Implementasi Metode Speed Up Robust Feature dan Scale Invariant Feature Transform untuk Identifikasi Telapak Kaki Individu

Abstract

Abstrak - Biometrik merupakan metode pengidentifikasian individu berdasarkan ciri fisiknya. Salah satu ciri fisik yang dapat digunakan untuk biometrik adalah telapak kaki. Ciri fisik ini dipilih karena memiliki tingkat keunikan yang tinggi, sehingga hampir tidak terdapat individu yang memiliki ciri yang sama. Metode-metode ekstraksi ciri seperti Scale Invariant Feature Transform (SIFT) dan Speed Up Robust Feature (SURF) akan sesuai jika digunakan untuk mendukung sistem identifikasi telapak kaki. Tahapan yang dilakukan untuk mendapatkan deskriptor dimulai dari scanning telapak kaki, pre-processing, ekstraksi ciri dengan menggunakan SURF dan SIFT sampai pada proses matching pada saat pengujian. Perbandingan keduanya dilihat dari aspek akurasi. Proses penentuan klasifikasi dan kelas menggunakan algoritma K-Nearest Neighbor (K- NN). Hasilnya akan menjadi data-data penelitian dalam paper ini. Diharapkan menggunakan metode SIFT dan SURF akan memberikan hasil dengan tingkat keakurasian yang tinggi.

Kata Kunci – Biometric, Footprint, SURF, SIFT, K- NN

Abstract - Biometric is a method used to identify indivduals using their physical features. One of the physical features that can be used for biometric is the footprint. The footprint was chosen because of having a high level of uniqueness where it is almost impossible to find two individuals that have the same footprint. Feature extraction methods such as Scale Invariant Feature Transform (SIFT) and Speed Up Robust Feature (SURF) are appropriate if used for footprint identification system. The steps used in obtaining descriptor start from scanning the footprint, pre-processing, feature extraction using SURF and SIFT and last the matching process. The comparison between the two methods will be observed by their accuracy. The K-Nearest Neighbor (K-NN) algorithm will be used for the classification process. The outputs will be used for research data in this research proposal. It will be expected that using SIFT and SURF for the feature extraction will result in high accuracy.

Keywords – Biometric, Footprint, SURF, SIFT, K- NN