Pengenalan Telapak Tangan Menggunakan Convolutionall Neural Network (CNN)

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%.