deteksi sidik jari berbasis alihragam gelombang-singkat (wavelet) dan jaringan syaraf tiruan (jst) khusus kota mataram dan sekitarnya

Clicks: 71
ID: 190016
2009
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Star

Ranked #25 of 41 articles by views in Nature chemistry

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract

Penelitian ini menerapkan alihragam gelombang-singkat dan jaringan syaraf tiruan (JST) untuk deteksi sidik jari dengan sampel data penduduk yang berdomisili di Mataram dan sekitarnya. Alihragam gelombang-singkat yang digunakan Wavelet Daubechies yang merupakan wavelet terbaik untuk pencarian citra. Alihragam wavelet berfungsi untuk mengekstrak citra sidik jari menjadi ciri-ciri citra dengan cara memilih sejumlah kecil koefisien hasil alihragam yang memiliki magnitude terbesar (Koefisien Aproksimasi). Ruang warna yang digunakan YIQ yang merupakan ruang warna yang baik untuk pencarian citra dan hanya diambil luminansnya (Y) yang merupakan skala keabuan. Hasil eksraksi citra sidik jari asli digunakan untuk dilatihkan pada jaringan syaraf tiruan backpropagation, sedangkan pengujian berupa citra sidik jari asli dan sidik jari terdistorsi.

Dari hasil penelitian, pelatihan JST terhadap 100 data sidik jari yang telah diekstrak cirinya menggunakan alihragam gelombang-singkat (db1) dengan arsitektur jaringan yang terdiri atas 64 sel pada lapisan input, 150 sel pada lapisan tersembunyi dan 100 sel pada lapisan output, JST yang dibangun dapat mengenal 100% sidik jari (pernah dilatih) dan 88% data sidik jari terdistorsi yang diujikan padanya. Namun ada keterbatasan jumlah data yang dapat dikenali oleh JST pada saat JST dilatihkan banyak data, dalam penelitian ini 200 sidik jari yang
kemudian diujikan dengan data sidik jari yang pernah dilatihkan ternyata hanya mampu mengenal 70%.

Reference Key
kanata2009majalahdeteksi Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Bulkis Kanata
Journal Nature chemistry
Year 2009
DOI
DOI not found
URL
http://ojs.unud.ac.id/index.php/JTE/article/view/251
Keywords
electrical engineering electronics nuclear engineering

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.