IDENTIFIKASI CITRA BIBIR MENGGUNAKAN METODE CO-OCCURRENCE MATRIX UNTUK BIOMETRIKA

Prakoso, Ginanjar Mukti (2016) IDENTIFIKASI CITRA BIBIR MENGGUNAKAN METODE CO-OCCURRENCE MATRIX UNTUK BIOMETRIKA. Skripsi thesis, Universitas Mercu Buana Yogyakarta.

[thumbnail of SKRIPSI FULL TEXT] Text (SKRIPSI FULL TEXT)
SKRIPSI IDENTIFIKASI CITRA BIBIR MENGGUNAKAN METODE CO-OCCURRENCE MATRIX UNTUK BIOMETRIKA.pdf
Restricted to Repository staff only

Download (7MB)
[thumbnail of NASKAH PUBLIKASI] Text (NASKAH PUBLIKASI)
NASKAH PUBLIKASI IDENTIFIKASI CITRA BIBIR MENGGUNAKAN METODE CO-OCCURRENCE MATRIX UNTUK BIOMETRIKA.pdf
Restricted to Repository staff only

Download (826kB)

Abstract

Biometrik merupakan metode pengenalan identitas seseorang berdasarkan
karakteristik fisik manusia itu sendiri, misalnya wajah, sidik jari, struktur telapak tangan,
letak retina mata, suara/wicara. Biometrika jauh lebih handal dari pada metode
konvensional, karena selain mudah untuk diproses juga selalu dibawa oleh manusia
tersebut. Fakta bahwa bibir manusia adalah unik, dikonfirmasi oleh Yasuo Tsuchihasi dan
Kazuo Suzuki dalam studi mereka di Tokyo University (1968-1971). Mereka menguji
1.364 subjek dengan umur 3 sampai dengan 60 tahun baik pria maupun wanita. Penelitian
mereka membuktikan bahwa karakteristik bibir manusia adalah unik dan tak akan
berubah.
Co-occurrence matrix merupakan metode paling banyak digunakan untuk analisis
tekstur. Matrix co-occurrence dihitung dari nilai pixel yang berpasangan dan memiliki
nilai intensitas tertentu. Metode klasifikasi yang digunakan dalam penelitian ini adalah kNearest Neighbour (k-NN). K-Nearest Neighbour (KNN) merupakan metode klasifikasi
data berdasarkan statistik dan termasuk ke dalam supervised learning. KNN memiliki
kelebihan untuk data latih yang memiliki noise dan fleksibel terhadap perubahan data.
Jumlah data sebanyak 200 citra, dengan latih dan data uji adalah masing-masing
100 data. Jumlah tersebut berasal dari 10 responden, dengan masing-masing responden
diambil 20 data citra. Koefisien k yang digunakan adalah k=19, k=23, k=27, k=31 dan
k=37.
Dalam penelitian ini, presentase keberhasilan terbesar didapatkan pada
k=37 dengan presentase keberhasilan sebesar 89%

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Biometrik, Co-occurrence Matrix, k-Nearest Neighbour (k-N
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Program Studi Teknik Informatika
Depositing User: Teknik Informatika UMBY
Date Deposited: 20 Nov 2024 08:46
Last Modified: 20 Nov 2024 08:46
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/21770

Actions (login required)

View Item
View Item