PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR OPERASI BLOK NON-OVERLAPPING DAN PENCOCOKAN JARAK EUCLIDEAN TERNORMALISASI SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi FUJI FRILLA KU
09PENGENALAN GARIS TELAPAK TANGAN DENGAN MENGGUNAKAN
EKSTRAKSI FITUR OPERASI BLOK NON-OVERLAPPING DAN
PENCOCOKAN NORMALIZED EUCLIDEAN DISTANCE
SKRIPSI
FUJI FRILLA KURNIA
091402041
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI
FITUR OPERASI BLOK NON-OVERLAPPING DAN PENCOCOKAN
JARAK EUCLIDEAN TERNORMALISASI PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR OPERASI BLOK NON-OVERLAPPING DAN PENCOCOKAN JARAK EUCLIDEAN TERNORMALISASI SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi FUJI FRILLA KURNIA 091402041
PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
PERSETUJUAN
Judul : PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR OPERASI BLOK NON-OVERLAPPING DAN PENCOCOKAN JARAK EUCLIDEAN TERNORMALISASI
Kategori : SKRIPSI Nama : FUJI FRILLA KURNIA Nomor Induk Mahasiswa : 091402041 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, 30 April 2014
Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dr. Erna Budhiarti Nababan, M.IT Romi Fadillah Rahmat, B.Comp.Sc, M.Sc NIP. - NIP. 19860303 201012 1 004 Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Prof. Dr. Opim Salim Sitompul, M.Sc NIP. 19610817 198701 1 001
PERNYATAAN
PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR OPERASI BLOK NON-OVERLAPPING DAN PENCOCOKAN
JARAK EUCLIDEAN TERNORMALISASI SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 30 April 2014 Fuji Frilla Kurnia 091402041
PENGHARGAAN
Puji dan syukur penulis sampaikan kepada Allah SWT yang telah memberikan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
Banyak pihak telah membantu penulis dalam penyelesaian skripsi ini dengan kerjasama, dukungan dan doa yang telah diberikan. Oleh karena itu penulis menyampaikan ucapan terima kasih sedalam-dalamnya dan penghargaan kepada: 1.
Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
2. Ketua dan Sekretaris Program Studi Teknologi Informasi yaitu Bapak Prof. Dr.
Opim Salim Sitompul, M.Sc dan Bapak Drs. Sawaluddin, M.Sc yang telah memberikan dukungan, arahan dan bantuan dalam penyelesaian skripsi.
3. Bapak Romi Fadillah Rahmat, B.Comp.Sc, M.Sc dan Ibu Dr. Erna Budhiarti Nababan, M.IT sebagai pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis dalam penyelesaian skripsi.
4. Bapak Muhammad Anggia Muchtar, S.T, MM.IT dan Bapak Baihaqi Siregar, S.Si, M.T yang telah bersedia menguji seminar hasil dan sidang sarjana penulis.
5. Seluruh dosen dan pegawai Program Studi Teknologi Informasi dan Ilmu Komputer Universitas Sumatera Utara yang telah mengajarkan dan memberikan dukungan serta bantuannya dalam penyelesaian skripsi.
6. Kedua orangtua penulis, ibunda Muzdalifah dan ayahanda Sudarsono yang selalu memberi doa, dukungan dan motivasi untuk menyelesaikan skripsi ini serta selalu sabar dalam mendidik penulis.
7. Kakak Yuni, abang Yaya, adik Ivany, Winda dan Wanda serta yang terkasih Bobby Susilo yang selalu memberikan dukungan dan doa kepada penulis.
8. Teman-teman yang selalu memberikan dukungan, seluruh teman-teman TA, Bagus, Rozy, Yayuk, Rian, Anggreiny, Irwan, Desi, Upik, Adnan B, Frans, Arif, Ari, Mulki, Satria, April, Irene, Robet, Aang, Septi, Syarah, Whydia, Yuli, Tiwi serta teman-teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis sebutkan satu persatu.
Semoga semua kebaikan dan bantuan yang telah diberikan dibalas oleh Allah SWT dan semoga skripsi ini dapat bermanfaat bagi semua pihak yang menggunakannya.
ABSTRAK
Pengenalan garis telapak tangan merupakan pengenalan identitas seseorang melalui salah satu bagian tubuh yang memiliki karakteristik tertentu. Garis telapak tangan memiliki karakteristik dengan bentuk garis telapak tangan yang berbeda pada setiap orang. Pada penelitian ini, metode ekstraksi fitur operasi blok non-overlapping digunakan pada pengenalan citra garis telapak tangan. Metode ini membagi data sampel menjadi LxK blok dan menghitung nilai fitur dari setiap blok tersebut. Pada penelitian ini data sampel dibagi menjadi 10x10 blok (10 baris dan 10 kolom), yaitu 100 blok dengan ukuran masing-masing blok adalah 20x20 piksel. Metode operasi blok non-overlapping menghitung rata-rata dari setiap blok dengan menghitung piksel aktif (putih) setiap blok dan melakukan pembagian terhadap jumlah keseluruhan piksel di dalam satu blok. Sehingga didapat hasil fitur dari sebuah citra berjumlah 100 nilai fitur. Nilai fitur tersebut menjadi acuan untuk pencocokan menggunakan jarak
Euclidean ternormalisasi. Jarak Euclidean ternormalisasi merupakan pengukuran
tingkat kesamaan antara dua vektor. Total data sampel berjumlah 240 dengan 160 data digunakan untuk pelatihan dan 80 data sampel berbeda digunakan untuk proses pengujian tingkat pencocokan. Dari 80 citra uji, 48 citra tidak memiliki noise didapatkan hasil pengenalan yang benar sebesar 97,92% dan 32 citra uji lain memiliki
noise dengan hasil pengenalan yang benar 75%. Sedangkan pengujian yang dilakukan
secara keseluruhan didapatkan tingkat pencocokan menggunakan metode ekstraksi fitur ini adalah 88,75%.
Kata kunci : garis telapak tangan, ekstraksi fitur, operasi blok non-overlapping, jarak
Euclidean ternormalisasi
PALMPRINT RECOGNITION USING NON-OVERLAPPING BLOCK
PROCESSING FEATURE EXTRACTION AND MATCHING USING
NORMALIZED EUCLIDEAN DISTANCE
ABSTRACT
Palmprint line recognition is the one of a kind to recognize person through with one of the characteristic from the human body. The palmprint lines have the characteristic that the shape of the palmprint lines are different for each other. In this paper, non- overlapping block processing feature extraction method is used to palmprint recognition. The method divide sampel to LxK grid blocks and compute feature vector from each block. In this paper, sample is divided into 10x10 grid blocks, total 100 blocks from each block is 20x20 pixels. Block processing method compute the average of every active (white) pixel from each block and divide value with the sum of pixels in each block. The total feature vector is 100 features obtained from average active pixel. These feature used as referenced to matching process. Normalized Euclidean distance is the measure of similarity by the two vectors. The total data samples are 240 which 160 samples used for training and another samples are used for matching rate testing. After testing phase done, according to 80 of the data test, the result of 48 data test recognition which have no noise is 97.92% and the result of 32 data test recognition which have noise is 75%. After testing phase done, the overall matching rate using the feature extraction is 88.75%.
Keywords : palmprint, feature extraction, non-overlapping block processing, normalized Euclidean distance
Halaman PERSETUJUAN ii
3.2. Tahapan Pengenalan Garis Telapak Tangan
2.3.3. Binerisasi citra
11
2.4. Konsep Fitur
12
2.5. Ekstraksi Fitur Operasi Blok Non-Overlapping
12
2.6. Metrika Pencocokan dengan Jarak Euclidean Ternormalisasi
13
2.7. Penelitian Terdahulu
14 BAB 3 ANALISIS DAN PERANCANGAN
15
3.1. Data yang Digunakan
15
16
2.3.2. Deteksi tepi : operator Canny
3.3. Akuisisi Citra
17
3.4. Pra-pengolahan Citra
18
3.4.1. Pembentukan citra keabuan
18
3.4.2. Deteksi tepi citra
19
3.4.3. Binerisasi citra
20
3.5. Ekstraksi Fitur
21
3.6. Tahap Pelatihan
8
7
PERNYATAAN iii
3
PENGHARGAAN iv
ABSTRAK v
ABSTRACT vi
DAFTAR ISI vii
DAFTAR TABEL ix
DAFTAR GAMBAR x
BAB 1 PENDAHULUAN
1
1.1. Latar Belakang
1
1.2. Rumusan Masalah
2
1.3. Batasan Masalah
1.4. Tujuan Penelitian
2.3.1. Pembentukan citra keabuan
3
1.5. Manfaat Penelitian
3
1.6. Metodologi Penelitian
3
1.7. Sistematika Penulisan
4 BAB 2 LANDASAN TEORI
6
2.1. Garis Telapak Tangan
6
2.2. Konsep Dasar Citra
6
2.3. Pra-pengolahan Citra
7
25 viii
3.7. Tahap Pengujian
25
3.8. Pencocokan dengan Jarak Euclidean Ternormalisasi
26 BAB 4 HASIL DAN PEMBAHASAN
28
4.1. Implementasi
28
4.2. Tampilan Implementasi Sistem
30
4.3. Hasil Pelatihan Citra Latih dengan Ekstraksi Fitur Operasi Blok Non- Overlapping
36
4.4. Hasil Pencocokan Citra Uji dengan Database
38
DAFTAR PUSTAKA
44 LAMPIRAN A : DATA SAMPEL
46 LAMPIRAN B : LISTING PROGRAM
55
DAFTAR TABEL
Halaman
Tabel 2.1 Tabel penelitian terdahulu14 Tabel 4.1 Method yang digunakan dalam program
29 Tabel 4.2 Hasil pelatihan ekstraksi fitur citra
36 Tabel 4.3 Hasil pencocokan citra uji dengan database
38 Tabel 4.4 Hasil keseluruhan pengujian tingkat pengenalan
41 Tabel 4.5 Hasil pengujian citra tidak memiliki noise dan memiliki noise
42
DAFTAR GAMBAR
29 Gambar 4.4 Tampilan citra berwarna (RGB)
21 Gambar 3.15 Diagram alir ekstraksi fitur operasi blok non-overlapping
22 Gambar 3.16 Contoh hasil fitur citra
23 Gambar 3.17 Diagram alir proses menghitung jarak Euclidean ternormalisasi
25 Gambar 4.1 Tampilan awal program
28 Gambar 4.2 Tampilan registrasi user
29 Gambar 4.3 Tampilan pengolahan citra sebelum citra dipilih
30 Gambar 4.5 Tampilan pembentukan citra grayscale
20 Gambar 3.13 Pembagian blok menjadi 10 kolom dan 10 baris
30 Gambar 4.6 Tampilan pembentukan citra deteksi tepi
31 Gambar 4.7 Tampilan pembentukan citra biner
31 Gambar 4.8 Tampilan hasil fitur citra uji
32 Gambar 4.9 Tampilan pengujian citra sebelum data diisi
32 Gambar 4.10 Tampilan pengujian citra
33 Gambar 4.11 Tampilan form “Tentang Saya”
33 Gambar 4.12 Tampilan form “Tutup Aplikasi”
21 Gambar 3.14 Diagram alir proses ekstraksi fitur operasi blok non-overlapping
20 Gambar 3.12 Matriks penyimpanan nilai fitur
Halaman
15 Gambar 3.2 Contoh citra telapak tangan kiri resolusi 2052 x 1824 piksel
Gambar 2.1 Contoh matriks template dari filter Gaussian9 Gambar 2.2 Matriks konvolusi 3x3 Operator Sobel
9 Gambar 2.3 Matriks citra berukuran 5x5 piksel
10 Gambar 2.4 Area untuk mengonversi arah tepi
10 Gambar 2.5 Contoh matriks vektor fitur rata-rata dengan ukuran 10x10 blok
12 Gambar 3.1 Tahapan pengenalan garis telapak tangan
15 Gambar 3.3 Contoh cropping (pemotongan) citra berukuran 600x600 piksel
19 Gambar 3.11 Citra hasil binerisasi
16 Gambar 3.4 Citra 600x600 piksel di resize menjadi 200x200 piksel
16 Gambar 3.5 Tahapan pra-pengolahan citra
16 Gambar 3.6 Diagram alir proses grayscaling
17 Gambar 3.7 Citra hasil grayscaling
18 Gambar 3.8 Diagram alir proses deteksi tepi
18 Gambar 3.9 Citra hasil deteksi tepi
19 Gambar 3.10 Diagram alir pembentukan citra biner
34