Analisis dan Implementasi Metode Gabor Filter dan Support Vector Machine pada Klasifikasi Sidik Jari

Abstract

Identity is the most important thing for identification process. Identification processes that are increasingly vulnerable to hacking require secure system input. Biometrics is a solution for input identification systems that are not vulnerable to hacking. one type of biometric input is a fingerprint because it is unique to each individual and does not change over time. Fingerprint identification system can be done by classification. The classification in this study uses the Gabor filter method with four orientation angles that range from 0 0 , 45 0 , 90 0 and 135 0 as fingerprint feature extraction, and Support Vector Machine (SVM) one against all as classifier. With 25 classes and 3 data per fingerprint class obtained the greatest accuracy by radial Basis Function (RBF) kernel for 73% for initial data and 76% for additions augmentation data. The difference in accuracy is due to the possibility of more data position changes in the augmented fingerprint image.Keywords: Biometrics, Fingerprint, Support Vector Machine, Gabor Filter Abstrak Identitas merupakan hal utama pada proses identifikasi. Proses identifikasi yang semakin rentan dengan peretasan membutuhkan masukan sistem yang aman. biometrik adalah solusi untuk masukan sistem identifikasi yang tidak rentan peretasan. Salah satu jenis masukan biometri adalah sidik jari karena sifatnya yang unik setiap individu dan tidak berubah seiring waktu. Sistem identifikasi dengan sidik jari dapat dilakukan dengan klasifikasi. Klasifikasi pada penelitian ini menggunakan metode Gabor filter dengan empat sudut orientasi yang berkisar 0 0 , 45 0 , 90 0 dan 135 0 sebagai ekstraksi ciri sidik jari, serta Support Vector Machine (SVM) one against all sebagai classifier. Dengan 25 kelas dan 3 data tiap kelas sidik jari diperoleh akurasi terbesar oleh kernel Radial Basis Function (RBF) sebesar 73% untuk data awal dan 76% untuk penambahan data augmentasi. Perbedaan akurasi disebabkan oleh kemungkinan perubahan posisi data yang lebih banyak pada citra sidik jari yang diaugmentasi.Kata Kunci: Sistem Biometri, Sidik Jari, Support Vector Machine, Gabor Filter Received on xxx, accepted on xxx, published on xxx I. PENDAHULUAN I DENTITAS merupakan unsur penting bagi setiap orang yang sering dipakai dalam kebutuhan seharihari. Proses pengenalan identifikasi secara umum identifikasi terbagi menjadi dua cara yakni berdasarkan benda kepemilikan seperti kartu identitas (ATM, KTP, SIM, dan lainnya) dan berdasarkan bagian OPEN ACCESS

Deteksi Kantuk pada Pengemudi Berdasarkan Penginderaan Wajah Menggunakan PCA dan SVM

“…SVM adalah sebuah metode linier yang digunakan pada feature space berdimensi tinggi [22]. SVM banyak digunakan sebagai metode untuk mengklasifikasikan 2 buah kelas karena metode ini memiliki konsep dengan tujuan untuk menemukan hyperplane terbaik sehingga metode ini lebih efisien untuk dijadikan sebagai classifier [23], [24].…”