Isi Artikel Utama
Abstrak
Penelitian biometrika sidik jari dilakakukan karena setiap individu memliki perbedaan sidik jari bahkan pada individu kembar identik. Penelitian ini membangun sebuah aplikasi biometrika pengenalan citra sidik jari dengan metode Minutiae dan Artificial Neural Network Backpropagation untuk pengenalan sidik jari.Citra yang digunakan sebagai objek penelitian adalah citra sidik jari telunjuk dan jari tengah dari kedua tangan dari ATVS-FakeFingerprintDatabase. Aplikasi ini dibangun dalam bahasa pemrograman Matlab dan dirancang dengan Diagram Unified Modeling Language(UML) dan pengembangan sistem yang digunakan adalah prototyping. Hasil yang diperoleh pada penelitian ini adalah nilai Genuine Acceptance Rate (GAR) sebesar 100% untuk citra latih dijadikan citra uji. Untuk citra uji diluar database adalah 67%. Citra uji dari sidik jari yang pengambilan menggunakan flat capacitive sensor by Precise Biometrics model Precise 100 sebesar 55%. Pada pengujian citra uji yang terkena serangan yaitu rotasi 90o sebesar 40%, Citra uji serangan Noise Gaussian 10 % adalah 40%, BlurGaussian ratio 2.0 sebesar 70%, dan citra uji yang terpotong sebesar 30%.
Rincian Artikel
Referensi
- Purwandari, E. P. (2008). Aplikasi Transformasi Wavelet Dalam Peningkatan Rekonstruksi Citra Sidik Jari. Bengkulu: Universitas Bengkulu.
- Verawati, R. (2014). Pengenalan Sidik Jari Berdasarkan Struktur Minutiae Dengan Metode BackPropagation.Jurnal Pelita Informatika Volume 7, Nomor 1.
- Munir, Rinaldi. (2004). Pengolahan Citra Digital dengan Pendekatan Algoritmik. Informatika, Bandung.
- Nurmila Nazla,Sarwoko Eko Adi, dan Sugiharto Aris. 2010. Algoritma Backpropagation Neural Network untuk Pengenalan Pola Karakter Huruf Jawa. Jurnal Masyarakat Informatika Volume 1, Nomor 1.
- Paulus, E & Nataliani, Y. 2007. GUI Matlab. ogyakarta :Andi
- Widodo, P. P., & Herlawati. (2011). Menggunakan UML. Bandung: Informatika.
- Sugiyono. (2014). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.
- Dennis, A. W. (2005). Sistem Analysis and Design with UML Version 2.0. United States of America: John Willey & Sons, Inc.
- Rosa, & Shalahuddin, M. (2011). Modul Pembelajaran Rekayasa Perangkat Lunak. Bandung: Modula
- Lewis, W. E.(2005). Software Testing and Continuous Quality Improvement Second Edition. Boca Raton London New York Wahington, D.C.: CRC Press LLC.
Referensi
Purwandari, E. P. (2008). Aplikasi Transformasi Wavelet Dalam Peningkatan Rekonstruksi Citra Sidik Jari. Bengkulu: Universitas Bengkulu.
Verawati, R. (2014). Pengenalan Sidik Jari Berdasarkan Struktur Minutiae Dengan Metode BackPropagation.Jurnal Pelita Informatika Volume 7, Nomor 1.
Munir, Rinaldi. (2004). Pengolahan Citra Digital dengan Pendekatan Algoritmik. Informatika, Bandung.
Nurmila Nazla,Sarwoko Eko Adi, dan Sugiharto Aris. 2010. Algoritma Backpropagation Neural Network untuk Pengenalan Pola Karakter Huruf Jawa. Jurnal Masyarakat Informatika Volume 1, Nomor 1.
Paulus, E & Nataliani, Y. 2007. GUI Matlab. ogyakarta :Andi
Widodo, P. P., & Herlawati. (2011). Menggunakan UML. Bandung: Informatika.
Sugiyono. (2014). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.
Dennis, A. W. (2005). Sistem Analysis and Design with UML Version 2.0. United States of America: John Willey & Sons, Inc.
Rosa, & Shalahuddin, M. (2011). Modul Pembelajaran Rekayasa Perangkat Lunak. Bandung: Modula
Lewis, W. E.(2005). Software Testing and Continuous Quality Improvement Second Edition. Boca Raton London New York Wahington, D.C.: CRC Press LLC.