Multimodal EEG dan Keystroke Biometrics Menggunakan Klasifikasi Random Forest dan Manhattan Distance - Dalam bentuk buku karya ilmiah
DANIAR ABI PRATAMA
Informasi Umum
Kode
25.04.6537
Klasifikasi
000 - General Works
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Biometrics
Dilihat
53 kali
Informasi Lainnya
Abstraksi
Penelitian ini mengembangkan sistem biometrik multimodal yang menggabungkan sinyal Elektroensefalografi (EEG) dan Keystroke Biometrics untuk meningkatkan akurasi identifikasi pengguna. Proses penelitian diawali dengan akuisisi data EEG dan Keystroke Biometrics, kemudian dilakukan tahap preprocessing untuk mengurangi noise dan memperjelas data. Selanjutnya dilakukan ekstraksi fitur menggunakan metode adaptif terhadap pengguna serta teknik domain frekuensi. Fitur dari EEG dan Keystroke Biometrics kemudian digabungkan menggunakan metode Scaled Manhattan Distance, lalu diklasifikasikan dengan algoritma Random Forest. Evaluasi dilakukan dengan analisis akurasi, presisi, recall, dan efisiensi. Hasil penelitian menunjukkan bahwa pendekatan multimodal yang diusulkan mampu mencapai akurasi terbaik sebesar 99,26% pada klasifikasi menggunakan Random Forest dengan PCA untuk dataset EEG. Hasil tersebut secara signifikan lebih baik dibandingkan dengan pendekatan menggunakan modalitas tunggal, menunjukkan efektivitas integrasi biometrik multimodal yang diusulkan dalam penelitian ini.
- CAK3JAB3 - Pembelajaran Mesin
- CII3L3 - PEMBELAJARAN MESIN LANJUT
- CCH4D4 - TUGAS AKHIR
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | DANIAR ABI PRATAMA |
| Jenis | Perorangan |
| Penyunting | Prasti Eko Yunanto, Gamma Kosala |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2025 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
