KLASIFIKASI POLA SIDIK JARI BERBASIS EKSTRASI CIRI GREY LEVEL CO-OCCURRENCE MATRIX (GLCM) DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Sidik jari (fingerprint) merupakan hasil reproduksi tapak jari yang
dipisahkan oleh celah atau alur yang membentuk struktur tertentu. Terdapat tiga
jenis utama pola sidik jari yaitu arch, loop dan whorl. Penentuan pola tersebut dapat
dilakukan dengan menganalisis jumlah core dan jumlah delta pada sidik jari.
Perkembangan teknologi pemrosesan sinyal digital saat ini sudah sangat maju dan
berkembang pesat terlebih dalam bidang pengolahan citra digital sehingga
klasifikasi pola sidik jari dapat dilakukan secara otomatis. Terdapat area baru dalam
penelitian machine learning yaitu metode Convolutional Neural Network (CNN).
Untuk memudahkan proses training dilakukan ekstrasi ciri Grey Level Co�Occurrence Matrix (GLCM) yang umum digunakan dalam menganalisis tekstur
dengan pendekatan struktural. Proses pengambilan sidik jari menggunakan
fingerspot scanner. Pelatihan dengan epoch 50 untuk pelatihan 50 epoch pada citra
128x128 menghasilkan model terbaik dengan validation accuracy tertinggi yaitu
91% dengan validation loss sebesar 0,38. Hasil pengujian dengan success rate
tertinggi yaitu 60% pada model jaringan dengan epoch 50 dan 200 pada citra 64x64.
Kata Kunci: Klasifikasi, Sidik jari, Convolutional Neural Network (CNN), Grey
Level Co-Occurrence Matrix (GLCM)