PENERAPAN LOCAL BINARY PATTERN DAN LEARNING VECTOR QUANTIZATION PADA KLASIFIKASI CITRA GARIS UTAMA TELAPAK TANGAN
Daftar Isi:
- Biometrika seperti DNA, wajah, sidik jari, dan iris masih memiliki kelemahannya tersendiri. Munculnya kelebihan yang dimiliki biometrika garis utama telapak tangan diharapkan dapat menutupi kelemahan biometrika tersebut. Penelitian inimenerapkan LBP dan LVQ untuk mengklasifikasikan garis utama telapak serta menggunakan metode Confusion matrix untuk menghitung nilai akurasi. Data yang digunakan berjumlah 150 citra telapak tangan. Citra yang diujikan terdiri dari 3 bentuk, yaitu citra cropping ROI centroid, citra cropping manual dengan resize, dan citra cropping manual tanpa resize. Berdasarkan 3 bentuk citra dilakukan 5 macam pengujian, yaitu pengujian Learning Rate, pengurangan Learning Rate, pembagian data, perbandingan proses resize dan tanpa resize, serta pengujian faktor kekeluargaan. Berdasarkan hasil pengujian, didapatkan hasil akurasi tertinggi adalah pada pengujian citra cropping manual dengan resize sebesar 86.67%. Pengujian ini menggunakan Learning Rate0.0001, 0.001, 0.005, 0.007, 0.01, pengurangan Learning Rate0.001, 0.05, 0.1, serta pembagian data 90%:10% dan 80%:20%. Kata kunci: biometrika, centroid, confusion matrix, cropping, resize, ROI