Rancang Bangun Alat Pengenal Finger Vein Menggunakan Raspberry Pi dengan Metode Convolutional Neural Network (CNN)

Abstract

Terobosan teknologi sistem pengenalan biometrik saat ini berkembang dengan pesat dan sangat mempermudah urusan seperti pengenalan identitas atau validasi identitas, serta tidak jarang perusahaan dan institusi lain yang umum menerapkan sistem pengenalan berbasis biometrik manusia seperti sidik jari, pola telapak tangan, wajah, ataupun iris mata. Sebuah sistem pengenalan biometrik memiliki kelebihan dan tentunya beberapa keterbatasan dalam hal performa dan kenyamanan. Pengenalan sidik jari dan telapak tangan mengharuskan pengguna untuk menyentuh permukaan sensor. Dengan cara ini, pengguna dapat merasa tidak nyaman dan risiko penyebaran virus atau bakteri sangat tinggi, juga akurasi pendeteksian dapat dipengaruhi oleh faktor-faktor seperti kulit berkeringat dan kering serta distorsi kulit. Oleh karena itu pada penelitian ini akan mengusung judul Rancang Bangun Alat Pengenal Finger Vein Menggunakan Raspberry Pi Dengan Metode Convolutional Neural Network (CNN). Penelitian ini menggunakan sistem berbasis Raspberry Pi 4 dengan bantuan IR LED dan webcam untuk proses akusisi data citra pembuluh darah jari, yang diharapkan mampu melakukan proses pengenalan Finger Vein lebih cepat, dan penggunaan metode Convolutional Neural Network yang sudah teruji untuk menghasilkan akurasi yang lebih baik dengan proses Deep Learning. Dari 30 data yang digunakan sebagai penguji sistem bersama perangkat lunak dan perangkat keras tertanam, akurasinya mencapai 96,66%. Abstract Breakthrough in biometric recognition system technology is currently growing rapidly and greatly facilitates matters such as identity recognition or identity validation, and it is not uncommon for companies and other institutions to implement human biometric-based recognition systems such as fingerprints, palm patterns, faces, or irises. A biometric recognition system has advantages and certainly some limitations in terms of performance and convenience. Fingerprint and palm recognition requires the user to touch the surface of the sensor. In this way, users can feel uncomfortable and the risk of spreading viruses or bacteria is very high, also the detection accuracy can be affected by factors such as sweaty and dry skin and skin distortion. Therefore, this study will carry the title Design a Finger Vein Recognition Tool Using Raspberry Pi with the Convolutional Neural Network (CNN) Method. This research uses a Raspberry Pi 4-based system with the help of IR LEDs and webcams for the acquisition process of finger blood vessel image data, which is expected to be able to carry out the Finger Vein recognition process faster, and the use of the proven Convolutional Neural Network method to produce better accuracy with the Deep Learning process. Of the 30 data used as system testers alongside embedded software and hardware, the accuracy reached 96.66%.

Keywords

• CNN
• Raspberry Pi
• Finger vein