KLASIFIKASI DISTORSI AKUISISI CITRA SIDIK JARI BERBASIS MULTI FITUR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

SYAM, RAHMAT (2011) KLASIFIKASI DISTORSI AKUISISI CITRA SIDIK JARI BERBASIS MULTI FITUR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. In: IAENG International Journal of Computer Science.

[img] Text
2207301011-paper.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
2207301011-presentation.pdf - Published Version
Restricted to Repository staff only

Download (13MB) | Request a copy

Abstract

Kualitas data citra sidik jari merupakan faktor utama penentu tingkat akurasi keberhasilan proses pengenalan sidik jari dalam sistem biometrik. Kualitas citra sidik jari yang mengandung beberapa parameter penting sebagai prasayarat pemrosesan data lebih lanjut, terdefenisi dengan jelas pada saat proses akuisisi. Permasalahannya adalah pada tahap ini, ditemui fakta bahwa sangat dibutuhkan informasi jenis distorsi citra sidik jari agar dapat ditentukan metode perbaikan citra yang tepat sehingga dihasilkan tingkat akurasi pengenalan yang tinggi. Penelitian ini dilakukan untuk menghadirkan cara alternatif proses klasifikasi jenis distorsi akuisisi citra sidik jari ke dalam tiga kategori (kering, netral dan berminyak) menggunakan metode Support Vector Machine (SVM) berbasis multi fitur citra sidik jari. yang terdiri dari: nilai intensitas rata-rata (RR), nilai varians (VAR), standar deviasi (STD), nilai koherensi (KOH), skor kejelasan ridge-valley (CS) dan rasio ketebalan ridge-valley (TR). Penelitian ini dititikberatkan pada penentuan nilai strandar parameter jenis distorsi akuisisi citra sidik jari dan analisis metode klasifikasi yang difokuskan pada pengaruh perbedaan penggunaan fungsi kernel SVM terhadap rasio kebenaran klasifikasi sidik jari. Hasil penelitian menunjukan bahwa fungsi kernel SVM yang paling optimal untuk klasifikasi jenis distorsi akuisisi citra sidik jari berbasis multi fitur ke dalam tiga kategori kering, netral dan berminyak adalah kernel polynomial dengan nilai c=108.

Item Type: Conference or Workshop Item (Paper)
Additional Information: RDE 006.42 Sya k
Uncontrolled Keywords: klasifikasi, distorsi, akuisisi, sidik jari, multi fitur.
Subjects: T Technology > T Technology (General)
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105 Data Transmission Systems
Divisions: Faculty of Industrial Technology > Electrical Engineering > (S3) PhD Theses
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 14 Dec 2016 07:05
Last Modified: 14 Dec 2016 07:05
URI: http://repository.its.ac.id/id/eprint/1039

Actions (login required)

View Item View Item