SISTEM DETEKSI KERUSAKAN SIDIK JARI DENGAN METODE LEARNING VECTOR QUANTIZATION UNTUK PENENTUAN JENIS KERUSAKANNYA

Yoyok Supriyono, Uce Indahyanti, Sukarjadi Sukarjadi

Abstract


Pengenalan terhadap sidik jari sangat dibutuhkan terutama untuk pengenalan identitas seseorang dari sifatnya yang unik. Pada saat pengambilan data sering ditemui kesalahan dan kesulitan pada pengambilan data maka perlu dilakukan identifikasi kesalahan pada sidik jari tersebut. Identifikasi, sering ditemui adanya kerusakan citra sidik jari berupa sidik jari kotor, sidik jari berminyak, sidik jari sebagian, sidi jari rotasi. Kerusakan citra sidik jari mengakibatkan citra sidik jari sulit dikenali karena ciri citra sidik jari banyak yang hilang. Untuk itu diperlukan penentuan parameter bahwa sebuah citra sidik jari dikatakan rusak kemudian mencari ekstraksi ciri yang berbeda dari jenis kerusakan citra sidik jari. Untuk menghindari kerusakan citra sidik jari, dilakukan penelitian mengenai deteksi kerusakan citra sidik jari di antaranya sidik sidik jari kotor, sidik jari berminyak, sidik jari sebagian, sidik jari rotasi. Sedangkan ekstraksi ciri menggunakan pemisah luasan defect dan non defect dan deteksi menggunakan metode Learning Vector Quantization (LVQ). Hasil yang diperoleh dari penelitian bahwasanya dengan training dan neuron yang besar kecenderungannya hasil akurasi semakin baik tersebut citra sidik jari sebagian akurasi mencapai 100%, citra sidik jari kotor 85%, sidi jari berminyak 96, 6%, sidik jari rotasi 85%.


Keywords


jenis kerusakan sidik jari; feature ekstraction; metode learning vector quantization (LVQ)

Full Text:

PDF

References


Challita, K., Farhat, H., & Khaldi, K. (2010). Biometric authentication for intrusion detection systems. In 2010 First International Conference on Integrated Intelligent Computing (pp. 195–199). IEEE.

Demuth, H., & Beale, M. (2008). Neural Network Toolbox For Use with Matlab.

Hermawan, A. (2006). Jaringan Saraf Tiruan Teori dan Aplikasi. Yogyakarta: Andi.

Kusumadewi, S. (2004). Membangun Jaringan Syaraf Tiruan Menggunakan Matlab dan Excel Link. Yogyakarta: Graha Ilmu.

Mazumdar, S., & Dhulipala, V. (2008). Biometric Security Using Finger Print Recognition. University of California, San Diego, 3.

Prabhakar, S. (2001). Fingerprint classification and matching using a filterbank. Michigan State University. Department of Computer Science & Engineering.

Puspitaningrum, D. (2006). Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Andi Offset.

Putra, D. (2009). Sistem Biometrika. Yogyakarta: Andi Offset.

Siang, J. J. (2005). Jaringan syaraf tiruan dan pemrogramannya menggunakan Matlab. Penerbit Andi, Yogyakarta.

Vacca, J. R. (2007). Biometric technologies and verification systems. Elsevier.




Copyright (c) 2018 Teknika : Engineering and Sains Journal




TESJ abstracted & indexed by :

                                                                                      


Publisher : Faculty of Engineering, Universitas Maarif Hasyim Latif

Address : LPPM UMAHA

Jl. Ngelom Megare, Taman, Sidoarjo 61257   031-7884034, Fax. 031-7884034
e-mail : teknika@ft.umaha.ac.id
URL : https://e-journal.umaha.ac.id/index.php/teknika


ISSN 2579-5422 (online)
ISSN 2580-4146 (print)

Creative Commons License
TESJ is licensed under a Creative Commons Attribution 4.0 International License.

Powered by Open Journal Systems 2.4.8.1