Pasca pandemi Covid 19 teknik pengenalan biometric menjadi semakin berkembang terutama digunakan untuk manfaatkan keamanan. Meirista Wulandari, mahasiswa program Doktor dari Departemen Teknik Elektro FTUI, melakukan penelitian disertasi berkaitan dengan biometric palm vein dengan judul “Sistem Pengenalan Palm Vein dengan Metode Ekstraksi Fitur Discrete Wavelet Transform dan Histogram of Oriented Gradient Bebasis Convolutional Neural Network”. Disertasi ini dipresentasikan pada sidang Promosi Doktor FTUI yang dilaksanakan pada Jumat (12/1) di Smart Classroom, Gedung GK FTUI.
”Biometrik palm vein merupakan biometrik intristik yang terletak dibawah lapisan kulit manusia sehingga memiliki beberapa keunggulan untuk dikembangkan sebagai system verifikasi. Sistem pengenalan palm vein ini memiliki kelebihan sulit diduplikasi karena tertutup kulit telapak tangan sehingga bersifat kofidensial atau rahasia dan mempresentasikan keunikan masing-masing individu serta prospektif untuk dikembangkan sebagai identifikasi seseorang,” ungkap Meirista.
Sedangkan dalam system identifikasi biometrik palm vein dibutuhkan gelombang infrared untuk memindai pembuluh darah pada telapak tangan, yang kemudian gelombang infrared tersebut akan diserap oleh deoxidized hemoglobin di pembuluh darah, dimana hasil penyerapan tersebut kemudian dapat ditangkap oleh kamera menghasilkan kualitas citra palm vein asli. Proses mengidentifikasi palm vein seseorang dibutuhkan keakurasian yang tinggi dalam waktu singkat, dengan menggunakan deep learning Convolution Neural Network (CNN) dapat memproses data dalam jumlah yang besar dan permasalahan dapat teratasi dengan nilai error pengenalan yang kecil.
Penelitian ini menggunakan metode verifikasi VeinCNN dengan empat skema yakni, skema verifikasi dengan metode VeinCNN, Skema verifikasi dengan metode ekstraksi fitur DWT VeinCNN, metode ekstraksi fitur HOG VeinCNN, serta dengan metode Hybird DWT-HOG VeinCNN menunjukan hasil yang baik pada parameter Akurasi, AUC, dan EER. Terutama berdasarkan hasil analisis, penguunaan skema verifikasi Hybird DWT-HOG VeinCNN mampu menghasilkan nilai Akurasi terbesar pada dataset Casia yaitu, 99,85%, niali AUC terbesar pada dataset Casia yaitu 99,85%, dan nilai EER terkecil pada dataset Casia yaitu 0,00083%.
“Pegembangan verifikasi VeinCNN diharapkan kedepannya dapat dikembangkan kedalam suatu desain perangkat keras pemindai palm vein baik secara offline maupun online untuk dapat memenuhi kebutuhan industri. Dan berpeluang luas dikembangkan dari segi jenis dan jumlah dataset mengingat belum tersediannya dataset palm vein yng berasal dari Indonesia”, ujar Dekan FTUI, Prof. Dr. Ir. Heri Hermansyah, ST., M.Eng., IPU terkait penelitian ini.
Melalui disertasi ini, Meirista Wulandari berhasil meraih gelar Doktor dengan IPK 3,98 predikat Sangat Memuaskan. Ia merupakan Doktor ke-168 yang lulus dari Departemen Teknik Elektro dan Doktor ke-536 di Fakultas Teknik Universitas Indonesia. Sidang promosi doktor ini dipimpin Ketua Sidang, Prof. Dr. Ir. Yanuar, M.Eng., M.Sc., dengan Promotor, Prof. Dr. Ir. Dadang Gunawan, M.Eng., Ko-Promotor Dr. Basari, ST., MEng. Sementara tim penguji terdiri dari Prof. Dr. Muhammad Suryanegara, ST., M.Sc., IPU., Prof. Dr. Ir. Harry Sudibyo, DEA., Dr. Eng. Mia Rizkiania, S.T., M.T., Dr. Puspita Anggraini Katili, M.Sc., Ph.D., Dr. Rifai Chai.
***
Kantor Komunikasi Publik
Fakultas Teknik Universitas Indonesia
