REDUKSI DIMENSI PADA KLASIFIKASI SIDIK JARI BERBASIS BAG-OF-VISUAL WORD MENGGUNAKAN METODE NON-NEGATIVE MATRIX FACTORIZATION

BAJENG, WIDYANINGRUM NURUL (2016) REDUKSI DIMENSI PADA KLASIFIKASI SIDIK JARI BERBASIS BAG-OF-VISUAL WORD MENGGUNAKAN METODE NON-NEGATIVE MATRIX FACTORIZATION. Skripsi,Fakultas Ilmu Komputer.

Preview

PDF Download (4Kb) | Preview

Abstract

Sidik jari merupakan salah satu komponen yang dapat digunakan untuk proses identifikasi karena sifat unik yang dimilikinya. Klasifikasi pada pola sidik jari cenderung lebih rumit dan panjang, maka dari itu dibutuhkan metode klasifikasi yang efiesien. Untuk melakukan proses klasifikasi dapat menggunakan salah satu metode yaitu metode Bag-of-Visual Word (BoVW). Dalam proses klasifikasi dengan menggunakan metode Bag-of- Visual Word (BoVW) yang digunakan adalah keypoint (nilai lokal) dari suatu gambar sidik jari. Keypoint dapat diperoleh dengan proses ekstraksi. Salah satu metode untuk proses ekstraksi keypoint dari suatu gambar adalah Scale Invariant Feature Transform (SIFT). Selanjutnya dilakukan proses klastering untuk memperoleh vocabulary. Pada proses klastering metode yang digunakan adalah metode K-Means Clustering. Salah satu algoritma reduksi dimensi yang baru dikembangkan adalah metode Non-negative Matrix Factorization (NMF). Dengan menggunakan dataset sebanyak 150 citra sidik jari, yang dibagi menjadi 3 bagian yaitu sebagai penentuan visual word sebanyak 75 citra, data training sebanyak 50 citra, dan 25 citra digunakan sebagai data testing. Visual word dengan cluster 50 dengan akurasi paling tinggi yaitu 40% digunakan sebagai data acuan pada proses selanjutnya untuk di reduksi dimensi. Metode Non-negative Matrix factorization menghasilkan akuasi terbaik dari visual word yang digunakan dengan r = 10 sebesar 40%.

Actions (login required)