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

SYAM, RAHMAT (2016) KLASIFIKASI DISTORSI AKUISISI CITRA SIDIK JARI BERBASIS MULTI FITUR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 2207301011-Abstrack.pdf]
Preview
Text
2207301011-Abstrack.pdf

Download (216kB) | Preview
[thumbnail of 2207301011-Disertation.pdf]
Preview
Text
2207301011-Disertation.pdf - Published Version

Download (6MB) | Preview
[thumbnail of 2207301011-conclusion.pdf]
Preview
Text
2207301011-conclusion.pdf - Published Version

Download (382kB) | Preview

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: Thesis (Doctoral)
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 > 20001-(S3) PhD Thesis
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 14 Dec 2016 06:51
Last Modified: 27 Dec 2018 07:28
URI: http://repository.its.ac.id/id/eprint/1036

Actions (login required)

View Item View Item