PENDAHULUAN
Ifan Hari Pradana Klasifikasi Citra Sidik Jari Berdasarkan Enam Tipe
Pattern Menggunakan Metode Euclidean Distance Pada penelitian ini dilakukan
klasifikasi sidik jari dengan menggunakan metode Euclidean Distance dar data uji
sebanyak 30 gambar tingkat keberhasilan klasifikasi adalah 76,6%.
Gregorius Satia Budhi, Tok Fenny Handayani dan Rudy Adipranata (2008)
Aplikasi Pengenalan Daun untuk Klasifikasi Tanaman dengan Metode
Probalistic Neural Network Pada penelitian ini dikembangkan aplikasi dengan
menggunakan metode Probabilistic Neural Network untuk melakukan pengenalan
daun. Sebagai input data digunakan gambar daun dan dilakukan feature extraction
untuk mendapatkan ciri-ciri yang mewakili bentuk daun. Dari hasil pengujian,
tingkat keakuratan pengenalan mencapai sekitar 70% dengan menggunakan
spread 0.25 hingga 0.5
Windu Purnomo (2011)Klasifikasi Sidik Jari Menggunakan Support Vector
Machine dengan Feature Berbasis Minutie Menggunakan Metode Region Pada
penelitian ini menggunakan 2.695 gambar sidik jari dari NIST. Kinerja klasifikasi
diukur menggunakan 3 kali lipat metode cross validasi. Penelitian ini dicapai
akurasi 79,7%. Seperti yang kita hanya digunakan fitur lokal dalam penelitian ini,
penelitian lebih lanjut perlu dilakukan terutama untuk menyelidiki fitur global.
Minarni (2004) Klasifikasi Sidik Jari dengan Pemrosesan Awal
Transformasi Wavelet penelitian menunjukkan bahwa unjuk kerja pengenalan
meningkat cukup signifikan untuk masukan dengan dimensi yang lebih besar
(64x64) dibandingkan dengan masukan yang lebih kecil (32x32 dan 16x16).
PENDAHULUAN
Pada bab I membahas tentang latar belakang penelitian, rumusan
masalah, batasan masalah, tujuan penelitian, manfaat penelitian,
road map serta sistematika penulisan.
BAB II
TINJAUAN PUSTAKA
Pada bab II membahas tentang teori yang menunjang pembuatan
Klasifikasi Alur Pola Sidik Jari dengan Metode PNN (probalistic
neural network).
BAB III
METODOLOGI PENELITIAN
Pada bab III membahas tentang perancangan dan pembuatan
Klasifikasi Alur Pola Sidik Jari dengan Metode PNN (probalistic
neural network).
BAB IV
BAB V
PENUTUP
Pada Bab V berisi tentang kesimpulan dan saran dari hasil uji coba
sistem serta saran-saran