PEMANFAATAN CIRI GLCM DAN HISTOGRAM UNTUK KLASIFIKASI GENDER PADA SIDIK JARI DENGAN METODE NAÏVE BAYES

SABRINA (2024) PEMANFAATAN CIRI GLCM DAN HISTOGRAM UNTUK KLASIFIKASI GENDER PADA SIDIK JARI DENGAN METODE NAÏVE BAYES. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71200675_bab1_bab5_daftarpustaka.pdf Download (11MB)
	Text (Skripsi Informatika) 71200675_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Identifikasi gender sidik jari memiliki banyak manfaat dalam bidang keamanan, forensik, dan identifikasi individu. Namun, keakuratan klasifikasi gender sidik jari masih menjadi masalah. Oleh karena itu dalam penelitian ini, peneliti mencoba untuk menggabungkan fitur GLCM dan Histogram yang diharapkan dapat meningkatkan keakuratan klasifikasi gender berdasarkan sidik jari. Penelitian ini menggunakan metode naïve bayes untuk mengklasifikasikan gender Berdasarkan sidik jari dengan memanfaatkan ciri GLCM (Grey Level Co-occurrence Matrix) dan histogram. Tiga pendekatan dilakukan dalam penelitian ini yaitu menggunakan hanya ciri GLCM, hanya histogram, dan gabungan keduanya. Tujuannya adalah untuk menguji akurasi klasifikasi yang dihasilkan oleh setiap pendekatan. Hasil penelitian menunjukkan bahwa penggunaan hanya ciri GLCM menghasilkan akurasi 66%, sementara penggunaan hanya histogram menghasilkan akurasi 52%. Namun, ketika kedua jenis ciri digabungkan, akurasi klasifikasi meningkat menjadi 66%.

Actions (login required)

View Item