KLASIFIKASI POLA SIDIK JARI MENGGUNAKAN DENSENET-201

NEYSA NATANIA BR. SINGARIMBUN (2027) KLASIFIKASI POLA SIDIK JARI MENGGUNAKAN DENSENET-201. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi informatika) 71200661_Bab 1_Bab 5_Daftarpustaka.pdf Download (2MB)
	Text (Skripsi informatika) 71200661_Bab 2-sd-Bab 4_Lampiran.pdf Restricted to Registered users only until 8 March 2027. Download (2MB) | Request a copy

Abstract

Sidik jari memiliki peranan penting dalam teknologi biometrik.Tantangan yang muncul meliputi keragaman pola sidik jari dan kesulitan dalam memproses sejumlah besar data untuk pencocokan. Untuk mengatasi hal ini, salah satu pendekatan yang efektif adalah membagi sidik jari berdasarkan karakteristik khusus, sehingga proses identifikasi dapat menjadi lebih efisien. Penelitian ini menggunakan DenseNet-201 dengan pendekatan transfer learning untuk mengklasifikasikan pola sidik jari. Untuk memaksimalkan performa model, data sidik jari melalui tahap preprocessing dan augmentasi data. Beberapa kombinasi hyperparameter,seperti jumlah epoch , ukuran batch size, dan jenis optimizer, diujicobakan untuk menemukan konfigurasi terbaik yang dapat menghasilkan akurasi yang cukup tepat dalam klasifikasi pola sidik jari yakni Whorl, Arch, Left Loop, Rightloop, dan Tentarch. Hasil akurasi terbaik yang diperoleh oleh model DenseNet-201 adalah sebesar 96%, dengan nilai presisi, recall, dan F1-score masing-masing sebesar 95% . Hasil ini diperoleh dengan menggunakan optimizer RMSProp dengan batch size 32 dan jumlah epoch 10.

Actions (login required)

View Item