ABSTRAKSI: Teknik identifikasi berbasis sidik jari merupakan salah satu diantara teknologi biometrik yang telah dikenal. Keunikan sidik jari yang berbeda pada tiap orang memberikan suatu identitas khusus pada pemiliknya. Dalam implementasinya variasi kemiringan sidik jari dan dilatasi sering menjadi penyebab tidak dikenalinya sidik jari dalam proses identifikasi
Klasifikasi sidik jari digunakan sebagai sebuah tahapan persiapan dalam proses penyepadanan untuk mempersingkat waktu pengidentifikasian seseorang. Algoritma perbaikan kualitas sidik jari berbasiskan filter Gabor 2D digunakan untuk memperbaiki kualitas citra hasil akuisisi. Filter Gabor 2D kemudian diterapkan pula dalam proses pengambilan ciri. Untuk proses classifier digunakan sebuah binary classifier dengan menggunakan metode Support Vector Machines (SVM) yang memiliki akurasi tinggi dalam klasifikasi ciri. Sehingga diharapkan dengan algoritma berbasiskan filter Gabor 2D dan metode SVM dapat mengatasi permasalahan variasi kemiringan yang terjadi. Toleransi variasi kemiringan difokuskan pada kemiringan antara -30º sampai dengan 30º.
Dari hasil pengujian berdasarkan jumlah sidik jari yang diujikan, didapat tingkat akurasi sebesar 81.85185 % untuk citra dengan kemiringan -30° sampai 30° menggunakan metode OAO, 87.03704 % untuk citra dengan kemiringan -30° sampai 30° menggunakan metode OAA, 84.44444 % untuk citra tanpa rotasi menggunakan metode OAO, 90 % untuk citra tanpa rotasi menggunakan metode OAA, 74.44444 % untuk citra dengan kemiringan -30° menggunakan metode OAO, 84.44444 % untuk citra dengan kemiringan -30° menggunakan metode OAA, 86.66667 % untuk citra dengan kemiringan 30° menggunakan metode OAO, dan 86.66667 % untuk citra dengan kemiringan 30° menggunakan metode OAA. Dengan akurasi yang cukup baik, SVM masih dapat mengklasifikasi sidik jari dengan baik meskipun terdapat kesalahan penetuan core point, dilatasi dan rotasi.Kata Kunci : Support Vector Machines (SVM), binary classifier, One Against One (OAO), One Against All(OAA), Gabor 2D, identifikasi.ABSTRACT: Identification techniques based on finger prints is one of biometric technologies that have been well known. The uniqueness of finger prints that surely different in each people gives a typical identity to the owner. During the actual implementation, varieties in slopes and dilatation on finger prints are often to be the cause of the unrecognizable in fingerprints identification processes.
Finger prints classifications are served the purpose of preparation phase in matching process to shorten the time of identification. The fingerprints quality correction algorithm is based on Gabor 2D filter that used to correct the quality of acquisition result. Next, The filter of Gabor 2D is also to be applied on the characteristic sampling techniques. The classifier process uses a binary classifier hat using Support Vector Machines (SVM) methods that has a high accuracy in characteristic classification. So it expected by using an algorithm that based on Gabor 2D filter and SVM method can solve the variety of slopes occurred problems. The variety of slope tolerance is focused on slopes between -30º until 30º.
From the simulation, based on the total finger prints tested, obtained the level accuracy are 81.85185 % for the image with slopes between -30º until 30º using OAO method, 87.03704 % for the image with slopes between -30º until 30º using OAA method, 84.44444 % for the image with no rotation using OAO method, 90 % for the image with no rotation using OAA method, 74.44444 % for the image with slopes -30º using OAO method, 84.44444 % for the image with slopes -30º using OAA method, 86.66667 % for the image with slopes 30º using OAO method, and 86.66667 % for the image with slopes 30º using OAA method. With good enough accuracy, SVM still could classify the fingerprint excellently, although the fingerprint has core point problem, dilatation problem and rotation problem.Keyword: Support Vector Machines (SVM), binary classifier, One Against One (OAO), One Against All (OAA), Gabor 2D, identification.