Identifikasi Sidik Jari Menggunakan Metode Histogram Of Oriented Gradients Dan Klasifikasi K-nearest Neighbor

Abstract

Abstrak Sistem pengenalan identitas menggunakan sidik jari telah diaplikasikan secara luas untuk berbagai keperluan, di antaranya pada bidang forensik, pembuatan kartu identitas, maupun identifikasi pelaku kejahatan untuk penegakan hukum. Penggunaan sidik jari sebagai alat identifikasi terbukti cukup efektif karena sifatnya yang universal, unik, dan permanen pada tiap manusia. Penelitian ini dilakukan dengan teknik pengolahan citra digital. Proses identifikasi citra diawali dengan proses pre-processing, lalu dilanjutkan dengan ekstraksi ciri dengan metode Histogram of Oriented Gradients (HOG). HOG adalah sebuah fitur atau metode yang digunakan untuk arah tepian atau informasi bentuk lokal dari sebuah citra yang tidak diketahui dengan jelas nilai gradien dan posisi tepinya. Lalu diakhiri dengan proses klasifikasi menggunakan metode K-Nearest Neighbor (KNN). Pada penelitian Tugas Akhir dilakukan pengujian dengan 400 sampel citra latih dan 100 sampel citra uji sidik jari mendapatkan akurasi 88% dengan waktu komputasi rata-rata 0,158 detik untuk 100 data uji. Diharapkan hasil penelitian ini dapat dikembangkan dengan berbagai bentuk identitas atau platform lainnya sehingga selanjutnya penulis berharap sistem mampu mengklasifikasi sidik jari berdasarkan tekstur pada setiap jenis pola sidik jari yang berbeda. Kata Kunci: Sidik Jari, Pengolah Citra, Histogram Of Oriented Gradients, Matrix Laboratory, K-Nearest Neighbor Abstract The system of identity was using finger print has been applied extensively to various necessity, including in the forensic field, making of identity cards, and identifying criminal behavior for law enforcement. The use of a line as a result of the identification of evidence is sufficiently effective because of its universal, unique, and permanent nature in each human being. Research is done with digital engineering techniques. The process of identifying generic trends with the pre-processing process, then proceed with extraction with the Histogram of Oriented Gradients (HOG) method. The HOG is a feature or method used for the retention of information in the form of a copy of an image that is not known to be of immigrant gradient and its position. Then, terminated by the classification process using the K-Nearest Neighbor (KNN) method. In the Final Project research, testing with 400 training image samples and 100 samples of fingerprint test images obtained 80% accuracy with an average computation time of 0.556 seconds for 100 test data. It is expected that the results of this study can be developed with various forms of identity or other platforms so that the authors hope that the system can be classified into textures based on the text of each different type of learning. Keywords : Sidik Jari, Image Processing, Histogram Of Oriented Gradients, Matrix Laboratory, K-Nearest Neighbor.