Pengenalan Telapak Tangan Menggunakan Convolutionall Neural Network (CNN)

Authors

  • Nila Hardi Universitas Bina Sarana Informatika
  • Jenie Sundari

DOI:

https://doi.org/10.31294/reputasi.v4i1.1951

Abstract

Berbeda dengan atribut perilaku biometrik yang lainnya, telapak tangan (Palmprint) merupakan atribut yang cukup baru dalam biometrics. Pada mode sekarang, personal recognition system atau bahasa lainnya yaitu sistem pengenalan diri secara semakin hari semakin hari semakin menarik banyak peminat, sehingga kebutuhannyapun ikut meningkat khususnya dalam penerapan di sektor keamanan. Sistem pengenalan guna dijadikan sistem keamanan sudah banyak dikembangkan dengan menggunakan berbagai jenis atribut biometrik salah satunya dengan menggunakan pengenalan telapak tangan (Palmprint). Penelitian yang dilakukan memiliki tujuan guna melakukan Pengenalan Palmprint menggunakan Convolutionall Neural Network (CNN). CNN yang diterapakan pada penelitian ini yaitu metode Alexnet. Pada metode Alexnet diterapkan 3 tahapan yaitu tahap pertama diawali dengan pengumpulan dataset yang kemudian dilakukan proses Pre-processing sehingga citra yang dihasilkan ukurannya menjadi 64x64px. Tahap selanjutnya adalah Ekstraksi Fitur dengan 3 layer yaitu Convolutionall Layer, Pooling Layer, Fully Connected Layer, Pada implementasi implementasi Convolutionall Neural Network menggunakan 10 epoch. Hasil akurasi dari penelitian pengenalan Palmprint menggunakan metode Convolutionall Neural Network paling tinggi ditemukan pada epoch ke-9 yaitu 0,9701 atau jika diubah kedalam bentuk proporsi yaitu 97,01%.

References

R. Ajita, D. Reza, and R. Arun, Selfie

Biometrics. Advances and Challenges. 2019.

S. Rahman and M. Ulfayani, “Perancangan

Aplikasi Identifikasi Biometrika Telapak

Tangan Menggunakan Metode Freeman

Chain Code,” CESS (Journal Comput. Eng.

Syst. Sci., vol. 2, no. 2, pp. 64–73, 2017.

N. Fajriani, “Pengenalan Pola Garis Telapak

Tangan Menggunakan Metode Fuzzy K-

Nearest Neighbor,” Edutic - Sci. J.

Informatics Educ., vol. 4, no. 1, pp. 36–43,

, doi: 10.21107/edutic.v4i1.3385.

I. Purnamasari and T. Sutojo,

“PENGENALAN CIRI GARIS TELAPAK

TANGAN MENGGUNAKAN

EKSTRAKSI FITUR (GLCM) DAN

METODE K-NN Palm Characteristic

Recognition Using Feature Extraction

(GLCM) and K-NN Method,” J. VOI (Voice

Informatics), vol. 6, no. 1, pp. 221–229,

, [Online]. Available: https://voi.stmik-

tasikmalaya.ac.id/index.php/voi/article/view/

G. T. Situmorang, A. W. Widodo, and M. A.

Rahman, “Penerapan Metode Gray Level

Co-occurrence Matrix ( GLCM ) untuk

ekstraksi ciri pada telapak tangan,” J.

Pengemb. Teknol. Inf. dan Ilmu Komput.,

vol. 3, no. 5, pp. 4710–4716, 2019.

S. Sazmita, Dyah Tri;Rusdi, Efendi;Boko,

“Pengolahan Citra Telapak Tangan Manusia

Menggunakan Histogram Equalization Dan

Homomorphic Filtering,” Rekursif J.

Inform., vol. 8, pp. 1–12, 2020, [Online].

Available:

https://ejournal.unib.ac.id/index.php/rekursif

/article/view/9904.

B. Pradinta, E. Ernawati, and E. P.

Purwandari, “Identifikasi Citra Garis

Telapak Tangan Menggunakan Metode

Linear Discriminant Analysis Dengan

Probabilitas Naïve Bayesian,” Pseudocode,

vol. 4, no. 2, pp. 156–167, 2017, doi:

33369/pseudocode.4.2.156-167.

S. Ilahiyah and A. Nilogiri, “Implementasi

Deep Learning Pada Identifikasi Jenis

Tumbuhan Berdasarkan Citra Daun

Menggunakan Convolutional Neural

Network,” JUSTINDO (Jurnal Sist. dan

Teknol. Inf. Indones., vol. 3, no. 2, pp. 49–

, 2018.

M. R. Alwanda, R. P. K. Ramadhan, and D.

Alamsyah, “Implementasi Metode

Convolutional Neural Network

Menggunakan Arsitektur LeNet-5 untuk

Pengenalan Doodle,” J. Algoritm., vol. 1, no.

, pp. 45–56, 2020, doi:

35957/algoritme.v1i1.434.

Reputasi: Jurnal Rekayasa Perangkat Lunak, Volume 4 No. 1 Mei 2023

ISSN 2747-1799

http://jurnal.bsi.ac.id/index.php/reputasi 15

A. S. Riyadi, I. P. Wardhani, D. S. Widayati,

and K. Kunci, “Klasifikasi Citra Anjing Dan

Kucing Menggunakan Metode

Convolutional Neural Network (Cnn),”

Pros. SeNTIK, vol. 5, no. 1, pp. 307–311,

I. B. L. M. Suta, R. S. Hartati, and Y.

Divayana, “Diagnosa Tumor Otak

Berdasarkan Citra MRI (Magnetic

Resonance Imaging),” Maj. Ilm. Teknol.

Elektro, vol. 18, no. 2, 2019, doi:

24843/mite.2019.v18i02.p01.

B. Nugroho, E. Y. Puspaningrum, and M. S.

Munir, “Kinerja Algoritma Optimasi Root-

Mean-Square Propagation dan Stochastic

Gradient Descent pada Klasifikasi

Pneumonia Covid-19 Menggunakan CNN,”

J. Edukasi dan Penelit. Inform., vol. 7, no. 3,

p. 420, 2021, doi: 10.26418/jp.v7i3.49172.

N. C. Kuncoro, S. A. Wibowo, K. Usman, F.

T. Elektro, U. Telkom, and T. S.

Recognition, “Analisis Kinerja Prototipe

Traffic Sign Recognition Untuk Sistem

Autonomous Car Menggunakan You Only

Look Once Performance Analysis of

Prototyping Traffic Sign Recognition,” vol.

, no. 3, pp. 8872–8878, 2020.

F. Nashrullah, S. A. Wibowo, and D. G.

Budiman, “COMPLETE Journal of

Computer, Electronic, and

Telecommunication Investigasi Parameter

Epoch Pada Arsitektur ResNet-50 Untuk

Klasifikasi Pornografi,” J. Comput.

Electron. Telecommun., vol. 1, no. 1, 2020

Downloads

Published

2024-05-31

How to Cite

Hardi, N., & Sundari, J. (2024). Pengenalan Telapak Tangan Menggunakan Convolutionall Neural Network (CNN). Reputasi: Jurnal Rekayasa Perangkat Lunak, 4(1), 10-15. https://doi.org/10.31294/reputasi.v4i1.1951

Issue

Section

Articles