IDENTIFIKASI POLA CITRA VENA JARI MENGGUNAKAN INCEPTIONV3
Dany Yudha Putra Haque, Prof. Ir. Nazrul Effendy, S.T., M.T., Ph.D., IPM.;Ir. Agus Arif, M.T.
2025 | Skripsi | FISIKA TEKNIK
Maraknya kasus pembobolan akun mendorong
kebutuhan verifikasi identitas yang lebih aman. Teknologi biometrik,
seperti sidik jari, sering digunakan, namun memiliki kelemahan seperti
kerusakan permukaan jari. Alternatif yang lebih aman adalah teknologi biometrik
berbasis vena jari yang unik bagi setiap individu. Teknologi ini bergantung pada
kualitas citra inframerah yang diambil. Untuk mengidentifikasi pola citra vena
jari, digunakan Convolutional Neural
Network (CNN) dan fine
tuning dengan InceptionV3,
yang memungkinkan penggunaan dataset
kecil dengan tetap menjaga akurasi tinggi.
Pengenalan pola vena jari pada
penelitian ini menggunakan pre-trained
model InceptionV3.
Penelitian dilakukan dengan variasi hyperparameters,
yang meliputi preprocessing dan optimizer. Preprocessing yang dilakukan
adalah dengan ekstraksi region of interest
(ROI), peningkatan citra dengan Contrast
Limited Adaptive Histogram Equalization (CLAHE),
dan augmentasi data.
Hasil dari penelitian ini menunjukkan hasil kinerja yang baik, di mana model InceptionV3 mampu mengenali pola vena jari dari dataset Shandong University Machine Learning and Application Homologous Multi-modal Traits (SDUMLAHMT). Model terbaik dari penelitian ini adalah model 4 dengan spesifikasi menggunakan data preprocessing dan menggunakan optimizer RMProp yang memiliki hasil akurasi latih 95,80%, akurasi uji 97,92%, F1-score 97,92%, AUC ROC 99,47%, dan waktu latih 45,36 menit.
The increasing number of account
breaches has driven the demand for more secure identity verification methods.
Biometric technologies, such as fingerprint recognition, are commonly used;
however, they have limitations, such as the potential for surface damage to the
fingers. A more secure alternative is vein pattern-based biometric technology,
which is unique to each individual. This technology relies on the quality of
infrared images captured. To identify the vein pattern images, a Convolutional
Neural Network (CNN) is employed, with fine-tuning
using InceptionV3, enabling the use of small datasets while maintaining high
accuracy.
The vein
pattern recognition in this study utilizes a pre-trained InceptionV3 model. The
study was conducted with variations in hyperparameters, which include
preprocessing and optimizer selection. The preprocessing steps involve region
of interest (ROI) extraction, image enhancement using Contrast Limited Adaptive
Histogram Equalization (CLAHE), and data augmentation.
The results of this study demonstrate strong performance, with the InceptionV3 model successfully recognizing vein patterns from the Shandong University Machine Learning and Application Homologous Multi-modal Traits (SDUMLAHMT) dataset. The best model from this research was Model 4, which used data preprocessing and the RMProp optimizer, achieving a training accuracy of 95,80%, testing accuracy of 97,92%, F1-score of 97,92%, AUC ROC of 99,47%, and training time of 45,36 minutes.
Kata Kunci : Biometrik, vena jari, computer vision, InceptionV3, RMSProp
