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 terdahulu

  14 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 Gaussian

  9 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