Klasifikasi pola sidik jari menggunakan metode k-nearest neighbor dan google colab

Billa Agustriani, (NIM. 1022011058) (2024) Klasifikasi pola sidik jari menggunakan metode k-nearest neighbor 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 (350kB)
	Text BAB II.pdf Restricted to Registered users only Download (946kB)
	Text BAB III.pdf Restricted to Registered users only Download (1MB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Restricted to Registered users only Download (334kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (333kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (1MB)

Abstract

Dalam melakukan proses identifikasi citra sidik jari masih didapatkan citra sidik jari yang mengalami degradasi, maka dari itu diperlukan suatu pengolahan citra digital yang dapat meningkatkan kualitas citra sidik jari yaitu dengan melewati beberapa tahapan yaitu rezise, konversi rgb menjadi grayscale kemudian dilakukan ekstraksi ciri tekstur Local Binary Pattern yang digunakan sebagai input untuk klasifikasi dan proses klasifikasi K-Nearest Neighbor sebagai metode klasifikasi sidik jari. Jenis pola sidik jari yang digunakan adalah pola arch, plainwhorl, leftloop, rightloop dan twintedloop. Untuk mendapatkan hasil data sidik jari digunakan alat pemindaian menggunakan mikrokontroler Arduino Uno Atmega 328P dan sensor sidik jari FPM 10A. Penelitian ini menggunakan data latih 1251 data dan data uji 313 data untuk data diketahui, serta 160 data latih dan 40 data uji untuk data tidak diketahui. Berdasarkan hasil identifikasi 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, didapatkan jumlah pola arch yang terklasifikasi dengan benar sebanyak 242 pola, pola leftloop sebanyak 242 pola, pola plainwhorl sebanyak 274 pola, pola rightloop sebanyak 261 pola dan pola twintedloop sebanyak 231 pola untuk data diketahui. Untuk data tidak diketahui, jumlah pola arch terklasifikasi dengan benar sebanyak 3 pola, pola leftloop sebanyak 3 pola, pola plainwhorl sebanyak 5 pola, pola rightloop sebanyak 6 pola dan pola twintedloop sebanyak 3 pola.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi Pola; Sidik jari; Google Colab; Local Binary Pattern; dan k-Nearest Neighbor
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 02:26
Last Modified:	23 Jan 2025 02:26
URI:	https://repository.ubb.ac.id/id/eprint/10362

Actions (login required)

View Item