IDENTIFIKASI CITRA TELAPAK KAKI KANAN BAYI MENGGUNAKAN K-NEAREST NEIGHBOR

ABSTRAK
Seorang manusia dilahirkan sudah memiliki ciri khusus yang tidak mungkin sama dengan orang lain, oleh sebab itu perlu diketahui identitas unik seorang bayi untuk lebih mudah membedakan satu bayi dengan bayi lainnya. Penelitian dalam pengidentifikasian bayi melalui telapak kaki bayi untuk mengidentifikasi dalam membedakan satu bayi dengan bayi lainnya. Tujuan dari penelitian ini adalah mendesain perangkat lunak yang dapat digunakan untuk mengidentifikasi citra telapak kaki kanan bayi dan mengetahui persentase tingkat akurasi dari K-Nearest Neighbor.
Penelitian dilakukan dimulai dari akuisisi data yaitu pengambilan citra telapak kaki kanan bayi dengan scanner, selanjutnya dilakukan preprocessing yaitu mengolah citra melalui beberapa proses yaitu resize citra ke ukuran 200x400 piksel, proses grayscale yaitu mengubah citra ke skala keabuan, proses thresholding yaitu mengubah obyek citra menjadi putih dan latar belakangnya menjadi hitam, proses segmentasi yaitu mengubah latar belakang obyek menjadi hitam dan obyek menjadi grayscale. Kemudian dilakukan ekstraksi ciri yaitu Luas, Tinggi, Lebar, Mean, Standar Deviasi. Pengklasifikasian biometrik citra telapak kaki bayi yang digunakan dalam penelitian ini adalah metode K-Nearest Neighbor (KNN). K-Nearest Neighbor (KNN) adalah metode klasifikasi terhadap obyek berdasarkan data pembelajaran yang jaraknya paling dekat dengan obyek tersebut.
Data yang digunakan untuk penelitian ini adalah sebanyak 90 citra telapak kaki bayi (15 citra per bayi dari jumlah 6 bayi), yaitu 60 citra untuk data pelatihan (10 citra per bayi) dan 30 citra untuk data pengujian (5 citra per bayi). Citra telapak kaki kanan bayi yang diperoleh dari proses akuisisi, kemudian akan diekstraksi untuk mendapatkan ciri dan digunakan untuk membedakan kelas yang satu dengan yang lain. Ciri tersebut antara lain Luas, Tinggi, Lebar, Mean, Standar Deviasi. Nilai Luas, Tinggi, Lebar, Mean, Standar Deviasi pada data uji akan dihitung jaraknya dengan data pelatihan yang ada di database. Kemudian diurutkan untuk mencari jarak terpendek sesuai dengan koefisien k yang telah ditentukan, dalam penelitian ini k = 5, k = 7 , k = 9. Bahwa dalam penelitian ini diperoleh tingkat akurasi sebesar 100% per bayi dengan k = 5, k = 7, dan k = 9.
Kata kunci: Telapak kaki bayi, K-Nearest Neigboar