Peneliti : Mahmud Dwi Sulistyo, ST, Leonardi, ST
Judul : Sistem Identifikasi Biometrik Individu Berbasis Telapak Tangan Dengan Menerapkan Modified Direction Features Dan Complex-Valued Neural Network

Abstrak
Penelitian ini dilakukan mengingat Absensi merupakan salah satu parameter penilaian dalam menilai kinerja dosen dalam lingkungan IT Telkom. Namun di IT Telkom sendiri, sistem absensi dosen yang diterapkan masih menggunakan lembaran kertas yang bertanda tangan. Hal ini akan menyulitkan dalam masalah pengukuran kehadiran dosen di lingkungan IT Telkom. Untuk mengatasi hal tersebut maka perlu dikembangkan sebuah sistem absensi yang memberikan akurasi dan validasi data. Salah satu solusi yang dapat digunakan adalah sistem absensi berbasis biometrik, dimana tingkat akurasi dan validasi kehadiran dosen dapat dijamin, serta akan sulit dipalsukan. Salah satu bentuk sistem biometrik yang sedang menjadi topik penelitian terkini adalah biometrik dengan menggunakan deteksi telapak tangan. Dengan mendeteksi telapak tangan setiap dosen, sistem absensi yang dibangun disini diharapkan mampu menggantikan sistem absensi saat ini yang masih banyak memiliki keterbatasan.Fokus dalam penelitian ini adalah pembangunan classifier untuk sistem identifikasi individu melalui telapak tangan. Proses identifikasi tersebut memiliki dua tahap utama, yaitu ekstraksi ciri dan klasifikasi. Modified Direction Feature (MDF) digunakan untuk ekstraksi ciri dari foto telapak tangan yang masuk. Sedangkan pada tahap klasifikasi, digunakan Complex- Valued Neural Network (CVNN). Diharapkan dari dua metode yang sudah teruji pada penelitian-penelitian sebelumnya tersebut, sistem ini akan bekerja secara efektif dan efisien.Ruang lingkup dalam penelitian ini adalah akuisisi data telapak tangan mahasiswa IT Telkom sebanyak 500 orang dimana proses akuisisi citra dilakukan dengan perangkat resolusi tinggi (digital kamera) dan perangkat resolusi rendah(web camera) agar dapat diketahui performansi sistem dilihat dari kondisi terbaik dan terburuk di dunia nyata.