Implementasi Algoritma Back propagation Untuk Klasifikasi jenis Sidik Jari Berdasarkan Ekstraksi Ciri Matriks Co-Occurrence

Dalam mengklasifikasikan citra jenis sidik jari keakurasian sangatlah penting karena untuk menghasilkan suatu sistem pendeteksi citra sidik jari dibutuhkan keakurasian yang baik. Metode yang digunakan untuk mendeteksi citra sidik jari pun dijadikan suatu pertimbangan. Metode yang akan digunakan pada penelitian ini adalah metode Matrik Co-occurence untuk ekstraksi ciri dan metode Back Propagation untuk klasifikasinya. Sebelumnya telah dilakukan penelitian yang membuktikan bahwa metode matriks co-occurrence dapat mengekstraksi ciri tekstur dengan baik, matriks co-occurrence menghasilkan hasil ekstraksi ciri berupa data angka, hasil pengukuran atau disebut data continues, berupa kontras, homogenitas, dissimilarity, energy, dan entropy. Selanjutnya ada pula penelitian yang mengimplementasikan metode Backpropagation untuk klasifikasi sidik jari. Keduanya menggunakan data continue sebagai data masukan terhadap metode Backpropagation, dan menghasilkan keakuratan yang baik. Dari yang telah dijelaskan terbukti dengan dilakukannya pengujian menggunakan metode confusion matrix didapat tingkat akurasi 90% dengan learning rate 0,5 dan error 0,01, itu dikarena semakin banyak data latih, maka tingkat akurasi akan semakin baik.

In classifying the types of fingerprint images, accuracy is important because to produce an image of the fingerprint detection systems required good accuracy. The method used to detect the fingerprint image, used as a consideration. The method used in this research is the co-occurence matrix for characteristic texture and Back Propagation methods for classification. Previously, a research has been done to prove that the method of matrix co-occurrence can extract the characteristic texture as well. The co-occurrence matrix is produce characteristic textures such as numberic data, measurement result that called continues, contrast, homogeneity, dissimilarity, energy, and entropy. Furthermore, there is also research that implements Backpropagation method for fingerprint classification. Both use data continue as input data to the Backpropagation method, and resulting a good accuracy. From what has been described and elaborated, proven to be fully tested using the method of confusion matrix obtained accuracy rate of 90% with a learning rate of 0.5 and 0.01 errors. the growing up training data obtained, the better the accuracy.