25.04.4490
000 - General Works
Karya Ilmiah - Skripsi (S1) - Reference
Deep Learning
101 kali
individu merupakan aspek penting dalam berbagai bidang, seperti<br /> keamanan digital dan forensik. Salah satu metode biometrik yang mulai dikembangkan adalah<br /> identifikasi menggunakan sidik bibir, karena memiliki pola yang unik dan bersifat permanen.<br /> Namun, belum banyak sistem yang mampu mengolah citra sidik bibir secara efektif untuk<br /> menghasilkan identifikasi yang akurat. Masalah utama dalam penelitian ini adalah bagaimana<br /> merancang sistem identifikasi individu berbasis sidik bibir yang mampu mendeteksi secara<br /> tepat dan efisien melalui pengolahan citra digital.<br /> Penelitian ini menawarkan solusi berupa penerapan metode Convolutional Neural<br /> Networks (CNN) dalam pengolahan citra digital sidik bibir. Proses yang dilakukan meliputi<br /> tahapan preprocessing citra, ekstraksi fitur menggunakan CNN, serta klasifikasi pola sidik bibir<br /> berdasarkan model pembelajaran yang telah dilatih. Sistem ini dirancang untuk mengenali<br /> fitur-fitur khas dari sidik bibir guna mencocokkannya dengan data yang telah tersimpan dalam<br /> basis data.<br /> Hasil pengujian menunjukkan bahwa sistem yang dikembangkan berhasil mencapai<br /> akurasi identifikasi sebesar 100% dengan tingkat presisi 100%. Hal ini membuktikan bahwa<br /> pengolahan citra digital berbasis CNN mampu menjadi alternatif teknologi identifikasi yang<br /> efektif dan memiliki potensi untuk dikembangkan lebih lanjut dalam skala yang lebih luas.
Tersedia 1 dari total 1 Koleksi
| Nama | IRWANSYAH |
| Jenis | Perorangan |
| Penyunting | Sofia Saidah, Bambang Hidayat |
| Penerjemah |
| Nama | Universitas Telkom, S1 Teknik Telekomunikasi |
| Kota | Bandung |
| Tahun | 2025 |
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |