Prof. drg. Suria Sumantri No. 65, Bandung 40164 email:
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciPENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan
PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan 6907040024 Fajar Indra 6907040026 ABSTRACT Face recognition
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciIDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI
IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI Harry Santoso Program Studi Teknik Informatika, Unika Soegijapranata Semarang harrysantoso888@gmail.com Abstract Signature is a proof
Lebih terperinciDETEKSI KERUSAKAN JALUR PCB (PRINTED CIRCUIT BOARD) MENGGUNAKAN METODE TEMPLATE MATCHING
DETEKSI KERUSAKAN JALUR PCB (PRINTED CIRCUIT BOARD) MENGGUNAKAN METODE TEMPLATE MATCHING Wahyu Nugroho Abstract - Template matching is a technique in digital image processing functions to match each part
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN METODA PHASE ONLY CORRELATION ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN METODA PHASE ONLY CORRELATION Roland Stefanus Weku (0822092) Jurusan Teknik Elektro email: rolandweku@gmail.com ABSTRAK Pembuluh darah
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciPENGENALAN CITRA RETINA MENGGUNAKAN METODE NON OVERLAPPING BLOCK DAN JARAK EUCLIDEAN
PENGENALAN CITRA RETINA MENGGUNAKAN METODE NON OVERLAPPING BLOCK DAN JARAK EUCLIDEAN Septihadi Klinsman Siboro, Ajub Ajulian Zahra, and R. Rizal Isnanto Departemen Teknik Elektro, Universitas Diponegoro
Lebih terperinciBAB 3 METODOLOGI. 3.1 Kerangka Pikir
BAB 3 METODOLOGI 3.1 Kerangka Pikir Pengenalan sidik jari merupakan salah satu metode yang diterapkan pada teknologi yang digunakan manusia seperti pada mesin absensi, alat pengamanan pada brankas dan
Lebih terperinciSISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING
SISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING Disusun Oleh : Dimastya Yonathan Pratama (1022061) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria
Lebih terperinciPERANCANGAN dan REALISASI FACETRACKER WEBCAM MENGGUNAKAN METODE HAAR-LIKE FEATURE BERBASIS RASPBERRY PI 2
PERANCANGAN dan REALISASI FACETRACKER WEBCAM MENGGUNAKAN METODE HAAR-LIKE FEATURE BERBASIS RASPBERRY PI 2 Disusun oleh : Steven Christian Santosa (1222038) Program Studi Teknik Elektro, Fakultas Teknik,
Lebih terperinciBAB IV PENGUJIAN SISTEM. mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap program mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan citra dari webcam, pengolahan citra
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciVERIFIKASI PERSONAL BERDASARKAN CITRA TANGAN DENGAN METODE FILTER GABOR. Abstrak
VERIFIKASI PERSONAL BERDASARKAN CITRA TANGAN DENGAN METODE FILTER GABOR Resmana Lim & Santoso Jurusan Teknik Elektro Universitas Kristen Petra Siwalankerto 11-131 Surabaya Fax: 031-8436418 resmana@petra.ac.id
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciSISTEM INFORMASI PENJUALAN BARANG CV.ANARKO COLLECTION MENGGUNAKAN SQL SERVER DAN MS.VISUAL BASIC 6.0. Naskah Publikasi
SISTEM INFORMASI PENJUALAN BARANG CV.ANARKO COLLECTION MENGGUNAKAN SQL SERVER DAN MS.VISUAL BASIC 6.0 Naskah Publikasi Diajukan oleh Deddy Arif Wibowo 07.11.1496 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA
Lebih terperinciPENGEMBANGAN PROGRAM VERIFIKASI TELAPAK TANGAN DENGAN METODE MENGHITUNG PANJANG DAN LEBAR RUAS JARI ABSTRAK
PENGEMBANGAN PROGRAM VERIFIKASI TELAPAK TANGAN DENGAN METODE MENGHITUNG PANJANG DAN LEBAR RUAS JARI Yudhi Sanjaya/0322106 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN Ilina Khoirotun Khisan Iskandar *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciPENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL
PENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL Mawaddah Aynurrohmah, Andi Sunyoto STMIK AMIKOM Yogyakarta email : andi@amikom.ac.id Abstraksi Perkembangan teknologi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah
BAB I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pemalsuan identitas sering kali menjadi permasalahan utama dalam keamanan data, karena itulah muncul teknik-teknik pengamanan data seperti penggunaan
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciAPPLICATION OF X-RAY IMAGE PROCESSING ORGANS OF THE BODY: IMPROVING THE QUALITY AND SEGMENTATION USING JAVA AND MYSQL
APPLICATION OF X-RAY IMAGE PROCESSING ORGANS OF THE BODY: IMPROVING THE QUALITY AND SEGMENTATION USING JAVA AND MYSQL Denni Dwi Kristanto, Dr. Bertalya, SKom., DEA. Undergraduate Program, Faculty of Industrial
Lebih terperinciABSTRAK. v Universitas Kristen Maranatha
ABSTRAK Tanda tangan merupakan sesuatu yang unik yang dimiliki setiap orang sehingga seringkali dipakai untuk menentukan keabsahan dokumen ataupun transaksi. Akan tetapi tanda tangan menjadi rentan terhadap
Lebih terperinciSISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM
SISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM Billy Buana Putra NRP : 1122055 Email : billy_buana@yahoo.com ABSTRAK Pengenalan pelat nomor kendaraan secara
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciSISTEM PENGENALAN BERDASARKAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN PERAMBATAN BALIK
SISTEM PENGENALAN BERDASARKAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN PERAMBATAN BALIK Melly Arisandi 1), R. Rizal Isnanto 2), Ajub Ajulian Zahra 3) Jurusan Teknik Elektro, Universitas
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinci