Identifikasi Seseorang Berdasarkan Citra Pembuluh Darah Menggunakan Ekstraksi Fitur Local Binary Pattern.

(1)

Universitas Kristen Maranatha

IDENTIFIKASI SESEORANG BERDASARKAN CITRA

PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR

LOCAL BINARY PATTERN

Zeth Pasongli (0222113)

Jurusan Teknik Elektro Universitas Kristen Maranatha Email: zeth_pasongli@yahoo.com

ABSTRAK

Pola pembuluh darah pada tangan manusia memiliki karakteristik unik yang berbeda pada setiap orang. Karena keunikan tersebut pola pembuluh darah dapat digunakan dalam sistem identifikasi. Pada Tugas Akhir ini dikembangkan sebuah metode untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah dengan menggunakan ekstraksi fitur Local Binary Pattern. Citra pembuluh darah diperoleh menggunakan kamera inframerah, selanjutnya pada setiap citra pembuluh darah dilakukan pemilihan ciri dengan mentransformasikan citra menggunakan Local Binary Pattern.

Untuk mengetahui tingkat akurasi dari perangkat lunak yang direalisasikan dilakukan pengujian menggunakan 30 citra uji dari individu yang ada dalam database dan 30 citra uji dari individu yang tidak ada dalam database. Hasil pengujian menunjukkan persentase FRR sebesar 30% dan persentase FAR sebesar 13,33%.

Kata kunci : Identifikasi Citra Pembuluh Darah, Ekstraksi Fitur, Local Binary Pattern, FRR, FAR.

(2)

Universitas Kristen Maranatha

THE IDENTIFICATION OF PERSON BASED ON VEIN IMAGERY

USING FEATURE EXTRACTION OF LOCAL BINARY PATTERN

Zeth Pasongli(0222113)

Department of Electrical Engineering Maranatha Christian University Email: zeth_pasongli@yahoo.com

ABSTRACT

The pattern of vein in the human hand has a unique character that is different on each person. Because of the uniqueness, the pattern of vein can be used in identification system. On this thesis developed a method to identify someone based on vein imagery using feature extraction of local binary pattern. Vein image is obtained using infrared camera,and then on every image of vein is performed by transforming the image using local binary pattern.

To determine the level of accuracy of software is realized by cunducted testing using 30 images test of person that exist in the database and image test of 30 person who are not in the database. The results of test show the percentage 30% of FRR and percentage 13,33% of FAR.

Keywords : Vein Image Identification, Feature Extraction, Local Binary Pattern, FAR, FRR.

(3)

Universitas Kristen Maranatha

DAFTAR ISI

Halaman

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... vi

DAFTAR GAMBAR ... ix

DAFTAR TABEL... x

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah ... 1

1.2 Identifikasi Masalah ... 2

1.3 Perumusan Masalah ... 2

1.4 Tujuan ... 3

1.5 Pembatasan Masalah ... 3

1.6 Sistematika Penulisan... 4

BAB II LANDASAN TEORI 2.1 Pengertian Pembuluh Darah ... 6

2.1.1 Pembuluh Darah Vena ... 7

2.2 Sinar Inframerah... 8

2.3 Teknologi Biometrik ... 9

2.4 Pengertian Citra Digital... 10

2.5 Ekstraksi Fitur Citra ... 11

2.6 Local Binary Pattern ... 11

(4)

vii

Universitas Kristen Maranatha

2.8 False Acceptance Rate (FAR) dan False Rejected

Rate (FRR) ... 15

2.9 MATLAB ... 16

2.9.1 Ruang Kerja Matlab ... 17

2.9.2 Pengolahan Citra Menggunakan Matlab ... 18

2.9.3 Membaca dan Menampilkan Citra ... 19

2.9.4 Konversi Citra dan Tipe Data Citra ... 20

2.9.5 Mengolah Blok-Blok Pada Citra ... 20

2.9.6 Menampilkan Citra ke Layar ... 21

2.9.7 M-File Editor ... 21

2.9.8 GUI Pada Matlab ... 23

BAB III PERANCANGAN PERANGKAT LUNAK 3.1 Arsiktektur Perancangan ... 26

3.2 Perancangan Kamera Inframerah ... 27

3.3 Diagram Alir ... 28

3.3.1 Diagram Alir Pembentukan Database ... 28

3.3.2 Diagram Alir Ekstraksi Fitur ... 30

3.3.3 Diagram Alir Pengujian ... 33

3.4 Penentuan Nilai Threshold Euclidean Distance ... 34

3.5 Perancangan Antarmuka Pemakai (User Interface) ... 35

BAB IV PENGUJIAN DAN ANALISA DATA 4.1 Pengujian Kamera ... 38

4.2 Proses Pengujian Perangkat Lunak ... 39

(5)

viii

Universitas Kristen Maranatha

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan ... 51 5.2 Saran ... 51 DAFTAR PUSTAKA ... 52 LAMPIRAN

Lampiran A-List Program Pada Matlab ... A-1 Lampiran B-Kumpulan Citra ... B-1

(6)

Universitas Kristen Maranatha

DAFTAR GAMBAR

Halaman

Gambar 2.1 Pembuluh Darah Vena pada Tangan Manusia ... 7

Gambar 2.2 Region Sinar Inframerah dalam Spektrum Elektromaknetik ... 8

Gambar 2.3 Spektrum Penyerapan Hemoglobin... 10

Gambar 2.4 Jarak pada Operasi LBP ... 12

Gambar 2.5 Operasi LBP ... 12

Gambar 2.6 Window dalam Matlab ... 18

Gambar 2.7 M-File Editor pada Matlab ... 23

Gambar 2.8 Window GUI pada Matlab ... 24

Gambar 3.1 Diagram Blok Sistem Identifikasi Pembuluh Darah . 26 Gambar 3.2 Proses Memodifikasi Kamera Web Menjadi Kamera Inframerah ... 27

Gambar 3.3 Diagram Alir Pembentukan Database Citra Referensi ... 28

Gambar 3.4 Diagram Alir Ekstraksi Fitur LBP ... 30

Gambar 3.5 Diagram Alir Pengujian ... 33

Gambar 3.6 Rancangan Tampilan Perangkat Lunak ... 36

Gambar 4.1 Perbandingan Citra dari Kamera Web (a) Sebelum Modifikasi (b) Setelah Modifikasi ... 38

Gambar 4.2 Tampilan Aplikasi Untuk Citra yang Dikenali ... 39

Gambar 4.3 Tampilan Aplikasi Untuk Citra yang Tidak Dikenali ... 40

(7)

Universitas Kristen Maranatha

DAFTAR TABEL

Halaman

Tabel 3.1 Penamaan File Citra Referensi ... 29

Tabel 3.2 Representasi Database Citra Referensi ... 32

Tabel 3.3 Penentuan Nilai Threshold Euclidean Distance ... 34

Tabel 3.4 Penjelasan Rancangan Tampilan Perangkat Lunak ... 36

Tabel 4.1 Pengujian Menggunakan Citra Uji yang Digunakan Sebagai Database ... 40

Tabel 4.2 Pengujian Menggunakan Citra Uji Dari Individu Yang Ada Dalam Database ... 44

Tabel 4.3 Pengujian Menggunakan Citra Uji Dari Individu Yang Tidak Ada Dalam Database ... 46

(8)

LAMPIRAN A

LIST PROGRAM PADA MATLAB

(9)

A-1 1. Program GUI

function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) load ListFileInd.mat

CitraUji=handles.img; c1=@(block_struct)lbpfun(block_struct.data); CitraUji=blockproc(CitraUji,[3 3],c1); VektorFiturUji=CitraUji; x=VektorFiturUji; d=1;

for i=1:40 for j=1:40

temp(1,d)=x(i,j) d=d+1

end end

VektorFiturUji=temp for klaster=1:50

d(klaster)=sqrt(sum((ListFileInd(klaster,:)-VektorFiturUji).^2))

if klaster==1

dmin=d(klaster); din=klaster; end if(klaster>1)&&(dmin>d(klaster)) dmin=d(klaster); din=klaster; end end nilai_slider=handles.slide; if dmin > nilai_slider

acc=imread('TidakDikenali.jpg') axes(handles.axes2)

imshow(acc)

set(handles.edit3,'string',dmin)

set(handles.edit4,'string','Tidak_Dikenali') else

sample='-IMG-'

if din<=5

NamaFile=['0' num2str(1) sample '0' num2str((din-1)+1),'.jpg']

Pengenalan=imread(NamaFile) axes(handles.axes2)

imshow(Pengenalan)

(10)

A-2 set(handles.edit3,'string',dmin)

set(handles.edit4,'string','Dikenali') end

if (din>5) && (din<=10)

NamaFile=['0' num2str(2) sample '0' num2str((din-6)+1),'.jpg']

Pengenalan=imread(NamaFile) axes(handles.axes2)

imshow(Pengenalan)

set(handles.edit2,'string',NamaFile) set(handles.edit3,'string',dmin)

set(handles.edit4,'string','Dikenali') end

if (din>10) && (din<=15)

NamaFile=['0' num2str(3) sample '0' num2str((din-11)+1),'.jpg']

Pengenalan=imread(NamaFile) axes(handles.axes2)

imshow(Pengenalan)

set(handles.edit2,'string',NamaFile) set(handles.edit3,'string',dmin)

set(handles.edit4,'string','Dikenali') end

if (din>15) && (din<=20)

NamaFile=['0' num2str(4) sample '0' num2str((din-16)+1),'.jpg']

Pengenalan=imread(NamaFile) axes(handles.axes2)

imshow(Pengenalan)

set(handles.edit2,'string',NamaFile) set(handles.edit3,'string',dmin)

set(handles.edit4,'string','Dikenali') end

if (din>20) && (din<=25)

NamaFile=['0' num2str(5) sample '0' num2str((din-21)+1),'.jpg']

Pengenalan=imread(NamaFile) axes(handles.axes2)

imshow(Pengenalan)

set(handles.edit2,'string',NamaFile) set(handles.edit3,'string',dmin)

set(handles.edit4,'string','Dikenali') end

if (din>25) && (din<=30)

NamaFile=['0' num2str(6) sample '0' num2str((din-26)+1),'.jpg']

Pengenalan=imread(NamaFile) axes(handles.axes2)

imshow(Pengenalan)

set(handles.edit2,'string',NamaFile) set(handles.edit3,'string',dmin)

(11)

A-3 end

if (din>30) && (din<=35)

NamaFile=['0' num2str(7) sample '0' num2str((din-31)+1),'.jpg']

Pengenalan=imread(NamaFile) axes(handles.axes2)

imshow(Pengenalan)

set(handles.edit2,'string',NamaFile) set(handles.edit3,'string',dmin)

set(handles.edit4,'string','Dikenali') end

if (din>35) && (din<=40)

NamaFile=['0' num2str(8) sample '0' num2str((din-36)+1),'.jpg']

Pengenalan=imread(NamaFile) axes(handles.axes2)

imshow(Pengenalan)

set(handles.edit2,'string',NamaFile) set(handles.edit3,'string',dmin)

set(handles.edit4,'string','Dikenali') end

if (din>40) && (din<=45)

NamaFile=['0' num2str(9) sample '0' num2str((din-41)+1),'.jpg']

Pengenalan=imread(NamaFile) axes(handles.axes2)

imshow(Pengenalan)

set(handles.edit2,'string',NamaFile) set(handles.edit3,'string',dmin)

set(handles.edit4,'string','Dikenali') end

if (din>45) && (din<=50)

NamaFile=[num2str(10) sample '0' num2str((din-46)+1),'.jpg'] Pengenalan=imread(NamaFile)

axes(handles.axes2) imshow(Pengenalan)

set(handles.edit2,'string',NamaFile) set(handles.edit3,'string',dmin) set(handles.edit4,'string','Dikenali') end

end

% nilai_slider=handles.slide; % if dmin > nilai_slider

% set(handles.edit4,'string','Tidak_Dikenali') % else

% set(handles.edit4,'string','Dikenali') % end

% --- Executes on button press in pushbutton2.

function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO)

(12)

A-4

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) [x y]=uigetfile('*.jpg');

imagex=imread(fullfile(y,x)); imagex=imresize(imagex,[120 120]) imagex=rgb2gray(imagex) imagex=im2double(imagex) axes(handles.axes1) imshow(imagex)

set(handles.edit5,'string',x) handles.img=imagex;

guidata(hObject,handles)

% --- Executes on button press in pushbutton4.

function pushbutton4_Callback(hObject, eventdata, handles) % hObject handle to pushbutton4 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) fig = handles.figure1;

close(fig)

function edit2_Callback(hObject, eventdata, handles) % hObject handle to edit2 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit2 as text % str2double(get(hObject,'String')) returns contents of edit2 as a double

% --- Executes during object creation, after setting all properties. function edit2_CreateFcn(hObject, eventdata, handles)

% hObject handle to edit2 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

end

(13)

A-5 % hObject handle to edit3 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit3 as text % str2double(get(hObject,'String')) returns contents of edit3 as a double

% --- Executes during object creation, after setting all properties. function edit3_CreateFcn(hObject, eventdata, handles)

% hObject handle to edit3 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

end

% --- Executes on slider movement.

function slider1_Callback(hObject, eventdata, handles) % hObject handle to slider1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) slider_value=get(handles.slider1,'value')

set(handles.slider1,'value');

nilai_slider=round(get(handles.slider1,'value')); set(handles.edit1,'string',num2str(nilai_slider)); handles.slide=nilai_slider;

guidata(hObject,handles)

% Hints: get(hObject,'Value') returns position of slider

% get(hObject,'Min') and get(hObject,'Max') to determine range of slider

% --- Executes during object creation, after setting all properties. function slider1_CreateFcn(hObject, eventdata, handles)

% hObject handle to slider1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: slider controls usually have a light gray background. if isequal(get(hObject,'BackgroundColor'),

(14)

A-6

set(hObject,'BackgroundColor',[.9 .9 .9]);

end

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles)

% hObject handle to edit1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

end

% --- Executes on button press in pushbutton5.

function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close(gcbf)

GUITALBP

function edit4_Callback(hObject, eventdata, handles) % hObject handle to edit4 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit4 as text % str2double(get(hObject,'String')) returns contents of edit4 as a double

(15)

A-7

% --- Executes during object creation, after setting all properties. function edit4_CreateFcn(hObject, eventdata, handles)

% hObject handle to edit4 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

end

function edit5_Callback(hObject, eventdata, handles) % hObject handle to edit5 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit5 as text % str2double(get(hObject,'String')) returns contents of edit5 as a double

% --- Executes during object creation, after setting all properties. function edit5_CreateFcn(hObject, eventdata, handles)

% hObject handle to edit5 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

(16)

LAMPIRAN B

KUMPULAN CITRA

(17)

B-1 Orang Ke

Citra Ke 1. Citra Referensi

01 02 03 04 05

(18)

B-2 Orang Ke

Citra Ke

2. Citra uji dari individu yang ada dalam database

06 07 08

(19)

B-3 Orang Ke

Citra Ke

3. Citra uji dari individu yang tidak ada dalam database

01 02 03

(20)

1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika penulisan dari Tugas Akhir ini.

1.1 Latar Belakang Masalah

Teknologi biometrik adalah suatu metode untuk mengidentifikasi atau mengenali seseorang berdasarkan karakteristik fisik atau perilakunya. Teknologi biometrik menawarkan autentikasi secara biologis yang memungkinkan sistem dapat mengenali penggunanya lebih tepat. Pengembangan teknologi biometrik ini dilatari bahwa pada dasarnya setiap manusia memiliki sesuatu yang unik/khas. Keunikan tersebut tentu hanya dimiliki oleh dirinya sendiri. Bagian-bagian dari tubuh manusia yang bersifat unik/khas di antaranya adalah sidik jari, struktur wajah, iris, retina mata dan pembuluh darah. Untuk mewujudkan gagasan itu, tentu harus didukung oleh teknologi yang secara otomatis bisa mengidentifikasi/mengenali seseorang. Dalam penggunaannya sebagai identifikasi, biometrik harus terlebih dahulu dimasukkan ke dalam database sebuah sistem. Biometrik seseorang hanya akan berfungsi bila biometrik orang tersebut telah terlebih dahulu dimasukan ke dalam database sistem, sehingga sistem dapat mengenalinya.

Pada Tugas Akhir ini penulis membuat aplikasi pengidentifikasi seseorang yang tidak membutuhkan kontak fisik langsung antara pengguna dengan alat.

(21)

BAB I Pendahuluan

2 Universitas Kristen Maranatha Teknologi biometrik yang digunakan adalah berdasarkan pada pola pembuluh darah yang berada di punggung telapak tangan manusia yang akan di capture menggunakan kamera infra merah. Jenis teknik biometrik ini dipilih karena setiap orang memiliki pola pembuluh darah yang unik. Pembuluh darah lebih sulit untuk diduplikasi dan tidak akan berubah kecuali telah mengalami proses operasi.

Terdapat banyak metode yang sudah dikembangkan untuk pengenalan pola pembuluh darah. Pada Tugas Akhir ini metode yang penulis pilih untuk pengenalan pola pembuluh darah adalah ekstraksi ciri menggunakan metode Local Binary Pattern (LBP) . Salah satu kelebihan dari LBP adalah sifatnya yang

invarian terhadap perubahan fotometri dari objek yang sama karena merupakan ukuran intensitas relatif suatu piksel dengan intensitas piksel di sekitarnya.

1.2 Identifikasi Masalah

1. Bagaimana merancang aplikasi untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan metode Local Binary Pattern pada matlab?

2. Bagaimana tingkat keberhasilan aplikasi yang dirancang dalam mengidentifikasi citra pembuluh darah dari pemiliknya?

1.3 Perumusan Masalah

Tujuan yang ingin dicapai pada Tugas Akhir ini adalah :

1. Merealisasikan aplikasi yang dapat digunakan untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan metode Local Binary Pattern pada matlab.

(22)

BAB I Pendahuluan

3 Universitas Kristen Maranatha 2. Mengetahui tingkat keberhasilan dari aplikasi dalam mengenali

pembuluh darah pemiliknya berdasarkan persentase FAR (False Accept Rate) dan FRR (False Reject Rate).

1.4 Tujuan

Tujuan yang ingin dicapai dari Tugas Akhir ini adalah :

1. Merealisasikan aplikasi metode ekstraksi fitur menggunakan Local Binary Pattern untuk mengidentifikasi citra pembuluh darah.

2. Mengetahui tingkat keberhasilan dari aplikasi dalam mengidentifikasi citra pembuluh darah berdasarkan persentase FAR (False Acceptance Rate) dan FRR (False Rejected Rate).

1.5 Pembatasan Masalah

Adapun batasan-batasan masalah pada Tugas Akhir ini adalah:

1. Jumlah citra yang akan digunakan sebagai citra pelatihan dan citra uji adalah sebanyak 8 citra dari 10 orang yang berbeda (5 citra digunakan sebagai citra referensi dan 3 citra sebagai citra uji).

2. Jarak pengambilan citra antara objek dengan kamera adalah 20-30 cm. 3. Pengambilan dan pengolahan citra tidak dilakukan secara real-time. 4. Ukuran citra yang digunakan adalah 120x120 piksel.

(23)

BAB I Pendahuluan

4 Universitas Kristen Maranatha 1.6 Sistematika Penulisan

Penyusunan laporan Tugas Akhir terdiri dari lima bab sebagai berikut :

BAB I PENDAHULUAN

Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah, identifikasi masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.

BAB II LANDASAN TEORI

Pada bab ini akan dibahas mengenai teori-teori penunjang yang akan digunakan untuk merancang aplikasi identifikasi seseorang berdasarkan citra pembuluh darah dengan metode Local Binary Pattern, pengertian sinar inframerah, filter pada kamera, pembuluh darah, pengolahan citra digital, metode Local Binary Pattern, Euclidean Distance, dan perangkat lunak Matlab.

BAB III PERANCANGAN PERANGKAT LUNAK

Bab ini berisi penjelasan desain yang akan dilakukan dalam membuat perangkat lunak untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan metode Local Binary Pattern.

(24)

BAB I Pendahuluan

5 Universitas Kristen Maranatha BAB IV DATA PENGAMATAN DAN ANALISA

Bab ini berisi data pengamatan hasil pengujian program, perhitungan tingkat keberhasilan metoda yang digunakan berdasarkan FAR dan FRR, dan analisa dari data hasil pengujian program.

BAB V KESIMPULAN DAN SARAN

Pada bab ini berisi kesimpulan dari Tugas Akhir dan saran-saran yang perlu dilakukan untuk pengembangan di masa mendatang.

(25)

51 Universitas Kristen Maranatha

BAB V

KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dari hasil penelitian dan analisis dari Tugas Akhir ini serta saran untuk pengembangan “Identifikasi Seseorang Berdasarkan Citra Pembuluh Darah Menggunakan Metode Local Binary Pattern (LBP)”.

5.1 Kesimpulan

1. Pembuatan program untuk identifikasi seseorang berdasarkan citra pembuluh darah menggunakan metode Local Binary Pattern (LBP) berhasil direalisasikan menggunakan MATLAB 7.11

2. Dari hasil pengamatan terhadap pengujian program identifikasi seseorang berdasarkan citra pembuluh darah didapatkan persentase FRR sebesar 20% dan persentase FAR sebesar 3,33 %.

5.2 Saran

1. Pengambilan citra pembuluh darah dapat dikembangkan dengan menerapkan sistem pengolahan secara real-time untuk mendapatkan Region of Interest dari citra pembuluh darah pada tangan.

(26)

52 Universitas Kristen Maranatha

DAFTAR PUSTAKA

1. Abdi Gunaidi Away. (2010). The Shortcut of MATLAB Programming. Bandung: Informatika.

2. Andrianto Heri.(2009). Diktat Kuliah Bahasa Pemrograman. Bandung:Universitas Kristen Maranatha

3. Chandra Wijaya Marvin, Prijono Agus. (2007). Pengolahan Citra Digital Menggunakan Matlab. Bandung: Informatika

4. Citra Purdiaswari. Disain Jarak Dan Sudut Probe Non-Invasice Near Infrared sensor dengan intensitas konstan Pada panjang Gelombang 750 nm dan 830 nm. Fakultas Teknik Elektro Universitas Indonesia,Depok. July 2009.

5. Darmawan Aan.(2007). Diktat Kuliah Pengolahan Citra Dijital. Bandung: Universitas Kristen Maranatha

6. Eko Wahyudi,Hendra Kusuma, Wirawan. Perbandingan Unjuk Kerja Pengenalan Wajah Berbasis Fitru Local Binary Pattern Dengan Algoritma PCA dan Chi Square. Jurusan Teknik Elektro ITS Surabaya 60111.

7. Hery Purnomo,M., Muntasa,A. (2010). Konsep Pengolahan Citra Digital dan Ekstraksi Fitur. Yogyakarta: Graha Ilmu

8. I Nyoman Piarsa, Riza Hisamuddin.Sistem Verifikasi Online Menggunakan Biometrika Wajah. Staf Pengajar Tenik Elektro Universitas Udaya Kampus Bukit Jimbaran Bali.

9. K,Ajay Kumar.Prathyusha Venkata. (2009). Personal Authentication using Hand Vein Triangulation and Knuckle Shape. IEEE Transactions On Image Processing, vol. 38, pp. 2127-2136.

10.Leila Mirmohamadsadeghi and Andrzej Drygajlo Swiss Federal Institude of Technology Lausanne (EPFL) CH-1015 Lausanne, Switzerland

11.M.Hafed Ziad, D.Levine Martin. (2001). Face Recognition Using the Discerete Cosine Transform. International Journal of Computer Vision 43(3),167-188

(27)

53 Universitas Kristen Maranatha 12.Putra Darma. (2009). Sistem Biometrika, Konsep Dasar, Teknik Analisis Citra, dan

Tahapan Membangun Aplikasi Sistem Biometrika. Yogyakarta: Andi 13.Putra Darma. (2010). Pengolahan Citra Digital. Yogyakarta: ANDI

14.SYRIS. (2004). Technical Document About FAR, FRR and ERR. SYRIS Technology Corp

15.http://smart-pustaka.blogspot.com/2011/02/sinar-imfra-merah-infra-red-ray.html

diakses tanggal 12 january 2013

16.http://www.google.com/#fp=85e87a878ab23426&q=jenis-jenis+pembuluh+darah

diakses tanggal 12 january 2013

17.www.biometrics.gov/Documents/biofoundationdocs.pdf diakses tanggal 20 january 2013

(1)

BAB I Pendahuluan

3 Universitas Kristen Maranatha 2. Mengetahui tingkat keberhasilan dari aplikasi dalam mengenali

pembuluh darah pemiliknya berdasarkan persentase FAR (False Accept Rate) dan FRR (False Reject Rate).

1.4 Tujuan

Tujuan yang ingin dicapai dari Tugas Akhir ini adalah :

1. Merealisasikan aplikasi metode ekstraksi fitur menggunakan Local

Binary Pattern untuk mengidentifikasi citra pembuluh darah.

2. Mengetahui tingkat keberhasilan dari aplikasi dalam mengidentifikasi citra pembuluh darah berdasarkan persentase FAR (False Acceptance

Rate) dan FRR (False Rejected Rate).

1.5 Pembatasan Masalah

Adapun batasan-batasan masalah pada Tugas Akhir ini adalah:

1. Jumlah citra yang akan digunakan sebagai citra pelatihan dan citra uji adalah sebanyak 8 citra dari 10 orang yang berbeda (5 citra digunakan sebagai citra referensi dan 3 citra sebagai citra uji).

2. Jarak pengambilan citra antara objek dengan kamera adalah 20-30 cm. 3. Pengambilan dan pengolahan citra tidak dilakukan secara real-time. 4. Ukuran citra yang digunakan adalah 120x120 piksel.

(2)

BAB I Pendahuluan

4 Universitas Kristen Maranatha 1.6 Sistematika Penulisan

Penyusunan laporan Tugas Akhir terdiri dari lima bab sebagai berikut :

BAB I PENDAHULUAN

Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah, identifikasi masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.

BAB II LANDASAN TEORI

BAB III PERANCANGAN PERANGKAT LUNAK

Bab ini berisi penjelasan desain yang akan dilakukan dalam membuat perangkat lunak untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan metode Local Binary Pattern.

(3)

BAB I Pendahuluan

5 Universitas Kristen Maranatha BAB IV DATA PENGAMATAN DAN ANALISA

Bab ini berisi data pengamatan hasil pengujian program, perhitungan tingkat keberhasilan metoda yang digunakan berdasarkan FAR dan FRR, dan analisa dari data hasil pengujian program.

BAB V KESIMPULAN DAN SARAN

Pada bab ini berisi kesimpulan dari Tugas Akhir dan saran-saran yang perlu dilakukan untuk pengembangan di masa mendatang.

(4)

51 Universitas Kristen Maranatha

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

1. Pembuatan program untuk identifikasi seseorang berdasarkan citra pembuluh darah menggunakan metode Local Binary Pattern (LBP) berhasil direalisasikan menggunakan MATLAB 7.11

2. Dari hasil pengamatan terhadap pengujian program identifikasi seseorang berdasarkan citra pembuluh darah didapatkan persentase FRR sebesar 20% dan persentase FAR sebesar 3,33 %.

5.2 Saran

1. Pengambilan citra pembuluh darah dapat dikembangkan dengan menerapkan sistem pengolahan secara real-time untuk mendapatkan

Region of Interest dari citra pembuluh darah pada tangan.