IDENTIFIKASI IDENTITAS BERBASIS PALM VEIN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN PROBABILISTIC NEURAL NETWORK

DIDI YUDHA PERWIRA

Informasi Umum

Kode

113128346

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

19 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Biometrik merupakan ilmu yang dapat mengenali bagian dari suatu individu yang memiliki keunikan di antara individu-individu yang lain. Oleh karenanya, identifikasi biometrik merupakan salah satu cara yang dilakukan untuk mengenali identitas dari seseorang. Palm vein adalah salah satu biometrik yang akhir-akhir ini menarik minat banyak peneliti dan industry karena memiliki beberapa keunggulan dibandingkan ciri-ciri fisik lainnya. Pertama, palm vein dapat mewakili atau mengidentifikasi seseorang hidup atau sudah mati; kedua, palm vein sulit dirusak dan dimodifikasi sebagai fitur internal; dan ketiga, palm vein sulit untuk disimulasikan dengan telapak tangan palsu. Pada tugas akhir ini, akan dilakukan perancangan dan implementasi sebuah sistem yang mampu mengenali identitas seseorang melalui citra palm vein. Metode yang digunakan adalah Principal Component Analysis (PCA) sebagai metode ekstraksi ciri dan Probabilitas Neural Network (PNN) sebagai metode klasifikasi. Fitur ekstraksi menggunakan PCA, memiliki kelebihan yaitu dapat mengurangi kumpulan data yang kompleks ke dalam dimensi yang lebih kecil, sehingga dapat mengurangi proses komputasi. Sedangkan PNN dikenal dengan proses pelatihan yang cepat dan cara pelatihan yang baik untuk mendapatkan solusi yang optimal.<br> Data set yang digunakan pada tugas akhir ini berasal dari Database Casia Multi Spectral. Database ini terdiri dari 7200 gambar telapak tangan dari 100 orang yang berbeda dengan 8-bit gray level JPEG. Pada tugas akhir ini data yang digunakan adalah yang menggunakan dengan spectrum 850 nm untuk tangan kanan. Selain implementasi metode, dilakukan pula analisis terhadap beberapa parameter yang berpengaruh, yaitu feature length yang digunakan pada PCA, jumlah individu yang akan dikenali, serta nilai g pada smoothing parameter. Dari pengujian dan analisis yang dilakukan, diperoleh akurasi tertinggi sebesar 84% dengan feature length yang digunakan sebanyak 180 dan nilai g sebesar 0.001 pada 50 individu berbeda yang dikenali.<br>KATA KUNCI: identifikasi, biometrik, palm vein, Principal Component Analysis, Probabilitas Neural NetworkABSTRACT: Biometrics is a knowledge that can recognise someone based on physical characteristic or behaviour. these characteristics must be unique, it means they can be distinguished from each individual. Palm vein is one of biometrics that attract attention researchers, lately. Palm vein have some superiority if we compared by others physical characteristic. First, Palm vein represent or identificate someone still alive or dead; second, palm vein is hard to be tampered; and the third, palm vein is hard to be simulated by palm imitation. In this final task, will be designing and implementation a system who able recognise someone based on palm vein image. Methods that will be used in this system are Principal Component Analysis (PCA) as feature extraction method, and Probabilistic Neural Network (PNN) as classification method. PCA has a superiority that provide a road map that can reduce a complex data group into small dimension matrix, so it will be reduce computation process. PNN is a classification method that known with quick and good training process to get the optimal solution. <br> The data set that will be used in this final task comes from Database Casia Multispectral. This database consists of 7200 pictures of palm, comes from 100 different people with 8-bit gray level JPEG. In this final task, the datas that will be used is picture who captured with 850nm spectrum and right palm. Beside implementation of methods, will do analyze to parameters PCA (feature length) and PNN (value of g for smoothing parameters). From testing and analysis, obtained the highest accuracy of 84% with a feature length used is 180 and the value of 0001 g at 50 different individuals were identified. <br>KEYWORD: Palm vein, Principal Component Analysis (PCA), Probability Neural Network (PNN), smoothing parameter, a feature length