ABSTRAKSI: Biometric merupakan metode pengidentifikasian manusia berdasarkan tingkah laku atau ciri fisik yang unik, yang berbeda antara satu manusia dengan manusia lainnya. Beberapa ciri fisik yang biasa digunakan untuk biometric antara lain wajah, sidik jari,telapak tangan, dan telinga. Ciri fisik ini dipilih karena memiliki tingkat keunikan yang tinggi, sehingga hampir tidak ada manusia yang memiliki ciri fisik tersebut yang sama. Biometric menggunakan telinga atauear recognition, merupakan salah satu teknikbiometric yang paling baru, jika dibandingkan dengan biometic lainnya seperti sidik jari,wajah, atau telapak tangan. Namun, meskipun baru, telinga memiliki tingkat keunikan yang sangat tinggi, sehingga biometric dengan telinga dapat menghasilkan akurasi yang tinggi. Ditambah dengan fakta bahwa telinga seseorang tidak akan berubah sejak kecil hingga dewasa, sehingga membuat biometric telinga ini lebih menjanjikan dibanding dengan biometric lainnya
\Pada tugas akhir ini, pengenalan telinga dilakukan dengan cara mengambil gambar telinga sebanyak tiga kali, kemudian gambar tersebut akan diekstraksi fiturnya menggunakan metode Scale Infariant Feature Transform (SIFT) sehingga menghasilkan vektor-vektor yang merupakan fitur ciri dari gambar. Vektor-vektor ini nantinya akan diiklasifikasikan dengan metode Learning Vector Quantization yang sebelumnya telah melakukan pelatihan dengan data latih,baik data latih dengan satu citra maupun data latih dengan menggunakan dua citra latih, sehingga didapatkan data telinga yang cocok. Hasil uji coba menunjukkan pengujian dengan data latih menggunakan dua citra memberikan hasil yang lebih baik, yaitu 77.5% dibandingkan dengan yang hanya menggunakan satu data citra latih yang memberikan hasil 70% . Hasil akurasi ini bertambah baik ketika citra telinga di crop secara manual dengan membuang bagian-bagian selain telinga, dimana tingkat akurasinya mencapai 82.5%.Kata Kunci : Biometric , Ear recognition , scale infariant feature transform , learning vec tor quantizationABSTRACT: Biometric is one of many method for human detection based on unique behavior or physical characteristic, which different from one to another human. Some physical characteristics often used for biometric such as face,fingerprints,palms, and ears. Physical characteristics was chosen because it has a high level of uniqueness, so that almost no human being has the same physical haracteristics with another human. Biometric recognition using ear, or usually called ear recognition, is one of the most recent biometric technique when it compared with other biometric such as fingerprint, face, or palmhand. However, the ear biometric has a very high level of uniqueness, so ear biometric can produce high accuracy. In fact, human's ear will not change from child to adult, making ear biometrics is more promising than other biometric.
In this final project, ear biometric will be done by taking pictures of the ear, three times for every human sample. Next, the unique feature point from every picture will extracted using Scale Invariant Feature Transform (SIFT) to produce vector for each unique point. There vectors will be classified by learning Vector Quantization method that previously has been trained with train data. The results show that using two training data for each human, can produce better result in accuracy, 77.5%. Compared with using only one traing data, that give result 70%. The result of this accuracy can improve to 82.5% by using manual cropping to the ear image, by removing other parts of the picture instead of earKeyword: Biometric, Ear recognition, scale infariant feature transform, learning vector quantization