Klasifikasi Identitas Dengan Citra Telapak Tangan Menggunakan Convolutional Neural Network (CNN)

Deviana Sely Wita, Dewi Yanti Liliana

Abstract


Biometrik merupakan ilmu yang membahas mengenai pengenalan identitas seseorang. Pengenalan seseorang dapat dilakukan melalui media suara, gambar, dan tulisan. Banyak sekali teknologi yang membutuhkan informasi otentik mengenai identitas seseorang. Dalam penelitian ini, menggunakan telapak tangan sebagai objek penelitian dikarenakan telapak tangan memiliki fitur unik yang berbeda pada setiap individu. Selain fitur unik, luas permukaan telapak tangan menjadi salah satu pertimbangan penulis dalam menentukan objek penelitian. Luas permukaan telapak tangan lebih besar jika dibandingkan dengan luas permukaan salah satu jari. Dengan menggunakan dataset sebanyak 26 label dimana citra telapak tangan yang masing-masing identitasnya dinamakan label A sampai label Z. Penelitian ini menggunakan metode deep learning yaitu CNN (Convolutional Neural Network) untuk mengklasifikasi masing-masing identitas pada citra telapak tangan. Hasil pengujian klasifikasi identitas dengan citra telapak tangan ini menunjukkan bahwa pada masing-masing label dapat diklasifikasikan dengan akurasi 98%.

 


Keywords


Biometrik; Telapak Tangan; CNN

Full Text:

PDF

References


D. Retnoningrum, A. W. Widodo, and M. A. Rahman, “Ekstraksi Ciri Pada Telapak Tangan Dengan Metode Local Binary Pattern (LBP),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, vol. 3, no. 3, pp. 2611–2618, 2019.

G. T. Situmorang, A. W. Widodo, and M. A. Rahman, “Penerapan Metode Gray Level Cooccurence Matrix (GLCM) untuk Ekstraksi Ciri pada Telapak Tangan,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, vol. 3, no. 5, pp. 4710–4716, Apr. 2019.

N. Fadillah, I. Imanuddin, and D. Lestari, “Hand Human Recognition Berdasarkan Geometri Telapak Tangan Menggunakan Principal Component Analysis,” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 10, no. 2, pp. 771–786, 2019, doi: https://doi.org/10.31328/jointecs.v4i2.1006.

B. Pradinta, E. Ernawati, and E. P. Purwandari, “Identifikasi Citra Garis Telapak Tangan Menggunakan Metode Linear Discriminant Analysis Dengan Probabilitas Naïve Bayesian,” Pseudocode, vol. 4, no. 2, pp. 156–167, 2017.

S. Sutikno and E. Afriandi, “Identifikasi Telapak Tangan Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ),” Jurnal Infotel, vol. 8, no. 2, pp. 107–114, Nov. 2016.

M. Z. Ersyad, K. N. Ramadhani, and A. Arifianto, “Pengenalan Bentuk Tangan Dengan Convolutional Neural Network (Cnn),” eProceedings of Engineering, vol. 7, no. 2, pp. 8212–8222, 2020.

D. Yolanda, K. Gunadi, and E. Setyati, “Pengenalan Alfabet Bahasa Isyarat Tangan Secara Real-Time dengan Menggunakan Metode Convolutional Neural Network dan Recurrent Neural Network,” Jurnal Infra, vol. 8, no. 1, pp. 203–208, 2020.

R. A. Asmara, A. R. Syulistyo, and N. K. Qudsi, “Identifikasi Citra Tulisan Tangan Digital Menggunakan Convolutional Neural Network (CNN),” in Seminar Informatika Aplikatif Polinema, 2019, pp. 48–53.

N. D. Miranda, L. Novamizanti, and S. Rizal, “Convolutional Neural Network pada Klasifikasi Sidik Jari Menggunakan RESNET-50,” Jurnal Teknik Informatika (Jutif), vol. 1, no. 2, pp. 61–68, 2020.

F. F. Maulana and N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network,” Journal of Informatics and Computer Science (JINACS), vol. 1, no. 02, pp. 104–108, 2019.




DOI: http://dx.doi.org/10.30872/jurti.v6i1.7100

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Jurnal Rekayasa Teknologi Informasi (JURTI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Alamat Redaksi : 
Program Studi Informatika
Fakultas Teknik 
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]

 Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

StatCounter - Free Web Tracker and Counter