KLASIFIKASI GENDER BERDASARKAN SIDIK JARI MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE

GIAN NATHAN CHRISTYO NUGROHO (2024) KLASIFIKASI GENDER BERDASARKAN SIDIK JARI MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71200585_bab1_bab5_daftarpustaka.pdf Download (2MB)
	Text (Skripsi Informatika) 71200585_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Mayoritas penelitian klasifikasi sidik jari menggunakan ciri-ciri seperti core dan delta sebagai basisnya. Sebelum mengekstraksi fitur-fitur sidik jari, berbagai tahapan preprosesing biasanya dilakukan terlebih dahulu. Penelitian ini berbeda dengan penelitian lain karena klasifikasi dilakukan langsung pada citra sidik jari tanpa melalui tahap preprosesing yang detail dan hanya dilakukan pengubahan ukuran piksel menjadi 96x103. Ciri-ciri sidik jari tidak ditentukan secara manual, melainkan diekstraksi secara otomatis menggunakan metode Principal Component Analysis (PCA) yang menghasilkan 4200 ciri-ciri yang terbaik. Untuk alasan kesempurnaan fitur telah dilakukan normalisasi fitur menggunakan StandardScaler. Klasifikasi dari penelitian ini menggunakan metode Support Vector Machine (SVM) nonlinear dengan kernel Polynomial. Penelitian ini menggunakan 6000 sampel data dari database SOCOFing. Model ini memperoleh akurasi klasifikasi hingga 88,75%.

Actions (login required)

View Item