Sistem Identifikasi Biometrika Multimodal Palmprint dan Palmvein Menggunakan Two- Dimensional Locality Preserving Projection Palmprint and Palmvein Multimodal Biometrics Identification System Using Two-Dimensional Locality Preserving Projection Fuad Ikhlasul Amal 1 , Tjokorda Agung Budi Wirayudha, S.T., M.T. 2 , Kurniawan Nur Ramadhan, S.T., M.T. 3 1, 2, 3 Program Studi S1 Teknik Informatika, Fakultas Informatika, Universitas Telkom 1 fuadikhlasul@gmail.com, 2 cokagung@telkomuniversity.ac.id, 3 kurniawannr@telkomuniversity.ac.id Abstrak - Dalam penelitian Tugas Akhir ini dijelaskan mengenai sistem biometrika multimodal dengan menggabungkan dua modalitas yaitu palmprint dan palmvein di level nilai kemiripan serta menggunakan Two-Dimensional Locality Preserving Projection sebagai algoritma ekstraksi ciri, melanjutkan penelitian sebelumnya oleh Wang dkk yang berhasil menggabungkan dua modalitas tersebut di level citra. Palmprint dan palmvein dipilih karena sulit untuk dipalsukan dan cara akuisisinya yang mudah. Algoritma 2DLPP diterapkan pada palmprint dan palmvein secara independen dalam proses ekstraksi ciri dengan memproyeksikan masing-masing citra ke sebuah vektor ciri menggunakan sebuah matriks transformasi. Penggabungan ciri dilakukan di level skor dengan mengombinasikan nilai kemiripan masing-masing ciri menggunakan sebuah konstanta bobot. Penelitian ini menunjukkan performansi sistem biometrika multimodal palmprint dan palmvein yang dihasilkan berupa recognition rate menggunakan dataset CASIA MS-PalmprintV1 dengan rasio data latih dan data uji 3:3 dalam mode verifikasi dan identifikasi secara berturut-turut yaitu 94,67% dan 97,33%. Kata kunci: biometrika, multimodal, region of interest, two-dimensional locality preserving projection Abstract – Multimodal biometrics authentication system using palmprint and palmvein is explained in this research. Continuing the prior research by Wang et al that succeed combining those two modalities at image level, this research attempt to combine them at matching score level using 2DLPP as feature extraction technique. Palmprint and palmvein is selected because they hard to be copied and easy to acquire. 2DLPP is applied to both palmprint and palmvein separately in feature extraction process by projecting each image to feature vector space using a transformation matrix. The features combination is done in score level by combining their similarity score using a weight constant. This research shows the recognition rate of the system by using CASIA MS-PalmprintV1 with 3:3 of training and testing data ratio in terms of verification and identification task is 94.67% and 97.33% respectively. Keywords: biometrics, multimodal, region of interest, two-dimensional locality preserving projection I. PENDAHULUAN Metode autentikasi konvensional seperti password, PIN, token, dan smart card tidak relevan untuk diterapkan pada sistem yang membutuhkan keamanan tinggi. Sistem biometrika menggantikan metode konvensional dengan memanfaatkan ciri fisik atau perilaku manusia yang benar-benar merepresentasikan identitas seseorang dan kelebihannya yang sulit untuk diduplikasi, dicuri, maupun dipalsukan [5]. Tiga tantangan utama yang dihadapi sistem biometrika [6] yaitu akurasi, skala, dan usabilitas. Berbagai cara diusulkan untuk meningkatkan akurasi sistem biometrika diantaranya dengan menggabungkan lebih dari satu ciri biometris untuk pengenalan atau disebut dengan istilah sistem biometrika multimodal [1]. Selain itu, berbagai teknik ekstraksi ciri diusulkan untuk meningkatkan performansi sistem biometrika diantaranya yaitu LDA, PCA, ICA, LBP, dan LDP [3, 9, 12]. Pada penelitian ini dijelaskan mengenai sistem biometrika multimodal palmprint dan palmvein menggunakan ekstraksi ciri Two-Dimensional Locality Preserving Projection (2DLPP) karena terbukti berhasil digunakan dalam pengenalan identitas dengan akurasi yang cukup tinggi [2, 11]. Pada bab 2 akan dijelaskan tahapan-tahapan preprocessing pada citra diantaranya adalah pengambilan ROI citra kemudian pada bab 3 dibahas mengenai algoritma ekstraksi ciri 2DLPP. Pencocokan verifikasi dan identifikasi akan dibahas pada bab 4 dan bab 5 akan dibahas mengenai konfigurasi data yang digunakan, pengujian sistem, hasil pengujian, dan performansi sistem. II. PREPROCESSING Sebuah area segi-empat Region of Interest (ROI) diambil dari semua citra palmprint dan palmvein untuk mendapatkan bagian citra yang mengandung informasi penting sebelum dilakukan proses ekstraksi ciri. ROI diambil ISSN : 2355-9365 e-Proceeding of Engineering : Vol.2, No.2 Agustus 2015 | Page 6165 CORE Metadata, citation and similar papers at core.ac.uk Provided by Open Library