Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Identifikasi Biometrik Dengan Ekstraksi Fitur Telapak Tangan Berbasis Machine Learning

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 13 No. 3 (2026) · hlm. 581–590

DOI
10.25126/jtiik.2026133
ISSN
2528-6579, 2355-7699
Terbit
2026-06-30
Penerbit
Fakultas Ilmu Komputer, Universitas Brawijaya
Bahasa
id
Lisensi
creativecommons.org/licenses/by-sa/4.0

Abstrak

Bahasa Indonesia

Perkembangan teknologi memungkinkan akses cepat dan aman ke berbagai layanan dan perangkat melalui identifikasi biometrik yang mengandalkan fitur unik manusia seperti sidik jari, retina, wajah, dan telapak tangan. Penelitian ini bertujuan untuk mengidentifikasi telapak tangan menggunakan metode ekstraksi fitur garis telapak tangan dengan pendekatan ROI (Region of Interest). Ekstraksi fitur garis telapak tangan diharapkan menjadi suatu fitur dari identifikasi telapak tangan sehingga mendapatkan hasil dengan akurasi yang tinggi dengan bantuan pembelajaran mesin. Metode yang digunakan dalam penelitian ini adalah Neural Network. Studi ini membahas bagaimana ROI diterapkan untuk memfokuskan pada area tertentu dari citra telapak tangan yang berisi informasi biometrik relevan seperti garis utama, kerutan, dan punggung bukit. Hasil penelitian menunjukkan banyaknya fitur ekstraksi yang ada dalam telapak tangan dapat meningkatkan akurasi dalam proses identifikasi telapak tangan. Penelitian ini berkontribusi dalam pengembangan sistem identifikasi biometrik dengan memperkenalkan metode ekstraksi fitur garis telapak tangan berbasis ROI yang mampu meningkatkan akurasi identifikasi hingga 80% melalui penerapan Neural Network. Abstract Technological developments enable quick and secure access to various services and devices through biometric identification that relies on unique human features such as fingerprints, retina, face, and palm. This research uses the palm line feature extraction method with the ROI (Region of Interest) approach to identify palms. Palm line feature extraction is expected to be a feature of palm identification to get results with high accuracy with the help of machine learning. The method used in this research is Neural Network. This study discusses how ROI is applied to focus on specific areas of the palm image that contain relevant biometric information, such as main lines, wrinkles, and ridges. The results show that the number of extracted features present in the palm can increase the accuracy in the palm identification process. This research contributes to the development of biometric identification systems by introducing an ROI-based palm line feature extraction method that is able to increase identification accuracy up to 80% through the application of Neural Network.

Inggris

Perkembangan teknologi memungkinkan akses cepat dan aman ke berbagai layanan dan perangkat melalui identifikasi biometrik yang mengandalkan fitur unik manusia seperti sidik jari, retina, wajah, dan telapak tangan. Penelitian ini bertujuan untuk mengidentifikasi telapak tangan menggunakan metode ekstraksi fitur garis telapak tangan dengan pendekatan ROI (Region of Interest). Ekstraksi fitur garis telapak tangan diharapkan menjadi suatu fitur dari identifikasi telapak tangan sehingga mendapatkan hasil dengan akurasi yang tinggi dengan bantuan pembelajaran mesin. Metode yang digunakan dalam penelitian ini adalah Neural Network. Studi ini membahas bagaimana ROI diterapkan untuk memfokuskan pada area tertentu dari citra telapak tangan yang berisi informasi biometrik relevan seperti garis utama, kerutan, dan punggung bukit. Hasil penelitian menunjukkan banyaknya fitur ekstraksi yang ada dalam telapak tangan dapat meningkatkan akurasi dalam proses identifikasi telapak tangan. Penelitian ini berkontribusi dalam pengembangan sistem identifikasi biometrik dengan memperkenalkan metode ekstraksi fitur garis telapak tangan berbasis ROI yang mampu meningkatkan akurasi identifikasi hingga 80% melalui penerapan Neural Network. Abstract Technological developments enable quick and secure access to various services and devices through biometric identification that relies on unique human features such as fingerprints, retina, face, and palm. This research uses the palm line feature extraction method with the ROI (Region of Interest) approach to identify palms. Palm line feature extraction is expected to be a feature of palm identification to get results with high accuracy with the help of machine learning. The method used in this research is Neural Network. This study discusses how ROI is applied to focus on specific areas of the palm image that contain relevant biometric information, such as main lines, wrinkles, and ridges. The results show that the number of extracted features present in the palm can increase the accuracy in the palm identification process. This research contributes to the development of biometric identification systems by introducing an ROI-based palm line feature extraction method that is able to increase identification accuracy up to 80% through the application of Neural Network.

Kata kunci

Jaringan kolaborasi para penulis

3 penulis · 3 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, pertama di-harvest 27 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Identifikasi Biometrik Dengan Ekstraksi Fitur Telapak Tangan Berbasis Machine Learning</dc:title>
	<dc:title xml:lang="en">Identifikasi Biometrik Dengan Ekstraksi Fitur Telapak Tangan Berbasis Machine Learning</dc:title>
	<dc:creator xml:lang="en">Kusumadewa Tutuko, Aryo Bagus</dc:creator>
	<dc:creator xml:lang="en">Astiningrum, Mungki </dc:creator>
	<dc:creator xml:lang="en">Suarjuna Batubulan, Kadek </dc:creator>
	<dc:creator xml:lang="id">Kusumadewa Tutuko, Aryo Bagus</dc:creator>
	<dc:creator xml:lang="id">Astiningrum, Mungki </dc:creator>
	<dc:creator xml:lang="id">Suarjuna Batubulan, Kadek </dc:creator>
	<dc:subject xml:lang="en">biometrics, palm, ROI, neural network</dc:subject>
	<dc:subject xml:lang="id">biometrik, telapak tangan, ROI, neural network</dc:subject>
	<dc:description xml:lang="id">Perkembangan teknologi memungkinkan akses cepat dan aman ke berbagai layanan dan perangkat melalui identifikasi biometrik yang mengandalkan fitur unik manusia seperti sidik jari, retina, wajah, dan telapak tangan. Penelitian ini bertujuan untuk mengidentifikasi telapak tangan menggunakan metode ekstraksi fitur garis telapak tangan dengan pendekatan ROI (Region of Interest). Ekstraksi fitur garis telapak tangan diharapkan menjadi suatu fitur dari identifikasi telapak tangan sehingga mendapatkan hasil dengan akurasi yang tinggi dengan bantuan pembelajaran mesin. Metode yang digunakan dalam penelitian ini adalah Neural Network. Studi ini membahas bagaimana ROI diterapkan untuk memfokuskan pada area tertentu dari citra telapak tangan yang berisi informasi biometrik relevan seperti garis utama, kerutan, dan punggung bukit. Hasil penelitian menunjukkan banyaknya fitur ekstraksi yang ada dalam telapak tangan dapat meningkatkan akurasi dalam proses identifikasi telapak tangan. Penelitian ini berkontribusi dalam pengembangan sistem identifikasi biometrik dengan memperkenalkan metode ekstraksi fitur garis telapak tangan berbasis ROI yang mampu meningkatkan akurasi identifikasi hingga 80% melalui penerapan Neural Network.
 
Abstract
Technological developments enable quick and secure access to various services and devices through biometric identification that relies on unique human features such as fingerprints, retina, face, and palm. This research uses the palm line feature extraction method with the ROI (Region of Interest) approach to identify palms. Palm line feature extraction is expected to be a feature of palm identification to get results with high accuracy with the help of machine learning. The method used in this research is Neural Network. This study discusses how ROI is applied to focus on specific areas of the palm image that contain relevant biometric information, such as main lines, wrinkles, and ridges. The results show that the number of extracted features present in the palm can increase the accuracy in the palm identification process. This research contributes to the development of biometric identification systems by introducing an ROI-based palm line feature extraction method that is able to increase identification accuracy up to 80% through the application of Neural Network.</dc:description>
	<dc:description xml:lang="en">Perkembangan teknologi memungkinkan akses cepat dan aman ke berbagai layanan dan perangkat melalui identifikasi biometrik yang mengandalkan fitur unik manusia seperti sidik jari, retina, wajah, dan telapak tangan. Penelitian ini bertujuan untuk mengidentifikasi telapak tangan menggunakan metode ekstraksi fitur garis telapak tangan dengan pendekatan ROI (Region of Interest). Ekstraksi fitur garis telapak tangan diharapkan menjadi suatu fitur dari identifikasi telapak tangan sehingga mendapatkan hasil dengan akurasi yang tinggi dengan bantuan pembelajaran mesin. Metode yang digunakan dalam penelitian ini adalah Neural Network. Studi ini membahas bagaimana ROI diterapkan untuk memfokuskan pada area tertentu dari citra telapak tangan yang berisi informasi biometrik relevan seperti garis utama, kerutan, dan punggung bukit. Hasil penelitian menunjukkan banyaknya fitur ekstraksi yang ada dalam telapak tangan dapat meningkatkan akurasi dalam proses identifikasi telapak tangan. Penelitian ini berkontribusi dalam pengembangan sistem identifikasi biometrik dengan memperkenalkan metode ekstraksi fitur garis telapak tangan berbasis ROI yang mampu meningkatkan akurasi identifikasi hingga 80% melalui penerapan Neural Network.
 
Abstract
Technological developments enable quick and secure access to various services and devices through biometric identification that relies on unique human features such as fingerprints, retina, face, and palm. This research uses the palm line feature extraction method with the ROI (Region of Interest) approach to identify palms. Palm line feature extraction is expected to be a feature of palm identification to get results with high accuracy with the help of machine learning. The method used in this research is Neural Network. This study discusses how ROI is applied to focus on specific areas of the palm image that contain relevant biometric information, such as main lines, wrinkles, and ridges. The results show that the number of extracted features present in the palm can increase the accuracy in the palm identification process. This research contributes to the development of biometric identification systems by introducing an ROI-based palm line feature extraction method that is able to increase identification accuracy up to 80% through the application of Neural Network.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2026-06-30</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9849</dc:identifier>
	<dc:identifier>10.25126/jtiik.2026133</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 13 No 3: Juni 2026; 581-590</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 13 No. 3: Juni 2026; 581-590</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.2026133</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9849/1592</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2026 Aryo Bagus Kusumadewa Tutuko, Mungki  Astiningrum, Kadek  Suarjuna Batubulan</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>