Identifikasi citra sidik jari menggunakan metode interpolasi nearest neighbour, principal component analysis, dan naive bayes classifier

INDONESIA:

Teknologi biometrik sidik jari merupakan salah satu teknologi biometrik yang penting dan memiliki keunikan yang berbeda antara manusia satu dengan yang lainnya. Dalam penelitian ini, peneliti mencoba untuk merancang suatu aplikasi identifikasi sidik jari dengan menerapkan metode Interpolasi Nearest Neighbor, Principal Component Analysis dan Naive Bayes Classifier. Terdapat dua sistem yang digunakan, yaitu sistem dengan kombinasi metode Interpolasi Nearest Neighbor dan Naive Bayes Classifier, dan sistem dengan kombinasi metode Principal Component Analysis dan Naive Bayes Classifier. Penerapan metode ekstraksi fitur yang digunakan dalam penelitian ini adalah metode Interpolasi Nearest Neighbor, dan Principal Component Analysis. Metode ini digunakan sebagai proses ekstraksi fitur citra sidik jari yang nantinya hasil ektraksi fiturnya digunakan untuk mencari nilai mean dan varian pada proses estimasi parameter untuk melakukan langkah selanjutnya yaitu proses pengklasifikasian dan pencocokan citra digital sidik jari. Salah satu metode yang digunakan untuk pengklasifikasian dan pencocokan citra digital sidik jari pada penelitian ini adalah metode Naive Bayes Classifier. Naive Bayes Classifier ini bekerja sangat baik dibandingkan dengan model classifier lainnya. Berdasarkan hasil uji coba yang dilakukan terhadap data uji coba dari dua sistem ini, hasil akurasi tertinggi diperoleh sebanyak 4 percobaan pada sistem dengan kombinasi Interpolasi Nearest Neighbor dan Naive Bayes Classifier dengan akurasi tertinggi pada percobaan 1, yaitu sebesar 80% sebanyak 2 kelas. Hasil dari penelitian ini, menunjukkan hasil yang kurang efektif menggunakan metode Principal Component Analysis dan Naive Bayes Classifier dalam aplikasi identifikasi sidik jari.

ENGLISH:

Biometric technology fingerprint is one of important biometric technology and has different uniqueness among humans with each other. In this research, researchers are trying to design an application identification of fingerprint by applying Interpolation Nearest Neighbor, Principal Component Analysis, and Naive Bayes Classifier method. There are two systems that are used, that is systems with a combination of Interpolation Nearest Neighbor and Naive Bayes Classifier method, and the system with a combination of Principal Component Analysis and Naive Bayes Classifier method. The application of feature extraction method in this research used Interpolation Nearest Neighbor, and Principal Component Analysis method. This method is used as the feature extraction process of fingerprint image that would result feature extraction is used to find the value of the mean and variance of parameter estimation process to perform the next step, that is a process of classification and matching digital fingerprints images. One of the methods used for classification and matching digital fingerprints images on this research is a Naive Bayes Classifier method. This Naive Bayes Classifier works very well in comparison with other classifier model. Based on the results of trials conducted against data from two trials of this system, the highest accuracy results retrieved four experiment on a system with a combination of Nearest Neighbor Interpolation and Naive Bayes Classifier with the highest accuracy in experiment 1, i.e. by 80% as much as 2 classes. The results of this research, shows the result of a less effective method using Principal Component Analysis and Naive Bayes Classifier in the application of fingerprint identification.