ABSTRAKSI: Sistem pengenalan menggunakan biometrika semakin banyak diteliti karena memiliki banyak keunggulan dibandingkan sistem konvensional. Biometrika unimodal telapak tangan dan geometri tangan menarik untuk dikembangkan menjadi suatu sistem biometrika multimodal karena pengambilan data biometrika dapat dilakukan melalui satu sensor yang sama, yaitu menggunakan kamera digital. Pada penelitian Tugas Akhir ini, diuji beberapa skenario penggabungan sistem biometrika multimodal, yaitu penggabungan pada skor, penggabungan pada fitur, dan penggabungan pada keputusan. Masing-masing skenario diuji unjuk kerjanya dan dibandingkan dengan biometrika unimodal. Tujuan utama penelitian ini adalah untuk mengetahui seberapa besar pengaruh penggabungan biometrika terhadap unjuk kerja sistem secara keseluruhan.
Untuk memperoleh vektor fitur geometri tangan dilakukan proses konversi citra keabuan (grayscale) yang kemudian dilakukan pengambangan (thresholding), lalu dilakukan pengukuran panjang dari 16 titik geometri tangan. Sedangkan vektor fitur telapak tangan diperoleh dengan cara mengambil citra ROI (Region of Interest) dari citra grayscale yang kemudian dilakukan proses deteksi garis (line detection), dan kemudian dilakukan proses blok (block processing). Data set yang digunakan dalam penelitian ini adalah 300 citra telapak tangan yang berasal dari 50 pengguna. Tiap pengguna diambil 6 citra, 3 untuk citra pendaftaran (referensi) dan 3 sisanya untuk citra pengujian.Kata Kunci : biometrika, unimodal, multimodal, geometri tangan, telapak tangan, vektor fiturABSTRACT: Recognition system using biometrics has been extensively studied because it has many advantages compared to conventional system. Hand geometry and palmprint unimodal biometrics are exciting to be developed into a multimodal biometrics system because biometrics data collection can be done through the same single sensor, which uses a digital camera. In this Final Project research, tested several fusion scenarios, that are fusion at score, fusion at feature, and fusion at decision. Each scenario performance is tested and compared with unimodal biometrics. The main purpose of this research is to determine how much influence the fusion of biometrics to the system performance overall.
To obtain the hand geometry feature vector conversion image to grayscale process is carried out, which then conducted thresholding, and length measurements were taken from 16 points of hand geometry. While the palmprint feature vector is obtained by taking the ROI (Region of Interest) from grayscale image which then carried the line detection process, and then the block processing is performed. Data sets used in this research are 300 hand palm images from 50 users. Each user is taken 6 images, 3 for enrollment (reference) image and the 3 remaining for testing image.Keyword: biometrics, unimodal, multimodal, hand geometry, palmprint, feature vector