IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)

Perkembangan teknologi digital pada era ini berkembang sangat pesat.rnSalah satunya adalah sistem keamanan yang membutuhkan data verifikasi sepertirnID dan kata kunci untuk akun keuangan ataupun menggunakan kartu ataurnkombinasi angka sebagai kunci rumah. Namun, sistem ini masih memilikirnkelemahan...

Full description

Saved in:
Bibliographic Details
Main Authors: Sri Redjeki, S.Si., M.Kom., Tiskadewi, Nirna - 135410017
Language:Indonesian
Published: STMIK AKAKOM Yogyakarta 2017
Subjects:
Tags: Add Tag
No Tags, Be the first to tag this record!
PINJAM
id oai:opac.utdi.ac.id:slims-2131
record_format oai_dc
spelling oai:opac.utdi.ac.id:slims-21312020-08-10T13:32:14Z IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor) Sri Redjeki, S.Si., M.Kom. Tiskadewi, Nirna - 135410017 Metode KNN STMIK AKAKOM Yogyakarta 2017 id Text Skripsi http://opac.utdi.ac.id//index.php?p=show_detail&id=2131 Perkembangan teknologi digital pada era ini berkembang sangat pesat.rnSalah satunya adalah sistem keamanan yang membutuhkan data verifikasi sepertirnID dan kata kunci untuk akun keuangan ataupun menggunakan kartu ataurnkombinasi angka sebagai kunci rumah. Namun, sistem ini masih memilikirnkelemahan yaitu terjadinya kemungkinan kelupaan, kehilangan dan pemalsuan.rnUntuk menghindari kemungkinan tersebut berbagai macam sistem keamanan yangrnmenggunakan karakteristik alami yang dimiliki seseorang atau biometrik telahrnberkembang didunia. Dengan permasalahan tersebut maka di dalam skripsi inirnmembahas mengenai analisis identifikasi iris mata. Selama ini identifikasi iris ataurnselaput pelangi pada mata manusia menjadi salah satu alternatif identifikasi untukrnsistem keamanan.rnAdapun metode ekstraksi ciri yang digunakan dalam identifikasi adalahrnekstraksi ciri tekstur berdasarkan histogram dengan menghitung enam fitur yaiturnrerata intensitas, deviasi standar, skewness, energi, entropi dan properti kehalusanrnatau smoothness. Selanjutnya dilakukan pelatihan terhadap keenam fitur teksturrnyang diperoleh menggunakan metode KNN (K-Nearest Neighbor) danrnperhitungan jaraknya menggunakan fungsi metode Euclidean Distance. Objekrnyang diuji adalah citra iris mata kanan dari UBIRIS.v1 Database yang merupakanrndatabase citra iris mata diam.rnHasil dari program ini berupa sejumlah citra dengan jarak terdekat darirncitra uji. Lalu dengan menggunakan metode KNN akurasi identifikasi data latihrncitra iris sebesar 98,3% dengan nilai k=1 dan akurasi identifikasi data uji citra irisrnsebesar 100% dengan nilai k=1.rnKata Kunci : Ciri Tekstur, Citra, Euclidean, Iris, KNN Yogyakarta xii, 49 hlm, ilus; 29 cm
institution UTDI
collection Universitas Teknologi Digital Indonesia
language Indonesian
topic Metode KNN
spellingShingle Metode KNN
Sri Redjeki, S.Si., M.Kom.
Tiskadewi, Nirna - 135410017
IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)
description Perkembangan teknologi digital pada era ini berkembang sangat pesat.rnSalah satunya adalah sistem keamanan yang membutuhkan data verifikasi sepertirnID dan kata kunci untuk akun keuangan ataupun menggunakan kartu ataurnkombinasi angka sebagai kunci rumah. Namun, sistem ini masih memilikirnkelemahan yaitu terjadinya kemungkinan kelupaan, kehilangan dan pemalsuan.rnUntuk menghindari kemungkinan tersebut berbagai macam sistem keamanan yangrnmenggunakan karakteristik alami yang dimiliki seseorang atau biometrik telahrnberkembang didunia. Dengan permasalahan tersebut maka di dalam skripsi inirnmembahas mengenai analisis identifikasi iris mata. Selama ini identifikasi iris ataurnselaput pelangi pada mata manusia menjadi salah satu alternatif identifikasi untukrnsistem keamanan.rnAdapun metode ekstraksi ciri yang digunakan dalam identifikasi adalahrnekstraksi ciri tekstur berdasarkan histogram dengan menghitung enam fitur yaiturnrerata intensitas, deviasi standar, skewness, energi, entropi dan properti kehalusanrnatau smoothness. Selanjutnya dilakukan pelatihan terhadap keenam fitur teksturrnyang diperoleh menggunakan metode KNN (K-Nearest Neighbor) danrnperhitungan jaraknya menggunakan fungsi metode Euclidean Distance. Objekrnyang diuji adalah citra iris mata kanan dari UBIRIS.v1 Database yang merupakanrndatabase citra iris mata diam.rnHasil dari program ini berupa sejumlah citra dengan jarak terdekat darirncitra uji. Lalu dengan menggunakan metode KNN akurasi identifikasi data latihrncitra iris sebesar 98,3% dengan nilai k=1 dan akurasi identifikasi data uji citra irisrnsebesar 100% dengan nilai k=1.rnKata Kunci : Ciri Tekstur, Citra, Euclidean, Iris, KNN
author Sri Redjeki, S.Si., M.Kom.
Tiskadewi, Nirna - 135410017
author_facet Sri Redjeki, S.Si., M.Kom.
Tiskadewi, Nirna - 135410017
author_sort Sri Redjeki, S.Si., M.Kom.
title IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)
title_short IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)
title_full IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)
title_fullStr IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)
title_full_unstemmed IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)IDENTIFIKASI CITRA IRIS MATA DENGAN METODE KNNrn(K-Nearest Neighbor)
title_sort identifikasi citra iris mata dengan metode knnrn(k-nearest neighbor)identifikasi citra iris mata dengan metode knnrn(k-nearest neighbor)
publisher STMIK AKAKOM Yogyakarta
publishDate 2017
callnumber-raw http://opac.utdi.ac.id//index.php?p=show_detail&id=2131
callnumber-search http://opac.utdi.ac.id//index.php?p=show_detail&id=2131
_version_ 1741199333274943488