Perangkat Lunak Identifikasi Biometriksidik Jari Terdistorsi Menggunakan Metode Wavelet Dan Convolutional Neural Network (Cnn)

Ruslan, Efendi (9882405118111048) (2023) Perangkat Lunak Identifikasi Biometriksidik Jari Terdistorsi Menggunakan Metode Wavelet Dan Convolutional Neural Network (Cnn). Undergraduate Thesis, Universitas Informatika dan Bisnis Indonesia.

	Text Cover.pdf Download (18kB)
	Text Abstrak.pdf Download (12kB)
	Text Bab 1.pdf Download (129kB)
	Text Daftar Pustaka.pdf Download (145kB)

Abstract

Biometrik adalah teknologi yang digunakan untuk mengidentifikasi karakteristik unik pada individu, seperti pola sidik jari, bentuk geometri tangan, kunci frekuensi suara, serta pola iris dan retina mata. Dalam konteks kepolisian, pengolahan citra digital menjadi alat yang sangat berguna bagi divisi identifikasi untuk menginterpretasikan citra, terutama dalam pengenalan pola sidik jari. Hal ini membantu meningkatkan kecepatan dan akurasi identifikasi sidik jari melalui persepsi visual manusia. Penelitian ini adalah membangun prototype perangkat lunak untuk mengidentifikasi sidik jari yang terdistorsi dengan tingkat kerusakan tertentu menggunakan teknik Wavelet dan Convolutional Neural Network (CNN). Transformasi Wavelet digunakan untuk mengatasi masalah nonstasioner dalam gambar dan mereduksi noise yang terdeteksi. Convolutional Autoencoder, yang merupakan bagian dari CNN, digunakan untuk menghasilkan representasi fitur sederhana dari citra masukan dan kemudian mencoba merekonstruksi citra tersebut. Penelitian ini menggunakan 500 data sidik jari sebagai sampel. Hasil pengujian menunjukkan variasi akurasi tergantung pada tingkat kerusakan, dengan akurasi terendah mencapai 11% dan tertinggi mencapai 59,2%. Rekonstruksi citra mencapai akurasi 7,16% hingga 12,47%, sementara pencocokan sidik jari mencapai akurasi antara 92,71% hingga 93,96%. Hasil rata- rata dari seluruh pengujian tingkat kerusakan mencapai 37,65%, dengan rata-rata rekonstruksi sidik jari sebesar 9,31% dan akurasi rata-rata untuk pencocokan mencapai 93,03%. Dalam pengembangan perangkat lunak identifikasi biometric sidik jari terdistorsi menggunakan Wavelet dan Convolutional Neural Network berhasil dalam merekonstruksi dan mencocokkan sidik jari yang terdistorsi dengan tingkat kerusakan tertentu. Hasil penelitian ini menunjukkan potensi besar dalam meningkatkan kemampuan identifikasi sidik jari dalam konteks forensic dan keamanan. Kata Kunci: Biometrik Sidik Jari, Metode Wavelet, Convolutional Neural Network (CNN).

Item Type:	Other
Additional Information:	SKRIPSI PRODI INFORMATIKA S1
Subjects:	H Social Sciences > H Social Sciences (General) T Technology > T Technology (General)
Divisions:	Fakultas Teknologi dan Informatika > Informatika
Depositing User:	PERPUS PERPUSTAKAAN UNIBI
Date Deposited:	26 Nov 2024 03:10
Last Modified:	26 Nov 2024 03:10
URI:	http://repository.unibi.ac.id/id/eprint/743

Actions (login required)

View Item