ANALISIS DAN IMPLEMENTASI PENGENALAN IDENTITAS MELALUI SIDIK JARI DENGAN MENERAPKAN PROBABILISTIC NEURAL NETWORK (PNN) DAN GABOR WAVELET <BR> ANALYSIS AND IMPLEMENTATION OF IDENTITY RECOGNITION USING FINGERPRINT BY APPLYING PROBABILISTIC NEURAL NETWORK (P
ENDAH EKASANTI SAPUTRI

Informasi Umum

Kode

113060257

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

382 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Sidik jari memiliki pola yang sangat unik. Sehingga tidak akan ada manusia yang memiliki pola sidik jari yang sama persis. Hal ini lah yang menyebabkan sidik jari digunakan sebagai identitas seseorang.<br><br>Pada tugas akhir ini, dibangun suatu sistem identifikasi sidik jari dengan menggunakan Probabilistic Neural Network(PNN) yang merupakan suatu metode pengklasifikasian pola dengan penggabungan antara statistic dan Jaringan Saraf Tiruan. Seperti pada Jaringan Saraf Tiruan lainnya, PNN juga memerlukan proses training dalam melakukan pengenalan pola. Keputusan pada PNN diambil dengan menggunakan keputusan Bayes berdasarkan kelas yang memiliki jumlah tertinggi.<br><br>Selain itu, digunakan pula metode Fast Fourier Transform(FFT) pada tahap preprocessing. Perbaikan kualitas citra dengan menggunakan FFT, dapat menyimpan nilai atau informasi penting yang terkandung dalam citra tersebut. Sehingga, perpaduan antara PNN dan FFT, dinilai dapat memberikan tingkat akurasi yang baik dalam proses identifikasi sidik jariKata Kunci : Probabilistic Neural Network, Bayes, Fast Fourier Transform, high-pass filter, sidik jariABSTRACT: Fingerprints have a very unique pattern. So that there would be no human beings who have the same fingerprint pattern exactly. This is why fingerprints are used as someone's identity.<br><br>In this thesis, we developed a fingerprint identification system using Probabilistic Neural Network (PNN), which is a pattern classification method with a merger between the Statistical and Neural Networks. Same as the other Artificial Neural Networks, PNN also require the training process by doing pattern recognition. Decision on PNN is taken by using Bayes decision based on which class has the highest number.<br><br>In addition, this thesis also used Fast Fourier Transform (FFT) in the preprocessing phase. Improvement of image quality by using the FFT, can store the value or important information contained in that image. Thus, a fusion between the PNN and the FFT, are considered to be providing a good level of accuracy in the process of fingerprint identificationKeyword: probabilistic neural network, Bayes, Fast Fourier Transform, the high-pass filter, fingerprints

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook