ANDROGENIC HAIR PATTERN RECOGNITION FOR BIOMETRIC IDENTIFICATION

LOINNIE, REGINA (2017) ANDROGENIC HAIR PATTERN RECOGNITION FOR BIOMETRIC IDENTIFICATION. S2 thesis, Universitas Mecu Buana Jakarta.

[img]
Preview
Text (ABSTRAK)
abstrak.pdf

Download (171kB) | Preview
[img]
Preview
Text (COVER)
hal cover.pdf

Download (543kB) | Preview
[img] Text (BAB I)
BAB 1.pdf
Restricted to Registered users only

Download (148kB)
[img] Text (BAB II)
BAB 2.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (BAB III)
BAB 3.pdf
Restricted to Registered users only

Download (472kB)
[img] Text (BAB IV)
BAB 4.pdf
Restricted to Registered users only

Download (827kB)
[img] Text (BAB V)
BAB 5.pdf
Restricted to Registered users only

Download (136kB)
[img] Text (DAFTAR PUSTAKA)
Hal daftar pustaka dan lampiran.pdf
Restricted to Registered users only

Download (630kB)

Abstract

Untuk dapat melakukan identifikasi pelaku kriminal atau pedofil pada kasus kejahatan seksual anak-anak yang tertangkap kamera atau video digital menjadi tantangan yang sulit ketika wajah atau fitur unik dari kriminal tersebut tidak terlihat. Untuk dapat mengatasi kesulitan ini, telah dibangun sistem pengenalan berbasis pola rambut androgenik. Pola rambut androgenik menjadi ciri biometrik baru sejak tahun 2014. Terdapat 4 metode yang dibandingkan di dalam tesis ini, transformasi wavelet Haar, analisis komponen utama, skala ruang hierarki Gauss dan scale-invariant feature transform (SIFT). Untuk ketiga metode pertama, 400 gambar digital diuji untuk sistem pengenalan. Metode skala ruang Hierarki Gauss menghasilkan keakuratan presisi sistem terbaik yaitu 94,23 % menggunakan validasi silang 10-lipat dengan ekualisasi histogram. Metode ini mengalahkan transformasi wavelet Haar yang memberikan presisi 83,48 % dan analisis komponen utama yang menghasilkan 75,19 % presisi keakuratan. Desain sistem selanjutnya menggunakan versi basis data yang lebih kecil, 50 gambar digital dengan kondisi ekstrem hanya 2 variasi gambar yang diambil dari setiap responden. Untuk desain sistem terakhir ini, algoritma SIFT memberikan keakuratan presisi terbaik yaitu 38 % dan mengalahkan ketiga metode sebelumnya transformasi wavelet Haar, analisis komponen utama dan skala ruang Hierarki Gauss yang hanya menghasilkan sekitar 30-32% presisi keakuratan

Item Type: Thesis (S2)
Call Number CD: CDT/MTEL/2017/037
Call Number: 54/MTEL/2017/037
NIM: 55415120017
Uncontrolled Keywords: analisis komponen utama; identifikasi biometrik; pola rambut androgenik; scale-invariant feature transform; transformasi wavelet Haar, androgenic hair pattern; biometric identification; Haar wavelet transform; principal component analysis; scale-invariant feature transform
Subjects: 600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan > 621 Applied Physics/Fisika terapan > 621.3 Electrical Engineering, Lighting, Superconductivity, Magnetic Engineering, Applied Optics, Paraphotic Technology, Electronics Communications Engineering, Computers/Teknik Elektro, Pencahayaan, Superkonduktivitas, Teknik Magnetik, Optik Terapan, Tekn
Divisions: Pascasarjana > Magister Teknik Elektro
Depositing User: Rokhyudi
Date Deposited: 14 Nov 2017 04:03
Last Modified: 14 Nov 2017 04:03
URI: http://repository.mercubuana.ac.id/id/eprint/39567

Actions (login required)

View Item View Item