Sagita, Teddy Sandoria (2018) IDENTIFIKASI PERSONAL BERDASAR CITRA HIDUNG MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ). Skripsi thesis, Universitas Mercu Buana Yogyakarta.
|
Text
ABSTRAK.pdf Download (8kB) | Preview |
|
|
Text
BAB I.pdf Download (80kB) | Preview |
|
|
Text
BAB II.pdf Download (328kB) | Preview |
|
![[img]](http://eprints.mercubuana-yogya.ac.id/style/images/fileicons/text.png) |
Text
BAB III.pdf Restricted to Repository staff only Download (425kB) |
|
|
Text
BAB IV.pdf Restricted to Repository staff only Download (494kB) |
|
|
Text
BAB V.pdf Restricted to Repository staff only Download (10kB) |
|
|
Text
COVER DAN LAMPIRAN.pdf Restricted to Repository staff only Download (3MB) |
|
|
Text
SKRIPSI FULL TEXT.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Biometrik adalah bagian dari bioinformatika yang berfokus pada pengembangan metode dasar sistem autentifikasi dengan menggunakan karakteristik alami manusia sebagai basisnya. Misalnya dengan sidik jari, sidik telapak tangan, pengenalan wajah, pengenalan retina, pengenalan suara, dll. Ciri-ciri fisik tesebut bersifat unik satu dengan yang lain. Dalam kasus ini dipilih hidung sebagai objek. Hidung merupakan bagian yang paling menonjol di wajah, tiap pola hidung manusia memiliki ukuran dan jenis yang berbeda apabila diperhatikan secara seksama. Hal ini dipengaruhi oleh struktur tubuh dan wajah setiap manusia itu berbeda. Dengan menggunakan teknik-teknik pengolahan citra maka informasi dari hidung ini dapat dianalisis dengan menggunakan nilai ciri matriks kookurensi sebagai acuan. Pemrosesan dimulai dari konversi citra hidung RGB ke citra grayscale kemudian dilakukan ekstraksi ciri mengguanakan Gray Level Co-Occurrence Matrix (GLCM). Dari ciri hasil Gray Level Co-Occurrence Matrix (GLCM) dilakukan perhitungan mengunakan Angular Second Moment/Energy (ASM), Contrast, Correlation, Variance, Inverse Different Moment (IDM), Entropy, Dissimilarity dan Homogeneity. Kemudian berlanjut ke proses klasifikasi mengunakan Learning Vector Quantization (LVQ). Hasil penelitian dari identifikasi personal berdasar citra hidung menggunakan metode Learning Vector Quantization (LVQ) dengan 30 data citra untuk pelatihan dan 15 data citra untuk pengujian, dapat mengenali objek dengan tingkat akurasi 93,33% untuk proses pengujian, dengan tingkat pengenalan untuk kelas 1 sebesar 80%, kelas 2 sebesar 100% dan kelas 3 sebesar 100%. Kata Kunci: GLCM, Learning Vector Quantization (LVQ)
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information/ Lokasi Hardcopy: | Indah Susilawati, ST., M.Eng. |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Fakultas Teknologi Informasi > Program Studi Teknik Informatika |
| Depositing User: | Psikologi UMBY |
| Date Deposited: | 27 Aug 2018 08:09 |
| Last Modified: | 27 Aug 2018 08:09 |
| URI: | http://eprints.mercubuana-yogya.ac.id/id/eprint/3603 |
Actions (login required)
 |
View Item |
