ABSTRAKSI: Sistem presensi di IT Telkom masih memiliki kelemahan, disamping prosesnya yang masih manual, yaitu dengan menandatangani lembar presensi, sistem presensi yang ada selama ini masih rentan terhadap kecurangan. Mahasiswa yang tidak hadir dapat meminta tolong mahasiswa lain untuk menandatangani presensi sehingga mahasiswa yang tidak hadir tersebut tetap terhitung mengikuti perkuliahan. Oleh karena itu diperlukan sebuah sistem yang mampu mengatasi permasalahan tersebut.
Pada tugas akhir ini dirancang sistem presensi realtime menggunakan telapak tangan. Keunikan pola telapak tangan yang dimiliki setiap orang membuat sistem presensi ini lebih handal karena tidak memungkinkan terjadinya kecurangan.
Tahapan proses yang dilakukan yaitu akuisisi citra, preprocessing, ekstraksi ciri, klasifikasi dan pengolahan database. Untuk mempermudah pemrosesan, akuisisi citra dilakukan di dalam box. Preprocessing dilakukan dengan melakukan perubahan format citra ke dalam format grayscale, peregangan kontras, kemudian menghilangkan noise dengan median filter. Teknik ekstraksi ciri yang digunakan adalah Tranformasi Wavelet, dan untuk klasifikasi digunakan K-Nearest Neighbor (KNN).
Sistem presensi realtime menggunakan telapak tangan berbasis KNN terbukti dapat bekerja dengan baik sebagai sistem presensi real time dengan memberikan akurasi terbaik yaitu 67.5 % dan waktu komputasi 1.71 detik. Kondisi ini di capai pada saat nilai k=1 dengan jumlah database 16.Kata Kunci : Telapak tangan, K-Nearest Neighbor (KNN), presensi, realtimeABSTRACT: The presence system in IT Telkom has some weakness, beside its process still manual, it is by giving a signature in presence list, this system is also easy for being falsified. Students who don’t come in the class can ask other students to give a signature in their presence list. That’s why, new presence system is needed to solve this problem.
Real time presence system using palm print will be designed in this final project. The uniqueness of palm print make this system better because it impossible for being falsified.
The process in this system is capturing image, preprocessing, feature extraction, classification and database processing. To make the process easier, the image is taken in a box. The preprocessing are converting image to grayscale format, contrast stretching and reducing noise with median filter. Wavelet Transform is used for feature extraction and K-Nearest Neighbor (KNN) for classification.
Real time presence system using palm print based on KNN can be good system for real time presence system by giving best performance in 67.5 % for accuracy and 1.71 second for processing time. This performance is reached when k value is 1 with the number of database is 16.Keyword: Palm print, K-Nearest Neighbor (KNN), presence, realtime