ABSTRAKSI: Keamanan merupakan salah satu masalah yang perlu diperhatikan dalam dunia teknologi akhir-akhir ini. Keamanan dengan cara tradisional masih memiliki banyak kelemahan. Pengenalan telapak tangan menjadi salah satu bagian penelitian yang banyak diminati dalam bidang biometrik, dibandingkan jenis biometrik yang lain. Telapak tangan memiliki kelebihan seperti kestabilan ciri dan kecilnya biaya yang digunakan dalam penggunaannya. Dalam tugas akhir ini ditawarkan salah satu cara pengenalan telapak tangan dalam pengenalan identitas manusia atau individu dengan menggunakan metode pengenalan ciri transformasi haar wavelet dan klasifikasi Support Vector Machine (SVM)
Keamanan merupakan salah satu masalah yang perlu diperhatikan dalam dunia teknologi akhir-akhir ini. Keamanan dengan cara tradisional masih memiliki banyak kelemahan. Pengenalan telapak tangan menjadi salah satu bagian penelitian yang banyak diminati dalam bidang biometrik, dibandingkan jenis biometrik yang lain. Telapak tangan memiliki kelebihan seperti kestabilan ciri dan kecilnya biaya yang digunakan dalam penggunaannya. Dalam tugas akhir ini ditawarkan salah satu cara pengenalan telapak tangan dalam pengenalan identitas manusia atau individu dengan menggunakan metode pengenalan ciri transformasi haar wavelet dan klasifikasi Support Vector Machine (SVM)
Data tugas akhir yang diambil berupa video, alasannya bisa diterapkan dalam bentuk realtime. Jumlah yang diambil ada 30 video telapak tangan yang diperoleh dengan menggunakan kamera digital. Pengujian sistem dilakukan dengan penentuan pengambilan feature length (ciri citra) dan parameter fungsi kernel polynomial pada SVM. Dari hasil pengujian diperoleh hasil pengujian terbaik dengan akurasi 86% untuk data ideal anggota kelas dan 81% untuk data kelas realtime.Kata Kunci : keamanan, haarwavelet, support vector machine, telapak tangan, biometric, videoABSTRACT: keamanan, haarwavelet, support vector machine, telapak tangan, biometric, video
keamanan, haarwavelet, support vector machine, telapak tangan, biometric, video
Video was data that using in this research, because can implementation in realtime condition. 30 palmprint video was captured using digital camera. Testing system do with feature length and parameter kernel function on SVM. After testing, can getting best accuracy 86% for ideal data and accuracy 81% for realtime data condition.Keyword: security, haarwavelet, support vector machine, palmprint, biometric, video