IDENTIFIKASI IDENTITAS TELAPAK TANGAN MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN K-NEAREST NEIGHBORS

NOBILAS, BISMARKO (2024) IDENTIFIKASI IDENTITAS TELAPAK TANGAN MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN K-NEAREST NEIGHBORS. Other thesis, UPN Veteran Yogyakarta.

	Text Abstrak Tugas Akhir_123180145_Bismarko Nobilas.pdf Download (18kB)
	Text Cover Tugas Akhir_123180145_Bismarko Nobilas.pdf Download (108kB)
	Text Daftar Isi Tugas Akhir_123180145_Bismarko Nobilas.pdf Download (91kB)
	Text Daftar Pustaka Tugas Akhir_123180145_Bismarko Nobilas.pdf Download (159kB)
	Text Fulltext Tugas Akhir_123180145_Bismarko Nobilas.pdf Restricted to Repository staff only Download (4MB)
	Text Lembar Pengesahan Tugas Akhir_123180145_Bismarko Nobilas.pdf Download (897kB)

Abstract

vi
ABSTRAK
Metode pengenalan biometrik kini paling sering digunakan untuk mengidentifikasi
atau memverifikasi individu. Pada sistem identifikasi telapak tangan yang merupakan
teknologi biometrik yang mendapatkan perhatian signifikan dalam beberapa tahun terakhir.
Teknologi ini menggunakan fitur unik pada telapak tangan setiap individu, seperti garis
utama, kerutan, dan garis-garis kecil, untuk verifikasi atau identifikasi. Salah satu
pengekstrakan fitur-fitur unik ini yaitu dengan metode Gray Level Co-occurrence Matrix
(GLCM).
Dalam penelitian ini, identifikasi identitas telapak tangan mahasiswa/mahasiswi.
digunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk mengekstrak ciri fitur
pada citra telapak tangan. Hasil ekstrasi fitur tersebut lalu akan diklasifikasikan
menggunakan metode K-Nearest Neighbors (KNN). Pada penggunaan metode-metode
tersebut, terdapat parameter-parameter yang mempengaruhi hasil penelitian. Maka dari itu
penelitian ini dilakukan untuk mendapatkan kombinasi parameter jarak antar piksel d pada
GLCM dan parameter jumlah tetangga terdekat k pada KNN yang dapat menghasilkan
akurasi optimal dalam identifikasi identitas telapak tangan.
Bedasarkan hasil pengujian yang dilakukan, penggunaan parameter nilai jarak antar
piksel d dan nilai jumlah tetangga terdekat k memiliki pengaruh yang signifikan dalam
akurasi model. Pada pengujian akurasi yang telah dilakukan, hasil akurasi terbaik adalah
pada penggunaan kombinasi parameter nilai jarak antar piksel d = 7 dan nilai jumlah
tetangga terdekat k = 5 dan 6 yang didapat akurasi sampai 93,3%. Pada pengujian
pengukuran performa sistem identifikasi digunakan perhitungan nilai Equal Error Rate
(EER). Hasil perhitungan menujukan bahwa penggunaan parameter d = 7 dan k = 5,
menghasilkan performa sistem paling baik dengan nilai kesalahan EER sebesar 0.338.
Penelitian ini juga melakukan pengujian dengan melakukan manipulasi pada data uji yang
akan dimasukkan pada sistem deteksi. Data yang akan diuji dilakukan penambahan padding
dan perubahan rotasi sebesar 90° dan 180°. Hasil akurasi pengujian pada rotasi 90° yang
didapat terhadap manipulasi data uji tetap sama dengan pengujian model yaitu 93,3%.
Sedangkan pada pengujian rotasi 180°, hasil akurasi menurun menjadi 50%. Maka dapat
disimpulkan bahwa sistem yang dibuat tetap dapat melakukan pengidentifikasian dengan
baik terhadap manipulasi citra penambahan padding dan rotasi 90°.
Kata Kunci : Identifikasi, Rekognisi, Identitas, Telapak tangan, Gray Level Co-occurrence
Matrix, GLCM, K-Nearest Neighbors, KNN
vii
ABSTRACT
Biometric recognition methods are now most often used to identify or verify
individuals. In the palm identification system which is a biometric technology that has
received significant attention in recent years. This technology uses unique features on the
palms of each individual, such as main lines, wrinkles, and small lines, for verification or
identification. One of the extractions these unique features is the Gray Level Co-occurrence
Matrix (GLCM) method.
In this study, the identification of the identity of the palms of students. The Gray Level
Co-occurrence Matrix (GLCM) method is used to extract feature characteristics in the palm
image. The results of the feature extraction will then be classified using the K-Nearest
Neighbors (KNN) method. In using these methods, there are parameters that affect the
results of the study. Therefore, this study was conducted to obtain a combination of the
distance parameter between pixels d in GLCM and the nearest neighbor parameter k in KNN
that can produce optimal accuracy in identifying palm identity.
Based on the test results, the use of the distance parameter value between pixels d
and the value of the number of nearest neighbors k has a significant effect on model
accuracy. In the accuracy test that has been carried out, the best accuracy result is in the
use of a combination of the distance parameter value between pixels d = 7 and the value of
the number of nearest neighbors k = 5 and 6 which obtained an accuracy of up to 93.3%. In
the performance measurement test of the identification system, the calculation of the Equal
Error Rate (EER) value was used. The calculation results show that the use of parameters d
= 7 and k = 5, produces the best system performance with an EER error value of 0.338. This
study also conducted tests by manipulating the test data that will be entered into the detection
system. The data to be tested was added with padding and a rotation change of 90° and 180°.
The accuracy results of the test on the 90° rotation obtained against the manipulation of the
test data remained the same as the model test, which was 93.3%. Meanwhile, in the 180°
rotation test, the accuracy results decreased to 50%. So it can be concluded that the system
created can still identify well the image manipulation of adding padding and 90° rotation.
Keywords: Identification, Recognition, Identity, Palmprint, Gray Level Co-occurrence
Matrix, GLCM, K-Nearest Neighbors, KNN

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Identification, Recognition, Identity, Palmprint, Gray Level Co-occurrence Matrix, GLCM, K-Nearest Neighbors, KNN
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	15 Aug 2024 01:51
Last Modified:	15 Aug 2024 01:51
URI:	http://eprints.upnyk.ac.id/id/eprint/40710

Actions (login required)

View Item