KLASIFIKASI GENDER PADA SIDIK JARI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN IMPLEMENTASI MODEL ARSITEKTUR INCEPTION-RESNETV2

WILLIAM HONG (2024) KLASIFIKASI GENDER PADA SIDIK JARI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN IMPLEMENTASI MODEL ARSITEKTUR INCEPTION-RESNETV2. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71200617_bab1_bab5_daftarpustaka.pdf Download (2MB)
	Text (Skripsi Informatika) 71200617_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Peneliti melakukan penelitian terkait klasifikasi gender berdasarkan sidik jari berbasis Convolution Neural Network (CNN) dan mengandalkan arsitektur InceptionResNetv2. Untuk pengujian ini, peneliti menggunakan dataset dari Sokoto Coventry Fingerprint (SOCOFing) dan NIST Special Database 4, yang kemudian peneliti kembangkan dalam pengenalan gender berdasarkan sidik jari yang akan dilakukan training dan testing. Dengan mengimplementasikan Machine Learning, peneliti berharap pengenalan gender berdasarkan sidik jari dapat dikembangkan dan lebih akurat. Dalam penelitian ini, peneliti mencoba melakukan empat percobaan dengan menggunakan dua dataset Sokoto Coventry Fingerprint (SOCOFing) dan NIST Special Database 4 dan mencoba menggunakan Fingerprint Enhancer pada percobaan ke tiga dan keempat. Hasil pengujian menunjukkan model yang dilatih dengan dataset NIST cenderung memiliki hasil yang lebih baik dibandingkan dengan SOCOFing, meskipun teknik pre-processing hanya memberikan peningkatan performansi yang signifikan pada dataset NIST.

Actions (login required)

View Item