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
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
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 NIP. -
Romi Fadillah Rahmat, B.Comp.Sc, M.Sc NIP. 19860303 201012 1 004
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
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
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.
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
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%.
DAFTAR ISI
1.4. Tujuan Penelitian 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
2.3.1. Pembentukan citra keabuan 7
2.3.2. Deteksi tepi : operator Canny 8
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
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
BAB 5 KESIMPULAN DAN SARAN 43
5.1. Kesimpulan 43
5.2. Saran 43
DAFTAR PUSTAKA 44
LAMPIRAN A : DATA SAMPEL 46
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
DAFTAR GAMBAR
Halaman
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 3.2 Contoh citra telapak tangan kiri resolusi 2052 x 1824 piksel 15 Gambar 3.3 Contoh cropping (pemotongan) citra berukuran 600x600 piksel 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 19
Gambar 3.11 Citra hasil binerisasi 20
Gambar 3.12 Matriks penyimpanan nilai fitur 20
Gambar 3.13 Pembagian blok menjadi 10 kolom dan 10 baris 21 Gambar 3.14 Diagram alir proses ekstraksi fitur operasi blok non-overlapping 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 29
Gambar 4.4 Tampilan citra berwarna (RGB) 30
Gambar 4.5 Tampilan pembentukan citra grayscale 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