IDENTIFIKASI POLA SIDIK BIBIR PADA PRIA DAN WANITA MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN LEARNING VECTOR QUANTIZATION (LVQ) SEBAGAI APLIKASI BIDANG FORENSIK

SYELANISA NABILLA

Informasi Umum

Kode

17.04.1546

Klasifikasi

621.3 - Electrical, Magnetic, Optical, Communications, Computer engineering, Electronics, Lighting

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing - Signal Processing

Dilihat

2 kali

Informasi Lainnya

Abstraksi

Forensik merupakan bidang ilmu pengetahuan yang digunakan untuk membantu proses identifikasi individu maupun kepentingan penegakan hukum. Banyak cara dalam mengidentifikasi individu, namun seringkali karena kondisi fisik individu yang sudah tidak utuh, maka dilakukan pengidentifikasian. Ilmu kedokteran gigi forensik secara sederhana dapat menentukan identitas seseorang berdasarkan pemeriksaan odontologi, rugae palatina, dan sidik bibir. Sidik bibir memiliki karakteristik khas sama halnya dengan perbandingan sidik jari. Sidik bibir memiliki sifat konsisten, stabil sepanjang hidup, dan tidak akan berubah baik pola ataupun karakteristiknya. Sidik bibir dapat diamati sejak bayi berusia empat bulan. Sampel sidik bibir diperoleh melalui kerja sama dengan Fakultas Kedokteran Gigi Universitas Padjajaran dan mahasiswa Universitas Telkom. Tugas Akhir ini dibuat bertujuan untuk memudahkan identifikasi dan klasifikasi sidik bibir pada pria dan wanita. Metode yang digunakan untuk ekstrasi ciri adalah Gray Level Co-Occurrence Matrix (GLCM) dan metode yang digunakan untuk klasifikasi adalah Learning Vector Quantization (LVQ) dengan menggunakan aplikasi MATrix LABoratory (MATLAB). Sistem tersebut mempunyai performasi dengan tingkat akurasi sebesar 93,333% dan waktu komputasi 22,27s dengan menggunakan 35 sampel citra latih dan 15 citra uji. Dengan adanya sistem ini dapat menjadi pembanding dalam identifikasi polas sidik bibir dengan menggunakan metode yang berbeda dan dapat bermanfaat untuk dunia odontologi forensik dalam melakukan identifikasi pola sidik bibir.

Kata kunci: Sidik bibir, Gray Level Co-Occurrence Matrix, Learning Vector Quantization