Identifikasi Individu Berdasarkan Sketsa Wajah Menggunakan Pendekatan Diskriminatif
| Main Author: | Abdurrohman, Harits |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/162008/1/Harits%20Abdurrohman.pdf http://repository.ub.ac.id/162008/ |
Daftar Isi:
- Mengidentifikasi seseorang berdasarkan cirinya merupakan salah satu ranah pada ruang lingkup biometrik. Pada ruang lingkup biometrik, setiap individu mempunyai karakteristik unik yang menjadi ciri khasnya seperti sidik jari, mata, bentuk telinga maupun wajah. Fungsi dari biometrik ini dapat digunakan untuk melakukan autentikasi terhadap sistem maupun mengenali seseorang berdasarkan salah satu cirinya. Biometrik ini kemudian dibagi menjadi kategori fisik dan kategori perilaku. Pada bidang forensik, ciri biometrik yang dapat digunakan salah satunya adalah ciri wajah dalam bentuk sketsa. Ada berbagai cara untuk mengekstraksi fitur pada citra dengan menggunakan tekstur analisis namun dalam penelitian ini, metode tekstur analisis yang digunakan adalah menggunakan SIFT (Scale Invariant Feature Transform) yang telah terbukti mampu digunakan pada ruang lingkup heterogeneous dan MCWLD (Multiscale Circular Weber Local Descriptor) yang berbasis pada hukum Weber, yakni melihat dari ratio suatu perubahan intesitas pixel dengan pixel ketetanggannya. Dari penelitian, dilakukan pengujian parameter baik pada metode SIFT maupun MCWLD. Pada SIFT diuji nilai ukuran window sedangkan pada MCWLD dilakukan pengujian nilai T-dominant orientation, M-Segment, dan S-bin. Penelitian ini juga melakukan fusi antara kedua metode dari tingkat fitur dan score. Hasil terbaik pada penelitian ini adalah untuk metode SIFT, konfigurasi terbaik adalah ukuran window kecil 8 dan sliding window 32 overlapping dengan nilai identification rate 79.79% sedangkan untuk MCWLD dengan konfigurasi sliding window dengan ukuran window 16 dan overlapping dan parameter yang digunakan adalah T=6, M=4 dan S=3 dengan nilai identification rate 82.45% dan Fusi SIFT dengan MCWLD terbaik pada tingkat score dengan nilai identification rate 82.45%.Meski nilai MCWLD lebih baik dari SIFT pada top-match, namun pada keseluruhan hasil atau top-rank metode SIFT melampaui dari MCWLD.