PENGENALAN SIDIK JARI MENGGUNAKAN DIMENSI FRAKTAL BOX COUNTING DENGAN ALGORTIMA K-NEAREST NEIGHBOR

Abstract

Pengenalan sidik jari merupakan salah satu metode biometrika yang banyak digunakan dalam sistem identifikasi individu. Pola sidik jari berbeda pada setiap individu dan bersifat permanen seumur hidup, sehingga menjadikannya alat identifikasi yang efektif. Namun, dalam penerapannya, sidik jari dapat mengalami kerusakan atau alterasi, baik yang terjadi secara alami akibat luka, goresan, atau penyakit, maupun yang dilakukan secara sengaja untuk menghindari sistem identifikasi. Kondisi ini dapat menurunkan tingkat akurasi sistem pengenalan sidik jari. Oleh karena itu, diperlukan sistem pengenalan sidik jari yang andal dan lebih adaptif terhadap perubahan pada pola sidik jari. Penelitian ini bertujuan untuk mengklasifikasikan citra sidik jari, baik citra asli maupun citra yang telah teralterasi, menggunakan perhitungan dimensi fractal dengan metode Box Counting. Sebanyak 100 citra sidik jari digunakan dalam penelitian ini. Proses diawali dengan penajaman citra, konversi citra ke format grayscale, dan deteksi tepi menggunakan metode Canny. Hasil deteksi tepi kemudian digunakan dalam perhitungan dimensi fraktal. Nilai dimensi fraktal yang diperoleh selanjutnya digunakan dalam proses klasifikasi menggunakan algoritma K-Nearest Neighbor (K-NN) dengan skema k-Fold Cross Validation. Hasil penelitian menunjukkan bahwa akurasi tertinggi yang dicapai adalah 83% menggunakan 4-Fold Cross Validation pada nilai K = 3 dan K = 5 untuk jumlah tetangga terdekat. Metode ini diharapkan dapat menjadi salah satu solusi alternatif dalam pengenalan sidik jari berbasis citra yang lebih adaptif terhadap perubahan pola sidik jari.