ABSTRAKSI: Identifikasi pengenalan individu yang sudah banyak beredar sekarang ini yaitu menggunakan password dan kartu. Seiring dengan kemajuan teknologi, kedua teknik identifikasi tersebut semakin memperlihatkan kelemahan dalam penggunaannya. Maka dari itu dikembangkanlah teknologi biometrik. Salah satunya adalah teknik pengenalan ruas jari yang memiliki tingkat keamanan sangat baik dan sangat ramah pengguna (user friendly).
Pada tugas akhir ini akan dikembangkan biometrik ruas jari dengan menggabungkan Local Binary Pattern (LBP) sebagai algoritma ekstraksinya dan sebagai Support Vector Machine (SVM) metode pengklasifikasiannya. Pola ruas jari yang akan diujikan dalam tugas akhir ini yaitu jari telunjuk, tengah, dan manis. Simulasi sistem ini dilakukan dengan bantuan perangkat (software) Matlab 2009a. Hasil dari implementasi sistem ini adalah bagaimana sistem ini mampu mendeteksi pola ruas jari untuk mengidentifikasi individu dengan tingkat akurasi yang tinggi.
Dari percobaan yang telah dilakukan dengan menggunakan citra latih sebanyak 140 citra dan citra uji sebanyak 140 citra yang berasal dari 35 orang, tingkat akurasi yang didapat dengan menggunakan Local Binary Pattern (LBP) Biasa dengan parameter R={6, 7, 12, 13} dan P=8 sebagai ekstraksi cirinya dan Support Vector Machine (SVM) One-Againts-All dengan kernel Linier sebagagai pengklasifikasiannya didapat akurasi terbaik sebesar 100%.
Kata Kunci : Pola ruas jari, Biometrik, Local Binary Pattern (LBP), Support Vector Machine (SVM)ABSTRACT: Identification of individual recognition that has been circulating today that are using a password and a card. Along with technological advances, both of them have too many weakness. Therefore, it is developing biometric technologies. One of them is finger knuckle recognition which is has a very good security level and very user friendly
his final project will be developed by combining biometric knuckles Local Binary Pattern (LBP) as an extraction algorithm and a Support Vector Machine (SVM) as an classification method. The Pattern of Finger Knuckle that will be tested is the index finger, middle finger and ring finger. The system is examined using Matlab 2009a as a helping tool. The results of the implementation of this system is how the system is able to detect patterns knuckles to identify individuals with a high degree of accuracy.
From the experiments that have been conducted using a total of 140 training images and 140 test images from 35 peoples, the level of accuracy obtained by using the Local Binary Pattern (LBP) Normal with R={6, 7, 12, 13} and P=8 as characteristic extraction and Support Vector Machine (SVM) One-Againts-All with Linier kernel as classification obtained the best accuracy of 100%.
Keyword: Pattern knuckles, Biometrics, Local Binary Pattern (LBP), Support Vector Machine (SVM)