ABSTRAKSI: Sistem Biometrik adalah metode autentikasi yang kuat dan selalu melekat pada individu berdasarkan karakter fisiologis dan perilaku. Perkembangan teknologi menuntut adanya sistem keamanan yang lebih baik. Secara perlahan cara konvensional dalam perolehan hak akses yang umumnya menggunakan username dan password, beralih menggunakan sistem biometrik. Salah satu objek biometrik adalah geometri telapak tangan atau palm print. Competitive Hand Valley Detection adalah metode yang digunakan untuk mendapatkan region of interest (ROI), berupa bagian tengah telapak tangan yang memiliki informasi ciri. Local Binary Pattern adalah metode untuk mendeskripsikan tektur dari palm print yang terkandung pada ROI. Kemudian pencocokan dilakukan dengan k- Nearest Neighbour, untuk klasifikasi ciri. Pada penelitian yang dilakukan menggunakan maksimal 30 individu dan minimal 10 individu dengan 3 data latih dan 7 data uji untuk setiap masing-masing individu. Dengan ukuran normalisasi 150x150 piksel, penggunaan median filter dengan koefisien 3 dan k sebesar 1 pada pencocokan dengan K- Nearest Neighbour, akurasi mencapai 84,76% untuk 30 individu.
Kata Kunci : sistem biometrik, identifikasi telapak tangan, Competitive Hand Valley Detection, Local Binary Pattern, K-Nearest Neighbour.ABSTRACT: Biometric system is robust authentication methods and are always attached as an individual based on physiological characteristics. Technological development requires a better security system and slowly began to leave the conventional way in the acquisition of rights of access, with username and password. One of biometric object is the biometrical geometry palm or palm print. Various methods proposed to obtain the reliable palm print identification, because palm print has longest time decomposed after tooth as biometrics object. Competitive Hand Valley Detection is a method to get the region of interest (ROI), such as the center of palm which has information of the feature. Local Binary Pattern method is to analyze and describe the texture of the palm print contained in the ROI. Feature matching using k-Nearest Neighbour. The research conducted using a maximum of 30 individuals and a minimal of 10 individuals consists of 3 training data test and 7 data test for each individual, normalization size 150x150 pixels, using median filter with 3 and k coefficient of 1 at matching with K-Nearest Neighbour, achieving 84,76% accuracy to 30 individuals.
Keyword: biometric systems, palms identification, Competitive Hand Valley Detection, Local Binary Pattern, K-Nearest Neighbour.