INTAN, PURNAMASARI (2016) PENGENALAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURENCE MATRIX (GLCM) DAN METODE K-NEAREST NEIGHBORS (K-NN). Skripsi,Fakultas Ilmu Komputer.
![[img]](http://eprints.dinus.ac.id/style/images/fileicons/application_pdf.png)
| PDF Download (4Kb) | Preview | |
| PDF Download (474Kb) | Preview | |
| PDF Download (163Kb) | Preview | |
| PDF Download (159Kb) | Preview | |
| PDF Download (182Kb) | Preview | |
| PDF Download (225Kb) | Preview | |
| PDF Download (178Kb) | Preview | |
| PDF Download (157Kb) | Preview | |
| PDF Download (967Kb) | Preview | |
| PDF Download (236Kb) | Preview | |
| PDF Download (160Kb) | Preview |
Abstract
Kebutuhan terhadap sistem pengenalan diri (personal recognition) yang handal dan dapat dipercaya semakin meningkat untuk keamanan sistem.Biometrika merupakan pengembangan dari metode dasar identifikasi seseorang dengan menggunakan karakteristik alami manusia, salah satunya telapak tangan.Biometika Telapak tangan (palmprint) dipilih karena memilik karakteristik unik berupa ciri garis-garis utama (principal-line features), ciri garis kusut (wrinkles features) dan bersifat stabil. Permasalahan penting yang harus dijawab adalah “apakah identitas saya sama dengan identitas yang saya sebutkan?”.Dalam penelitian ini metode yang digunakan untuk mengatasi masalah tersebut adalah K-Nearest Neighbors (K-NN) dan menggunakan fitur ektraksi Gray level co-occurence matrix (GLCM).Tahap penelitian dimulai dengan pengambilan sampel garis telapak tangan, selanjutnya akan dilakukan preprocessing dengan mengubah citra rgb ke grayscale.Hasilnya akan diektraksi fitur dengan menggunakan fitur GLCM. Tahap selanjutnya adalah melakukan klasifikasi antara citra latih dengan citra uji dengan menggunakan metode K-Nearest Neighbors (K-NN).Hasil klasifikasi tersebut akan dihitung tingkat akurasinya. Serta membandingkan hasil akurasi dengan mengubah arah sudut pada GLCM dan Jumlah K pada K-Nearest Neighbour (K-NN) Classifier. Pada penelitian ini,sampel yang digunakan 103 citra dimana 78 citra telapak tangan untuk citra latih dan 26 citra uji dimana setiap responden mewakili 4 sampel telapak tangan, sehingga hasil akurasi sebesar 92.3%.
| Item Type: | Article |
|---|---|
| Subjects: | T Technology > Teknik Informatika Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika |
| Divisions: | Fakultas Ilmu Komputer |
| Depositing User: | Psi Udinus |
| Date Deposited: | 22 Sep 2016 13:19 |
| Last Modified: | 22 Sep 2016 13:19 |
| URI: | http://eprints.dinus.ac.id/id/eprint/18790 |
Actions (login required)
| View Item |
