PENENTUAN GOLONGAN DARAH BERDASARKAN KLASIFIKASI POLA SIDIK JARI MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN LEARNING VECTOR QUANTIZATION

WIJAYATI, REDYS VITA (2019) PENENTUAN GOLONGAN DARAH BERDASARKAN KLASIFIKASI POLA SIDIK JARI MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN LEARNING VECTOR QUANTIZATION. Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

[img]
Preview
Text
COVER_123150066_Redys Vita Wijayati.pdf

Download (159kB) | Preview
[img]
Preview
Text
LEMBAR PENGESAHAN PEMBIMBING.pdf

Download (430kB) | Preview
[img]
Preview
Text
ABSTRAK_123150066_Redys Vita Wijayati.pdf

Download (11kB) | Preview
[img]
Preview
Text
DAFTAR ISI_123150066_Redys Vita Wijayati.pdf

Download (31kB) | Preview

Abstract

ABSTRAK Pada tahun 1965, para peneliti melakukan penelitian mengenai pola sidik jari manusia, hasil penelitian tersebut menemukan bahwa sidik jari sudah terbentuk sejak usia 13 minggu dalam kandungan. Sidik jari adalah pola guratan-guratan kulit pada jari yang dikenal sebagai garis epidermal, ternyata memiliki korelasi dengan sistem hormon pertumbuhan sel pada otak. Sidik jari bersifat permanen, unik, dan tidak akan pernah sama pada setiap orang. Terdapat pola utama pada sidik jari manusia yaitu Whorl, Arch, dan Loops. Para peneliti menemukan pada pola masing-masing sidik jari dapat digunakan untuk mengetahui gaya bekerja otak yang paling dominan dan berkaitan dengan bakat, karakter, dan gaya belajar. Melalui perkembangan teknologi saat ini, sidik jari dapat digunakan untuk penentuan golongan darah. Penelitian ini dalam proses pengumpulan data sampai dengan dapat terdeteksinya golongan darah yaitu dengan membuat data training terlebih dahulu berjumlah 80 data training, data training citra nya diolah menggunakan preprocessing dengan menggunakan thresholding lalu menggunakan metode principal component analysis untuk ekstraksi ciri yang bobotnya digunakan untuk training dengan menggunakan metode learning vector quantization untuk selanjutnya di klasifikasikan berdasarkan kelasnya. Sedangkan 20 data digunakan dalam data testing cara pemrosesan tidak jauh berbeda dengan training, hanya saja dalam pengklasifikasiannya digunakan bobot yang berasal dari data training dan mencari kedekatannya hingga didapatkan penggolongannya. Hasil penelitian menunjukan bahwa pada golongan darah A, B, O memiliki jumlah pola loop yang tinggi pada ibu jari, jari tengah dan jari kelingking dan dari percobaan masing-masing jenis golongan diperoleh akurasi golongan darah A sebesar 50%, golongan darah B sebesar 40%, golongan darah AB sebesar 71%, dan golongan darah O sebesar 60%. Kata kunci : Pola Sidik Jari, Golongan Darah, Principal Component Analysis, dan Learning Vector Quantization.

Item Type: Thesis (Other)
Subjects: Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Basir Umaryadi
Date Deposited: 27 Aug 2019 07:56
Last Modified: 27 Aug 2019 07:56
URI: http://eprints.upnyk.ac.id/id/eprint/20845

Actions (login required)

View Item View Item