Article Per Year (5 Year)
p-Index From 2021 - 2026
4.654
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) JURNAL SISTEM INFORMASI BISNIS Jurnal Teknologi Informasi dan Ilmu Komputer Scientific Journal of Informatics Reswara: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian Polinema Kepada Masyarakat Jurnal Pengabdian kepada Masyarakat International Journal of Educational Review, Law And Social Sciences (IJERLAS) JSIKTI (Jurnal Sistem Informasi dan Komputer Terapan Indonesia) International Journal of Social Science, Educational, Economics, Agriculture Research, and Technology (IJSET) International Journal of Health, Engineering and Technology Komunita: Jurnal Pengabdian dan Pemberdayaan Masyarakat Jurnal Informatika Polinema (JIP)
Batubulan, Kadek Suarjuna
Jurusan Teknologi Informasi, Politeknik Negeri Malang
Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Identifikasi Biometrik Dengan Ekstraksi Fitur Telapak Tangan Berbasis Machine Learning Kusumadewa Tutuko, Aryo Bagus; Astiningrum, Mungki; Suarjuna Batubulan, Kadek
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 3: Juni 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026133

Abstract

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.
Co-Authors Ade Ismail Ade Ismail Adisaksana, Helmi Adisaksana, Helmy Agustina, Hiqma Nur Ahmad Nova Rifki Wildani Ahmadi Yuli Ananta Aini, Lilies Nur Alifia Zaida Nurmaya Andika Hilmi Hamdani Ane Fany Novitasari Ane Fany Novitasari Ane Fany Novitasari Aniek Suryanti Kusuma Anisa Taufika Firdausi Annisa Taufika Firdausi Annisa Taufika Firdausi Annisa Taufika Firdausi Ayu Febriyanti Puspitasari ‘Aini, Yulis Nurul Banni Satria Andoko Budi Harijanto, Budi Chrisnandari, Rosita Dwi Danang Eko Novianto Dewajani, Heny Dian Hanifudin Subhi Dika Rizky Yunianto Dwi Pribadi, Joni Elisiana, Malia Fadloli Fadloli Fadloli, Fadloli Fauziah, Suci Nur Galih Putra Riatma Helmi Adisaksana Ilham Ibrahim Imam Fahrur Rozi Irsyad Arif Mashudi Joni Dwi Pribadi Kotama, I Nyoman Darma Kusumadewa Tutuko, Aryo Bagus Lilies Nur Aini Lusiani, Cucuk Evi Malia Elisiana Millenia Rusbandi Mohammad Maskan Mohammad Maskan, Mohammad Mungki Astiningrum Ni’ma Shoumi, Milyun Noprianto, Noprianto Novianto, Danang Eko Nurtjahjani, Fullchis Pradhana, Anak Agung Surya Putra Prima Arhandi, Putra Prima PUTU SUGIARTAWAN Ratih Indri Hapsari Ridwan Rismanto RIZKY ARDIANSYAH Rosa Andrie Asmara Rusbandi, Millenia Sanita Dhakirah Sanita Dhakirah Shabrina Adani Putri, Shabrina Adani Sigit Hadiantoro, Sigit Suci Nur Fauziah Ulla Delfana Rosiani Vipkas Al Hadid Firdaus Wardani, Ni Wayan Wildani, Ahmad Nova Rifki Yulis Nurul Aini