Informasi Umum

Kode

111020315

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Informasi Lainnya

Abstraksi

ABSTRAKSI: A conventional Identification technique to identify a person using a<br /> password or a card it&rsquo;s not secure enough to insurance it safety, because the<br /> security system is easily broken when the password or the card is used by another<br /> person. A biometric identification technique is based on human natural<br /> characteristic, which are the physiology and the behavior characteristic such as<br /> face, fingerprint, voice, hands, iris and eye retina, DNA, and signature. The<br /> biometric identification system has several advantage compared with the<br /> conventional system because it can not be stolen or use by another person. The<br /> fingerprint system is likely more useable. This is because the fingerprint<br /> identification technique is unique, accurate, safe, easy, and comfortable to use as<br /> identification compared with other biometric system<br /> In this research, the wavelet transformation is used not only as<br /> characteristic extraction method but also to reduce the dimension of input image.<br /> Then the reduced image is processed for it identification by applying the artificial<br /> neural network Learning Vector Quantization (LVQ) grouping the fingerprints to<br /> a pattern of the fingerprint (whorl, left loop, right loop, arch, and tented arch). As<br /> a neural network basis, it use the exact image size of approximate result image,<br /> then the input vector dimension will analyzed whether is not influencing the<br /> identification process.<br /> The result of research shows that the identification performance is<br /> significantly increase for input with bigger dimension (on approximate level 1<br /> image) compared to input with smaller dimension (on approximate level 2 and<br /> level 3 image). Identification with wavelet characteristic extraction Daubechies 4<br /> increase the performance up to 0.67 % compared to Haar wavelet.Kata Kunci : *ABSTRACT: Teknik identifikasi konvensional untuk mengenali identitas seseorang<br /> dengan menggunakan password atau kartu tidak cukup handal, karena sistem<br /> keamanan dapat ditembus ketika password dan kartu tersebut digunakan oleh<br /> pengguna yang tidak berwenang. Teknik identifikasi biometrik didasarkan pada<br /> karakteristik alami manusia, yaitu karakteristik fisiologis dan karakteristik<br /> perilaku seperti wajah, sidik jari, suara, telapak tangan, iris dan retina mata, DNA,<br /> dan tandatangan. Identifikasi biometrik memiliki keunggulan dibanding dengan<br /> metode konvensional dalam hal tidak mudah dicuri atau digunakan oleh pengguna<br /> yang tidak berwenang. Sistem pengenalan sidik jari lebih sering digunakan. Hal<br /> ini disebabkan sidik jari telah terbukti unik, akurat, aman, mudah, dan nyaman<br /> untuk dipakai sebagai identifikasi bila dibanding dengan sistem biometrik lainnya.<br /> Dalam penelitian ini, transformasi wavelet digunakan sebagai metode<br /> ekstraksi ciri sekaligus untuk mereduksi dimensi citra masukan. Citra tereduksi<br /> selanjutnya diproses untuk identifikasinya. Pengenalan dan identifikasi dengan<br /> menerapkan jaringan syaraf tiruan Learning Vektor Quantizations (LVQ)<br /> mengelompokkan sidik jari ke salah satu pola utama sidik jari (whorl, left loop,<br /> right loop, arch, dan tented arch). Sebagai basis masukan jaringan syaraf,<br /> digunakan citra ukuran sesuai dimensi citra hasil aproksimasi, yang kemudian<br /> dianalisis juga pengaruh besarnya dimensi vektor masukan terhadap unjuk kerja<br /> pengenalan.<br /> Hasil penelitian menunjukkan bahwa performansi pengenalan meningkat<br /> cukup signifikan untuk masukan dengan dimensi yang lebih besar (pada citra<br /> aproksimasi level 1) dibandingkan dengan masukan yang lebih kecil (pada citra<br /> aproksimasi level 2 dan level 3). Pengenalan dengan ekstraksi ciri wavelet<br /> Daubechies 4 meningkatkan performansi sebesar 0.67% dibandingkan dengan<br /> wavelet Haar.Keyword: *

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook