Klasifikasi pola sidik jari menggunakan algoritma naive bayes dan google colab

Bella Agustriana, (NIM. 1022011057) (2024) Klasifikasi pola sidik jari menggunakan algoritma naive bayes dan google colab. Other thesis, Universitas Bangka Belitung.

	Text HALAMAN DEPAN.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (249kB)
	Text BAB II.pdf Restricted to Registered users only Download (761kB)
	Text BAB III.pdf Restricted to Registered users only Download (2MB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Restricted to Registered users only Download (238kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (241kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (1MB)

Abstract

Dalam mempermudah proses pengambilan citra sidik jari, maka diperlukan suatu alat scanner yang dapat secara langsung menyimpan data pola sidik jari ke komputer. Proses identifikasi pola sidik jari menggunakan alat ini, masih ditemukan citra yang mengalami degradasi akibat dari jari yang keriput, berminyak, dan terputusnya garis guratan pola yang menimbulkan kendala dalam pembacaan ataupun analisis pada pola sidik jari. Untuk itu, diperlukan adanya proses menggunakan citra digital, ekstraksi ciri dengan metode Gray Level Co-Occurencce Matrix (GLCM) dengan parameter GLCM yang digunakan ada 4 fitur yaitu contrast, correlation, homogeneity, dan energy, hingga metode Naïve Bayes dalam proses klasifikasi. Dalam penelitian ini, dirancang suatu alat pemindaian sidik jari menggunakan sensor dan mikrokontroler ATMEGA 328P. Berdasarkan hasil identifikasi pola sidik jari memiliki rentang nilai yang dikategorikan termasuk cocok maupun tidak cocok. Mulai dari rentang 10-20% program masih bisa mencocokkan sidik jari. Namun, jika rentang dimulai dari 30%-100% program belum bisa melakukan pencocokkan. Berdasarkan hasil klasifikasi pola sidik jari menggunakan confusion matrix untuk data diketahui jumlah data sidik jari sebanyak 900 data didapatkan 45 data pola arch diklasifikasi benar, 109 data pola left loop diklasifikasi benar, 53 data pola plain whorl diklasifikasi benar, 119 data pola right loop diklasifikasi benar, dan 12 data pola twinted loop diklasifikasi dengan benar. Pada data tidak diketahui dengan jumlah data sidik jari sebanyak 20 data didapatkan 1 data pola arch diklasifikasi benar, 3 data pola left loop diklasifikasi benar, 1 data pola right loop diklasifikasi benar, dan 3 data pola twinted loop diklasifikasi dengan benar.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi Pola; Sidik jari; Google Colab; GLCM; dan Naïve Bayes
Subjects:	T Teknologi > TK Teknik Elektro. Elektronika. Teknik Nuklir
Divisions:	FAKULTAS SAINS DAN TEKNIK > TEKNIK ELEKTRO > SKRIPSI
Depositing User:	Mr Jan Frist Pagendo Purba
Date Deposited:	23 Jan 2025 02:24
Last Modified:	23 Jan 2025 02:24
URI:	https://repository.ubb.ac.id/id/eprint/10359

Actions (login required)

View Item