Valentina, Dea (2018) Pengenalan Sidik Jari Balita Menggunakan Metode Zone Based Linear Binary Pattern Dan Extreme Learning Machine. Sarjana thesis, Universitas Brawijaya.
Abstract
Pengenalan sidik jari merupakan salah satu perkembangan teknologi yang memiliki keamanan yang tinggi dan layak dilakukan sejak masa balita. Seiring dengan meningkatnya jumlah balita, maka dibutuhkan suatu sistem pengenalan yang mampu mengidentifikasi balita secara unik dengan pola biometrik yang mereka miliki. Kualitas sistem pengenalan sidik jari tidak hanya tergantung pada keakuratan sistem tetapi juga pada waktu yang dibutuhkan untuk menjalankan prosesnya. Pola sidik jari balita memiliki kontras yang rendah antara ridges dan valleys serta memiliki ukuran (jarak antar ridges) yang lebih kecil dari sidik jari orang dewasa. Sehingga sulit untuk merancang algoritme akurat yang mampu mengekstrak fitur penting dan mencocokkannya dengan cara yang kuat. Pada penelitian ini, proses diawali dengan melakukan pre-processing pada citra sidik jari balita kemudian menggunakan metode Zone Based Linear Binary Pattern untuk mengekstraksi fitur pada sidik jari balita dan metode klasifikasi Extreme Learning Machine (ELM) untuk mengenali identitas pemilik sidik jari. Hasil pengujian dengan menggunakan pola biner gabungan untuk metode ekstraksi Zone Based Linear Binary Pattern, teknik gaussian filtering, opening dan adaptive thresholding untuk pre-processing citra dengan ukuran dimensi 200x200 pada citra, metode zscore untuk normalisasi data serta jumlah hidden neuron sebanyak 50 dengan fungsi aktivasi sigmoid biner untuk klasifikasi ELM menghasilkan akurasi yang terbaik yaitu sebesar 72,33%. Berdasarkan hasil tersebut dapat disimpulkan metode Zone Based Linear Binary Pattern dan Extreme Learning Machine dapat digunakan untuk mengenali sidik jari balita.
English Abstract
Fingerprint recognition is one of the technological developments that have high security and feasible since childhood. Along with the increasing number of toddlers, a recognition system is needed that is able to uniquely identify toddlers with the biometric patterns they have. The quality of the fingerprint recognition system depends not only on the accuracy of the system but also on the time needed to run the process. Toddler fingerprint patterns have a low contrast between ridges and valleys and have a size (distance between ridges) that is smaller than adult fingerprints. It's difficult to design accurate algorithms that are able to extract important features and match them in a strong way. In this study, the process begins with pre-processing on toddler fingerprint images and then uses the Zone Based Linear Binary Pattern method to extract features on toddler fingerprints and the Extreme Learning Machine (ELM) classification method to recognize the identity of the fingerprint owner. The test results using a combined binary pattern for the Zone Based Linear Binary Pattern extraction method, the gaussian filtering, opening and adaptive thresholding technique for pre-processing images with dimensions of 200x200 in the image, the z-score method for normalizing data and the number of hidden neurons by 50 with binary sigmoid activation function for ELM classification produces the best accuracy of 72.33%. Based on these results it can be concluded that the Zone Based Linear Binary Pattern and Extreme Learning Machine methods can be used to recognize toddler fingerprints.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/959/051900707 |
| Uncontrolled Keywords: | sidik jari balita, zone based linear binary pattern, extreme learning machine, pre-processing, klasifikasi, pola biner / toddler fingerprints, zone based linear binary pattern, extreme learning machine, pre-processing, classification, binary pattern |
| Subjects: | 300 Social sciences > 363 Other social problems and services > 363.2 Police services > 363.25 Detection of crime (Criminal investigation) > 363.258 Identification of criminals |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 17 Apr 2020 06:12 |
| Last Modified: | 22 Jun 2022 08:24 |
| URI: | http://repository.ub.ac.id/id/eprint/167054 |
![[thumbnail of Dea Valentina.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Dea Valentina.pdf Download (3MB) |
Actions (login required)
 |
View Item |