Sistem Verifikasi Menggunakan Biometrika Telapak Tangan.

Universitas Kristen Maranatha

ABSTRAK

Telapak tangan merupakan biometrika yang masih relatif baru, yang memiliki karakteristik unik seperti garis-garis (rajah) telapak tangan yang bersifat stabil dan ukuran telapak tangan yang cenderung berbeda dengan telapak tangan milik orang lain. Keunikan tersebut merupakan ciri handal setiap telapak tangan.

Sistem verifikasi telapak tangan merupakan proses pencocokan telapak tangan yang diuji dengan suatu telapak tangan yang diklaim. Hasilnya adalah suatu keputusan apakah telapak tangan yang diuji milik pengguna sah (genuine user) atau tidak sah (imposter user). Proses perhitungan ukuran telapak tangan dan proses perolehan pola rajah telapak tangan memegang peranan penting terhadap keberhasilan verifikasi. Pada tugas akhir ini, nilai ukuran telapak tangan diperoleh dengan metode pencarian titik, dan pola rajah telapak tangan dengan deteksi tepi. Sedangkan proses pencocokan menggunakan perbandingan ukuran telapak tangan dan kecocokan pola telapak tangan.

Sistem yang dibuat diuji menggunakan 30 citra telapak tangan milik 10 orang, setiap orang diwakili 3 sampel telapak tangan. Dua dari 3 citra sampel tersebut digunakan sebagai citra uji, sedangkan satu lagi untuk citra acuan. Hasil pengujian menunjukan sistem ini mampu memberikan unjuk kerja tinggi yaitu diatas 99 %, atau memiliki error dibawah 1 %.

Universitas Kristen Maranatha

ABSTRACT

Palmprint is a newly biometrical, it has an unique characteristics such as line features which of to stabilize through time and palm size measurement which tend to different from other palm. This uniquesses represent the reliability of every palm.

Palmprint verification represent the matching process between a tested palm with a claimed palm. The result is a decision which is the tested palmprint is belong to a genuine user or an imposter user. Palm size calculating proses and line features extraction was the most important things to make the verification success. In this final project, palm size calculation is represented with dot searching method, and line features extraction is represented with edge detection. The verification process used palm size matching and palm line pattern matching.

System is tested with 30 palmprint which belong to 10 people, each people is represent by 3 palmprint sample. Two of three sample is used for tested palmprint, and the other one is used for database. The test shows that the system has a high accuration which is more than 99 % or an error below 1 %.

Universitas Kristen Maranatha

DAFTAR ISI

ABSTRAK... _i

ABSTRACT... _ii

KATA PENGANTAR... _iii

DAFTAR ISI... _v

DAFTAR GAMBAR... _vii

DAFTAR TABEL... _viii

BAB 1 PENDAHULUAN 1.1 Latar Belakang... 1

1.2 Identifikasi Masalah... 2

1.3 Tujuan... 2

1.4 Pembatasan Masalah... 2

1.5 Sistematika Penulisan Laporan... 3

BAB 2 LANDASAN TEORI 2.1 Telapak Tangan... 4

2.2 Metoda offline dan online... 5

2.3 Komputer Grafis... 5

2.3.1 Citra Bitmap... 6

2.3.2 Pixel Dimension... 6

2.3.3 Resolusi Scanner... 6

2.4 Pengolahan Citra (Image Processing)... 6

2.4.1 Mengubah Citra berwarna menjadi Citra Grayscale... 6

2.4.2 Deteksi Tepi (edge detection)... 7

2.4.3Thresholding... 7

Universitas Kristen Maranatha BAB 3 CARA KERJA DAN PERANCANGAN PERANGKAT LUNAK

VERIFIKASI TELAPAK TANGAN

3.1 Input Citra... 10

3.2 Menghitung nilai Panjang dan Lebar telapak tangan... 10

3.3 Image enhancement... 12

3.3.1Cropping + Konversi menjadi Citra Grayscale... 12

3.3.2 Deteksi tepi menggunakan metode Sobel... 13

3.3.3Thresholding dan Binerisasi... 13

3.4 Verifikasi... 15

BAB 4 ANALISA DAN HASIL SIMULASI 4.1 Hasil pengujian dan analisa... 17

4.1.1 Pengujian 1... 17

4.1.2 Pengujian 2... 20

4.1.3 Pengujian 3... 20

4.1.4 Pengujian 4... 23

4.2 Hasil dan simulasi pencocokan telapak tangan... 24

4.2.1 Pengujian 5... 24

4.2.2 Simulasi proses pencocokan... 35

BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan... 38

5.2 Saran... 38

DAFTAR PUSTAKA ... ₃₉ LAMPIRAN A : _{PERANGKAT LUNAK}

Universitas Kristen Maranatha

DAFTAR TABEL

Tabel 4.1 Hasil pengujian 1 19

Tabel 4.2 Hasil pengujian 2 20

Tabel 4.3 Hasil pengujian 3 23

Tabel 4.4 Hasil pengujian 4 24

Tabel 4.5.1 Pengujian 5 25

Tabel 4.5.2 Pengujian 5 26

Tabel 4.5.3 Pengujian 5 27

Tabel 4.5.4 Pengujian 5 28

Tabel 4.5.5 Pengujian 5 29

Tabel 4.5.6 Pengujian 5 30

Tabel 4.5.7 Pengujian 5 31

Tabel 4.5.8 Pengujian 5 32

Tabel 4.5.9 Pengujian 5 33

Tabel 4.5.10 Pengujian 5 34

Tabel 4.6 Jumlah kesalahan pada pengujian 5 35

Universitas Kristen Maranatha

DAFTAR GAMBAR

Gambar 2.1 Garis-garis pada telapak tangan 5 Gambar 3.1 Flowchart program verifikasi telapak tangan 10 Gambar 3.2 Perhitungan panjang dan lebar telapak tangan 11

Gambar 3.3 Flowchart input 12

Gambar 3.4 Citra hasil crop + konversi ke grayscale 13

Gambar 3.5 Citra hasil deteksi tepi 13

Gambar 3.6 Citra hasil thresholding dan binerisasi 14

Gambar 3.7 Flowchart image enhancement 14

Gambar 3.8 Flowchart verifikasi 16

Gambar 4.1 Citra input anton3.bmp 18

Gambar 4.2 Citra input dede3.bmp 18

Gambar 4.3 Hasil perhitungan panjang dan lebar pada citra anton3.bmp 19 Gambar 4.4 Hasil perhitungan panjang dan lebar pada citra dede3.bmp 19 Gambar 4.5 Hasil crop dan konversi ke grayscale anton3.bmp 21 Gambar 4.6 Hasil crop dan konversi ke grayscale dede3.bmp 21

Gambar 4.7 Hasil deteksi tepi anton3.bmp 21

Gambar 4.8 Hasil deteksi tepi dede3.bmp 22

Gambar 4.9 Hasil thresholding dan binerisasi anton3.bmp 22 Gambar 4.10 Hasil thresholding dan binerisasi dede3.bmp 22

Gambar 4.11 Checking user 36

Gambar 4.12 Input username 36

Gambar 4.13 Error 37

Gambar 4.14 Tampilan bila verifikasi berhasil 37

UNIVERSITAS KRISTEN MARANATHA

BAB 1

PENDAHULUAN

1.1. Latar Belakang Masalah

Pada era informasi ini, sistem pengenalan seseorang (personal recognition) secara otomatis menjadi sesuatu yang sangat penting. Sistem pengenalan merupakan permasalahan untuk memecahkan identitas seseorang. Terdapat 2 tipe sistem pengenalan, yaitu verifikasi dan identifikasi. Sistem verifikasi bertujuan untuk menerima atau menolak identitas yang diklaim oleh seseorang, sedangkan sistem identifikasi adalah permasalahan memecahkan identitas seseorang.

Pada dasarnya, metode-metode untuk sistem pengenalan dapat dikelompokan menjadi 3, yaitu: pertama, berdasarkan pada sesuatu yang dimiliki (possesions based), seperti kunci dan kartu. Kedua, berdasarkan pada sesuatu yang diketahui (knowledge based), seperti identitas pengguna (userid), PIN dan password, dan ketiga, berdasarkan biometrika (biometrics based). Penggunaan kunci atau kartu memiliki beberapa kelemahan, seperti: dapat hilang atau dicuri, dapat digunakan secara bersama-sama, dan mudah diduplikasi. Demikian juga halnya dengan penggunaan userid, PIN dan password menimbulkan beberapa permasalahan, seperti: tidak diingat (dilupakan), dapat digunakan secara bersama-sama, dan beberapa password mudah diperkirakan. Biometrika menggunakan karakteristik unik dari fisiologis atau tingkah laku manusia. Biometrika menawarkan sistem pengenalan yang lebih dapat dipercaya atau lebih handal. Biometrika tidak mungkin dilupakan, tidak mudah hilang, tidak dapat digunakan secara bersama-sama, dan sulit untuk diduplikasi. Kelebihan-kelebihan inilah yang menyebabkan biometrika banyak digunakan untuk sistem pengenalan seseorang secara otomatis baik untuk sistem identifikasi maupun verifikasi. Beberapa biometrika yang umum dipakai, antara lain: sidik jari, wajah, suara, telapak tangan, retina, dan tanda tangan.

Dari beberapa biometrika di atas, telapak tangan (palmprint) merupakan biometrika yang relatif baru. Penelitian-penelitian terpublikasi tentang biometrika telapak tangan yang digunakan untuk pengenalan secara otomatis sangat terbatas.

Bab I Pendahuluan

UNIVERSITAS KRISTEN MARANATHA Telapak tangan memiliki beberapa karakteristik yang unik, antara lain: ciri-ciri geometri, garis-garis (rajah) telapak tangan, dan ciri-ciri minusi. Garis-garis telapak tangan bersifat stabil karena sedikit mengalami perubahan dalam kurun waktu yang lama.

1.2. Identifikasi Masalah

Dari latar belakang tersebut maka masalah dalam Tugas Akhir ini dapat dirumuskan sebagai berikut :

1. Bagaimana merealisasikan program yang dapat melakukan pencocokan (verifikasi) gambar citra telapak tangan?

2. Bagaimana cara pengenalan dan pencocokan citra telapak tangan dengan database yang ada?

3. Seberapa handal sistem verifikasi menggunakan biometrika telapak tangan?

1.3. Tujuan

Tujuan Tugas Akhir ini adalah merealisasikan program (software) yang dapat melakukan proses verifikasi dengan menggunakan biometrika telapak tangan.

1.4. Pembatasan Masalah

Adapun pembatasan masalah di dalam Tugas Akhir ini yaitu :

1. Dibatasi hanya pembuatan software saja (tidak membuat hardware). 2. Input berupa telapak tangan hasil scanning yang dibandingkan dengan

citra telapak tangan yang ada pada database di dalam Personal Computer (PC).

3. Pengambilan citra telapak tangan dilakukan secara offline dengan menggunakan scanner.

Bab I Pendahuluan

UNIVERSITAS KRISTEN MARANATHA

1.5. Sistematika Penulisan

Penulisan Laporan terdiri dari 5 Bab, dengan susunan sebagai berikut : • Bab I PENDAHULUAN

Bab ini membahas mengenai latar belakang, identifikasi masalah, tujuan, pembatasan masalah dan sistematika penulisan.

• Bab II LANDASAN TEORI

Bab ini membahas berbagai teori yang berkaitan dengan Tugas Akhir ini, yang akan membantu untuk memahami permasalahan yang akan dibahas • Bab III CARA KERJA DAN PERANCANGAN PERANGKAT LUNAK

VERIFIKASI TELAPAK TANGAN

Bab ini memaparkan cara kerja dan perancangan perangkat lunak verifikasi telapak tangan, mulai dari proses pengambilan telapak tangan sampai proses pencocokan telapak tangan.

• Bab IV ANALISA DAN HASIL SIMULASI

Bab ini menampilkan analisa dan hasil percobaan dan pengujian yang diperoleh dari bab III.

• Bab V KESIMPULAN DAN SARAN

Bab ini membahas kesimpulan hasil pengamatan dan saran-saran untuk pengembangan lebih lanjut.

‘variabel bersama

Dim h1(3, 3), h2(3, 3) As Single Dim panjang, lebar As Integer Dim pnjg, lbr As Integer

‘Tombol Input citra

Private Sub Command1_Click() On Error GoTo salah

Picture2.Cls Picture3.Cls Picture4.Cls Picture5.Cls

CommonDialog1.Filter = "bitmaps(*.bmp)|*.bmp" CommonDialog1.ShowOpen

Picture1.Picture = LoadPicture(CommonDialog1.FileName) ulang:

baru = MsgBox("User baru?", vbYesNo, "Cheking User") If baru = vbYes Then GoTo baru

gambar = InputBox("Masukan Username", "USERNAME") Picture6.Picture = LoadPicture("c:\data\" & gambar & ".bmp") salah:

If Err.Number = 53 Then

qq = MsgBox("User tidak ditemukan", vbCritical, "Error") Resume ulang

'perhitungan nilai panjang dan lebar citra pembanding (citra di database) For i = 1 To Picture6.Height Step 15

For j = 1 To Picture6.Width Step 15 warna = Picture6.Point(j, i) r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

If x < 128 Then x = 0 Else x = 255 ‘mencari titik acuan A, A’, B1, B2 If x = 255 Then

Exit For End If Next j

If x = 255 Then Exit For

End If Next i

ttkx = j ‘nilai x ttky1 = i ‘nilai y

ttky = (Picture6.Height + ttky1) / 2 ‘nilai y’ For i = 1 To Picture6.Width Step 15

warna = Picture6.Point(i, ttky) r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) X1 = (r + g + b) / 3

If X1 < 128 Then X1 = 0 Else X1 = 255 If X1 = 255 Then

Exit For End If

Next i

kiri = Int(i / 15) ‘nilai x1

For i = Picture6.Width To 1 Step -15 warna = Picture6.Point(i, ttky)

r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) X2 = (r + g + b) / 3

If X2 < 128 Then X2 = 0 Else X2 = 255 If X2 = 255 Then

Exit For End If Next i

kanan = Int(i / 15) ‘nilai x2

pnjg = Int((Picture6.Height - ttky1) / 15) lbr = kanan - kiri

'crop dan grayscale citra pembanding (citra di database) n1 = 0

For i = ttkx - 1050 To ttkx + 1200 Step 15 n1 = n1 + 15

n2 = 0

For j = ttky To ttky + 2250 Step 15 warna = Picture6.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + b + g) / 3

n2 = n2 + 15

Picture5.PSet (n1, n2), RGB(x, x, x) Next j

Next i

'deteksi sobel citra pembanding Dim xd(300, 300) As Integer n1 = 0

For i = 1 To Picture5.ScaleWidth Step 15 n1 = n1 + 1

n2 = 0

For j = 1 To Picture5.ScaleHeight Step 15 warna = Picture5.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) n2 = n2 + 1

xd(n1, n2) = Int((r + g + b) / 3) Next j

Next i

For i = 1 To n1 For j = 1 To n2 z1 = 0

z2 = 0

For u1 = -1 To 1 For u2 = -1 To 1

z1 = z1 + h1(u1 + 2, u2 + 2) * xd(i + u1, j + u2) z2 = z2 + h2(u1 + 2, u2 + 2) * xd(i + u1, j + u2) Next u2

Next u1

z = Int(Abs(z1 + z2)) If z > 255 Then z = 255

Next j Next i

' Thresholding dan binerisasi/black and white (B/W) citra pembanding Dim rat As Single

Dim xx(300, 300) As Integer rat = 0: m = 0

For i = 1 To Picture5.Width Step 15 m = m + 1

n = 0

For j = 1 To Picture5.Height Step 15 warna = Picture5.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) n = n + 1

p = (r + b + g) / 3 rat = rat + p a = Int(256 / 4) p = a * Int(p / a) xx(m, n) = p Next j

Next i

rat = rat / (m * n) For i = 1 To m For j = 1 To n

If xx(i, j) < rat Then p = 0 Else p = 255

Picture5.PSet (15 * (i - 1) + 1, 15 * (j - 1) + 1), RGB(p, p, p) Next j

GoTo selesai baru:

Command2.Visible = True 'menampilkan tombol save data (command2) selesai:

End Sub

‘Tombol save citra input

Private Sub Command2_Click() 'simpan citra input ke database

gbr = InputBox("Masukan Username", "USERNAME") SavePicture Picture1, "c:\data\" & gbr & ".bmp"

www = MsgBox("Data Telah Tersimpan", vbOKOnly, "Simpan Data") Picture1.Cls

Command2.Visible = False End Sub

‘Tombol verifikasi

Private Sub Command4_Click()

‘perhitungan panjang, lebar dan proses cropping + grayscale citra input For i = 1 To Picture1.Height Step 15

For j = 1 To Picture1.Width Step 15 warna = Picture1.Point(j, i) r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + g + b) / 3

If x < 128 Then x = 0 Else x = 255 If x = 255 Then

Exit For End If Next j

Exit For End If Next i ttkx = j ttky1 = i

ttky = (Picture1.Height + ttky1) / 2 For i = 1 To Picture1.Width Step 15 warna = Picture1.Point(i, ttky)

r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) X1 = (r + g + b) / 3

If X1 < 128 Then X1 = 0 Else X1 = 255 If X1 = 255 Then

Exit For End If Next i

kiri = Int(i / 15)

For i = Picture1.Width To 1 Step -15 warna = Picture1.Point(i, ttky)

r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) X2 = (r + g + b) / 3

If X2 < 128 Then X2 = 0 Else X2 = 255 If X2 = 255 Then

Exit For End If Next i

panjang = Int((Picture1.Height - ttky1) / 15) lebar = kanan - kiri

n1 = 0

For i = ttkx - 1050 To ttkx + 1200 Step 15 n1 = n1 + 15

n2 = 0

For j = ttky To ttky + 2250 Step 15 warna = Picture1.Point(i, j) r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) x = (r + b + g) / 3

n2 = n2 + 15

Picture2.PSet (n1, n2), RGB(x, x, x) Next j

Next i

'deteksi sobel citra input Dim xd(300, 300) As Integer n1 = 0

For i = 1 To Picture2.ScaleWidth Step 15 n1 = n1 + 1

n2 = 0

For j = 1 To Picture2.ScaleHeight Step 15 warna = Picture2.Point(i, j)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) n2 = n2 + 1

xd(n1, n2) = Int((r + g + b) / 3) Next j

Next i

For i = 1 To n1 For j = 1 To n2 z1 = 0

z2 = 0

For u1 = -1 To 1 For u2 = -1 To 1

z1 = z1 + h1(u1 + 2, u2 + 2) * xd(i + u1, j + u2) z2 = z2 + h2(u1 + 2, u2 + 2) * xd(i + u1, j + u2) Next u2

Next u1

z = Int(Abs(z1 + z2)) If z > 255 Then z = 255

Picture3.PSet ((i - 1) * 15 + 1, (j - 1) * 15 + 1), RGB(z, z, z) Next j

Next i

'Threshold & B/W citra input Dim rat As Single

Dim xx(300, 300) As Integer rat = 0: m = 0

For i = 1 To Picture3.Width Step 15 m = m + 1

For j = 1 To Picture3.Height Step 15 warna = Picture3.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int(warna And RGB(0, 255, 0) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) n = n + 1

p = (r + b + g) / 3 rat = rat + p a = Int(256 / 4) p = a * Int(p / a) xx(m, n) = p Next j

Next i

rat = rat / (m * n) For i = 1 To m For j = 1 To n

If xx(i, j) < rat Then p = 0 Else p = 255

Picture4.PSet (15 * (i - 1) + 1, 15 * (j - 1) + 1), RGB(p, p, p) Next j

Next i

'perhitungan persentase kecocokan Dim a1(200, 200), a2(200, 200) As Single n1 = 0

For i = 1 To Picture4.Width Step 15 n1 = n1 + 1

n2 = 0

For j = 1 To Picture4.Height Step 15 warna = Picture4.Point(i, j)

r = warna And RGB(255, 0, 0)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) n2 = n2 + 1

a1(n1, n2) = Int((r + b + g) / 3) Next j

Next i n1 = 0

p = 0 'jumlah cocok k = 0' total data

For i = 1 To Picture5.Width Step 15 n1 = n1 + 1

n2 = 0

For j = 1 To Picture5.Height Step 15 warna = Picture5.Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) n2 = n2 + 1

a2(n1, n2) = Int((r + g + b) / 3) If a2(n1, n2) = 255 Then

k = k + 1

If a1(n1, n2) = a2(n1, n2) Then p = p + 1

End If End If Next j Next i p = p - 889 k = k - 889 prs = p / k * 100

If pnjg - 5 < panjang And panjang < pnjg + 5 And lbr - 5 < lebar And lebar < lbr + 5 And prs > 9 Then hasil = "ACCESS GRANTED" Else hasil = "ACCESS

DENIED"

nilai = MsgBox(hasil, vbOKOnly, "Verifikasi") Beep

End Sub ‘tombol quit

Private Sub Command5_Click() Beep

Unload Me End Sub ‘inisialisasi

Private Sub Form_Load()

h1(1, 1) = -1: h1(1, 2) = 0: h1(1, 3) = 1 h1(2, 1) = -2: h1(2, 2) = 0: h1(2, 3) = 2 h1(3, 1) = -1: h1(3, 2) = 0: h1(3, 3) = 1 For i = 1 To 3

For j = 1 To 3 h2(i, j) = h1(j, i) Next j

Next i pnjg = 0 lbr = 0 End Sub

DATA CITRA TELAPAK TANGAN YANG DIGUNAKAN

Anton1.bmp Anton2.bmp

Anton3.bmp Cory1.bmp

Dede1.bmp Dede2.bmp

Dede3.bmp Dicky1.bmp

Hen1.bmp Hen2.bmp

Hen3.bmp Lia1.bmp

Reza1.bmp Reza1.bmp

Reza3.bmp Rivi1.bmp

Wulan1.bmp Wulan2.bmp

Wulan3.bmp Yohana1.bmp

TAMPILAN PROGRAM UTAMA

Tampilan Awal

Checking User

Contoh tampilan program verifikasi berhasil, anton1 dibandingkan dengan anton3

Hasil Simulasi Image Enhancement citra-citra yang disimpan di database

Nama Citra Hasil Image Enhancement

Anton3

Cory2

Dede3

Hen3

Lia3

Reza3

Wulan2

UNIVERSITAS KRISTEN MARANATHA

BAB 5

KESIMPULAN & SARAN

5.1. Kesimpulan

Berdasarkan hasil FAR dan FRR dari pengujian tiap metode, sistem verifikasi biometrika telapak tangan dengan menggabungkan dua metode pencocokan yaitu pencocokan ukuran dan pola garis telapak tangan, terbukti lebih handal. Nilai FAR dan FRR yang didapat dari metode penggabungan tersebut sangat kecil yaitu 0% dan 0,68% yang menunjukan bahwa sistem ini memiliki tingkat keberhasilan tinggi.

5.2. Saran

Pada proses verifikasi, bisa dicoba dengan metoda pencocokan lain untuk membandingkan tingkat keakuratannya.

Sistem akan lebih baik lagi bila ditambahkan dengan membuat komponen

hardware-nya,terutama untuk proses scanning input.

Sistem verifikasi ini bisa dikembangkan ke arah sistem online dan diterapkan untuk bidang aplikasi tertentu, seperti aplikasi sistem absensi, aplikasi sistem keamanan, dan aplikasi lainnya.

UNIVERSITAS KRISTEN MARANATHA

DAFTAR PUSTAKA

1. Ajay, Kumar, David C.M Wong, Helen C. Shen, Anil K.Jain, Personal Verification using Palmprint and Hand Geometry Biometric,

http://www.cs.ust.hk/

2. Basuki, Achmad; Paladi, F. Jozua & Fatchrrochman, Pengolahan citra digital menggunakan visual basic, Graha Ilmu, 2005.

3. Halvorson, Michael, Microsoft Visual Basic 6.0 professional, step by step,

PT Gramedia, Jakarta, 2002.

4. Ir. Pamungkas, Tips dan Trik Microsoft Visual Basic 6.0, PT Gramedia Jakarta, 2003.

Contoh tampilan program verifikasi berhasil, anton1 dibandingkan dengan anton3

Hasil Simulasi Image Enhancement citra-citra yang disimpan di database

Nama Citra Hasil Image Enhancement

Anton3

Cory2

Dede3

Hen3

Lia3

Reza3

Wulan2

UNIVERSITAS KRISTEN MARANATHA

BAB 5

KESIMPULAN & SARAN

5.1. Kesimpulan

Berdasarkan hasil FAR dan FRR dari pengujian tiap metode, sistem verifikasi biometrika telapak tangan dengan menggabungkan dua metode pencocokan yaitu pencocokan ukuran dan pola garis telapak tangan, terbukti lebih handal. Nilai FAR dan FRR yang didapat dari metode penggabungan tersebut sangat kecil yaitu 0% dan 0,68% yang menunjukan bahwa sistem ini memiliki tingkat keberhasilan tinggi.

5.2. Saran

Pada proses verifikasi, bisa dicoba dengan metoda pencocokan lain untuk membandingkan tingkat keakuratannya.

Sistem akan lebih baik lagi bila ditambahkan dengan membuat komponen

hardware-nya,terutama untuk proses scanning input.

Sistem verifikasi ini bisa dikembangkan ke arah sistem online dan diterapkan untuk bidang aplikasi tertentu, seperti aplikasi sistem absensi, aplikasi sistem keamanan, dan aplikasi lainnya.

UNIVERSITAS KRISTEN MARANATHA

DAFTAR PUSTAKA

1. Ajay, Kumar, David C.M Wong, Helen C. Shen, Anil K.Jain, Personal Verification using Palmprint and Hand Geometry Biometric, http://www.cs.ust.hk/

2. Basuki, Achmad; Paladi, F. Jozua & Fatchrrochman, Pengolahan citra digital menggunakan visual basic, Graha Ilmu, 2005.

3. Halvorson, Michael, Microsoft Visual Basic 6.0 professional, step by step,

PT Gramedia, Jakarta, 2002.

4. Ir. Pamungkas, Tips dan Trik Microsoft Visual Basic 6.0, PT Gramedia Jakarta, 2003.