ABSTRAKSI: Teknologi identifikasi sidik jari termasuk salah satu teknologi identifikasi yang sangat berkembang saat ini. Hal ini disebabkan sidik jari dapat membedakan setiap manusia karena setiap manusia memiliki pola sidik jari yang berbeda-beda. Teknologi ini dilengkapi dengan sensor yang dapat mengambil citra ciri sidik jari manusia. Citra yang didapat tersebut selanjutnya diproses pada sistem pengenalan sidik jari untuk dicocokkan dengan data yang tersimpan pada database.
Pada tugas akhir ini diterapkan metode transformasi contourlet untuk ekstraksi cirinya. Hasil ekstraksi ciri yang telah diproses tersebut akan disimpan pada database. Citra ini selanjutnya akan diklasifikasikan dengan menggunakan metode K Nearest Neighbor (KNN).
Dari hasil pengujian sistem dengan berbagai analisis perubahan parameter – parameter yang terdapat dalam sistem,didapatkan hasil bahwa pengenalan sidik jari dengan ekstraksi ciri transformasi contourlet dan klasifikasi KNN memberikan akurasi terbaik 96,66% dengan nilai subband 2,3,4, jenis pyramidal filter Burt dan directional filter 9-7 disisi ekstraksi ciri, dan k = 1 dengan jenis distance cityblock disisi klasifikasi KNN. Waktu komputasi proses identifikasi kelas sidik jari juga tergolong sangat singkat,yaitu dibawah satu detik
Kata Kunci : Kata Kunci : Sidik jari, Transformasi Contourlet , K Nearest NeighborABSTRACT: Technology of fingerprint recognition system is one of the most popular identification technology this day. This is due to fingerprint can distinguish every human, because every human has different fingerprint pattern. This technology is equipped with sensor that can take human fingerprint pattern. The fingerprint image is then processed in fingerprint recognition system to be matched with the data in the database.
In this final project applied feature extraction method Contourlet Transform. The results of feature extraction that has been processed then will be stored in the database. The image then classified using the K - Nearest Neighbor (KNN).
From the system examination with many analysis of changes in the system parameters, the result is fingerprint recognition system with Contourlet Transform and KNN classification obtain 96,66% accuracy. The parameters used in this system are subband 2,3,4, Burt pyramidal filter, 9-7 directional filter, k value = 1 and cityblock distance. Processing time in fingerprint recognition system is also very short, which is below one second.
Keyword: Fingerprint, Contourlet Transform , K Nearest Neighbor