Deteksi Kepribadian Anak Melalui Sidik Jari Menggunakan Support Vector Machine
DOI:
https://doi.org/10.34818/eoe.v9i3.17947Abstrak
Abstrak
Sidik jari merupakan bagian tubuh manusia yang menarik dan sudah diteliti sejak dahulu. Sidik jari mengandung informasi individu seperti kepribadian, dominan otak, dan potensi. Dengan mengetahuikepribadian, individu dapat mengasah dan mengembangkan diri menjadi lebih baik. Orang tua dapat membimbing dan mendidik anaknya sesuai kepribadian dan potensi anak. Tugas Akhir ini akan merancang sistem yang dapat membaca, mengolah, dan menganalisis sidik jari sehingga kepribadian anak dapat diketahui. Metode yang digunakan yaitu Minutiae Extraction dan Support Vector Machine (SVM). Minutiae Extraction digunakan untuk ekstraksi ciri sidik jari dan SVM digunakan untuk pengenalan dan pengklasifikasian sidik jari. Setelah sidik jari diklasifikasi maka hasil kepribadian akan dikenali. Setelah dilakukan pengujian terhadap fingerprint dataset College of Engineering, Design, and Computing dengan total 147 gambar diperoleh akurasi sebesar 80.95%, pengujian data primer sebanyak 182 gambar diperoleh akurasi 55.56%, dan pengujian data gabungan diperoleh akurasi 57,65%. Kecepatan sistem melakukan pengolahan data yaitu 34 detik. Akurasi data primer lebih rendah dari fingerprint dataset College of Engineering, Design, and Computing karena banyak data primer yang diperoleh memiliki kualitas yang tidak memadai. Kata
Kunci: kepribadian, sidik jari, Minutiae Extraction, Support Vector Machine
Referensi
[1] I. H. Misbach, A. Rachman, S. A. Wiramihardja, T. P. Research, "Dahsyatnya sidik jari : menguak bakat & potensi untuk merancang masa depan melalui fingerprint analysis", Visimedia, Jakarta, 2010.
[2] J. Arianda, B. Dirgantoro and C. Setianingsih, "Detection of Children with Personality Through Fingerprint Random Forest And Maximum Entropy Method", 2019 International Conference on Advanced Mechatronics, Intelligent Manufacture and Industrial Automation (ICAMIMIA), 2019, pp. 7-12.
[3] Z. Haniffah, B. Dirgantoro and C. Setianingsih, "Detection of Children's Personality with Fingerprint Using K-Nearest Neighbor (Knn) and Decision Tree Methods", 2019 International Conference on Advanced Mechatronics, Intelligent Manufacture and Industrial Automation (ICAMIMIA), 2019, pp. 25-30.
[4] A. P. Nasution, A. B. Osmond, and R. E. Saputra, "Deteksi Kepribadian Anak dengan Pengolahan Citra Sidik Jari Menggunakan Metode Minutiae", e-Proceeding of Engineering, vol. 5, no. 3, pp. 6102–6109, Dec. 2018.
[5] R. Afraghina, A. B. Osmond, and R. E. Saputra, "Deteksi Kepribadian Anak dengan Sistem Pakar Melalui Sidik Jari Menggunakan Metode Forward Chaining", e-Proceeding of Engineering, vol. 5, no. 3, pp. 6110–6117, Dec. 2018.
[6] J. Feist, and G. J. Feist, "Theories of Personality, sixth edition", McGraw-Hill, New York, 2006.
[7] Neurotechnology, "Sample Fingerprint and Iris Database". Internet: https://neurotechnology.com/download.html, Sept 19, 2006 [Feb 16,2022]
[8] R. Maini and H. Aggarwal, "A Comprehensive Review of Image Enhancement Techniques", Journal of Computing, Vol 2, Issue 3, March 2010.
[9] I. Novasakti and D. N. Huda, "Sistem Pakar Deteksi Bakat Anak Usia 4 sampai dengan 6 Tahun Menggunakan Metode Teorema Bayes", Jurnal Bangkit Indonesia, pp. 1–16
[10] A. S. Nugroho, A. B. Witarto, and D. Handoko, “Application of Support Vector Machine in Bioinformatics” in Proceeding of Indonesian Scientific Meeting, Central Japan, 2003.
[11] B. Schlkopf and A. J. Smola, "Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond", London, England: The MIT Press, 2001.
[12] S. Akbar, A. Ahmad, and M. Hayat, “Identification of Fingerprint Using Discrete Wavelet Transform in Conjunction with Support Vector Machine”, International Journal of Computer Science Issue, vol. 11, no. 5, pp. 189–199, Sep. 2014.
[13] R. Bansal, P. Sehgal, and P. Behdi, “Minutiae Extraction from Fingerprint Images - A Review”, IJCSI - International Journal of Computer Science Issues, vol. 8, issue 5, No. 3, Sep. 2011
