ABSTRAKSI: Pengenalan telapak tangan menjadi salah satu bagian penelitian yang banyak diminati dalam bidang biometrik, dibandingkan biometrik yang telapak tangan memiliki kelebihan seperti kestabilan ciri dan kecilnya biaya yang digunakan dalam penggunaannya. Dalam tugas akhir ini ditawarkan salah satu cara pengenalan telapak tangan dalam pengenalan identitas manusia atau individu dengan menggunakan metode pengenalan ciri Eigenspace dan klasifikasi Support Vector Machine (SVM).
Eigenspace sebelumnya banyak digunakan dalam kasus pengenalan wajah yang biasanya dikenal dengan Eigenface atau Principal Component Analysis. Dalam kasus pengenalan telapak tangan ini metode eigenspace ini dikenal dengan nama Eigenpalm. Data citra telapak tangan ditranformasikan dengan menggunakan Karhunen-Loeve Transform sehingga dihasilkan vektor ciri “eigenpalm” yang merepresentasikan ciri dari keseluruhan data citra telapak tangan aslinya. Hasil dari pengenalan ciri ini kemudian diklasifikasikan dengan menggunakan metode klasifikasi SVM dimana data hasil ektraksi ciri dipisahkan kedalam sebuah ruang ciri berdimensi tinggi. Selanjutnya diklasifikasikan kedalam kelas-kelas telapak tangan. Data keseluruhan yang digunakan
Data keseluruhan yang digunakan dalam tugas akhir ini berjumlah 1.500 citra telapak tangan yang diperoleh dengan menggunakan kamera digital. Pengujian sistem dilakukan dengan penentuan pengambilan feature length (ciri citra), nilai parameter C dan parameter fungsi kernel Polynomial pada SVM. dari hasil pengujian diperoleh hasil pengujian terbaik dengan akurasi 96,60% untuk data citra anggota kelas dan 100% untuk data kelas unknown.Kata Kunci : Biometrik, Pengenalan Telapak Tangan, Eigenspace, Eigenpalm, Karhunen-Loeve Transform, Support Vector Machine, Akuisisi Kamera DigitalABSTRACT: Palmprint recognition became one part of study that demand most in the field of biometric. Compare with others biometrics tecknologies, palmprint method give more advantages such as stable structure feature and low cost. In this thesis is offered one of the way for palmprint recognition in human or personal identification with Eigenspace (Eigenpalm) as feature extraction and Support Vector Machine as classifier (SVM).
The concept of an eigenspace has been widely used in the face recognition that is usually known as Eigenface or Principal Component Analysis. In this case eigenspace will be known as Eigenpalm. The original palmprint images are transformed using Karhunen-Loeve Tranform to produce feature vector called “eigenpalm” which represents the overall characteristics of the original palmprint images. The result of feature extraction the classified using SVM method, where the data is separated into high dimensional space, to further classified base on palmprint classes.
Overall the data of palmprint images that are used in this thesis is 1.500 palmprint images obtained by using a digital camera. System testing is done by determining the value of feature length, value of parameter C and degree of kernel function of SVM. From the test result, obtained the best result with highest that is 96.60% for data from client class and 100% for data from unknown class.Keyword: Biometric, Palmprint Recognition, Eigenface, Eigenpalm, Karhunen-Loeve Tranform, Support Vector Machine, Acquisition Digital Camera