<![CDATA[Kebutuhan akan sistem otentikasi yang aman terus meningkat seiring perkembangan teknologi digital. Sistem autentikasi biometrik berbasis ciri khas manusia, seperti pengenalan wajah dan sidik jari, menawarkan solusi namun masih rentan terhadap manipulasi. Penelitian ini mengembangkan sistem autentikasi biometrik multimodal dengan menggabungkan fitur garis telapak tangan dan pola pembuluh darah punggung tangan, memanfaatkan Backpropagation Neural Network (BPNN) untuk klasifikasi dan Tapis Gabor untuk ekstraksi ciri. Sistem ini dirancang untuk meningkatkan akurasi, sensitivitas, dan spesifisitas autentikasi. Pada data pelatihan, sistem mencapai akurasi sebesar 98,1%, sensitivitas 100% pada kelas tertentu, dan spesifisitas optimal. Sementara pada data pengujian, akurasi tercatat sebesar 91%, dengan sensitivitas tertinggi mencapai 95% dan spesifisitas tetap tinggi pada kelas tertentu. Hasil ini menunjukkan bahwa sistem autentikasi multimodal berbasis BPNN dan Tapis Gabor dapat diandalkan dalam aplikasi keamanan digital, karena mampu memanfaatkan dua sumber biometrik berbeda untuk meningkatkan keakuratan dan daya tahan terhadap teknik pemalsuan.]]>
