DETEKSI TIPE SIDIK JARI UNTUK MENGENALI KEPRIBADIAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Putri Jasmine Aliffiyah; Nunik Pratiwi;

ABSTRAK

Deteksi Tipe Sidik Jari Untuk Mengenali Kepribadian Menggunakan

Metode Support Vector Machine (SVM)

Putri Jasmine Aliffiyah

Penentuan kepribadian seseorang dapat dilakukan melalui beberapa metode seperti scanner,
pengenalan wajah, analisis suara, dan pola tulisan. Namun, diperlukan upaya untuk memaksimalkan
tingkat keakuratannya. Penelitian ini membuat sistem klasifikasi tipe sidik jari berbasis pengolahan
citra digital menggunakan metode Support Vector Machine (SVM). Sistem ini dirancang untuk
mengenali tiga pola sidik jari utama, yaitu arch, loop, dan whorl. Proses pengolahan data mencakup
beberapa tahapan penting, antara lain binarization citra serta ekstraksi fitur menggunakan metode
Histogram of Oriented Gradients (HOG). Setelah fitur diperoleh, proses klasifikasi dilakukan
dengan algoritma SVM menggunakan kernel Radial Basis Function (RBF) untuk meningkatkan
performa pemisahan antar kelas. Dataset yang digunakan diperoleh dari platform Kaggle, dengan
total sebanyak 1.679 citra sidik jari. Sistem diimplementasikan menggunakan perangkat lunak
MATLAB, lengkap dengan antarmuka grafis (GUI) untuk mempermudah pengguna dalam
mengoperasikan sistem. Evaluasi performa dilakukan dengan membagi data menjadi 80% data latih
dan 20% data uji. Hasil pengujian menunjukkan bahwa model ini mampu mengklasifikasikan pola
sidik jari dengan akurasi sebesar 89,25%. Temuan ini menunjukkan bahwa metode SVM cukup
efektif dan dapat digunakan sebagai solusi awal dalam sistem identifikasi berbasis sidik jari secara
otomatis.
Kata Kunci : Citra Digital, HOG, Sidik Jari, SVM.

Detection of Fingerprint Types for Personality Identification Using the Support

Vector Machine Method (SVM)
Putri Jasmine Aliffiyah

The determination of an individual's personality can be conducted through several methods, such
as fingerprint scanning, facial recognition, voice analysis, and handwriting patterns. However,
efforts are required to maximize the level of accuracy. This study developed a fingerprint type
classification system based on digital image processing using the Support Vector Machine (SVM)
method. The system is designed to recognize three main fingerprint patterns: arch, loop, and whorl.
The image processing workflow consists of several key stages, including image binarization and
feature extraction using the Histogram of Oriented Gradients (HOG) method. Once the features are
extracted, classification is performed using the SVM algorithm with a Radial Basis Function (RBF)
kernel to enhance class separation performance. The dataset used in this study was obtained from
the Kaggle platform, comprising a total of 1,679 fingerprint images. The system was implemented
using MATLAB software and equipped with a graphical user interface (GUI) to facilitate user
interaction. Performance evaluation was carried out by splitting the data into 80% training and
20% testing sets. The test results showed that the model was able to classify fingerprint patterns
with an accuracy of 89.25%. These findings indicate that the SVM method is effective and can serve
as an initial solution for automatic fingerprint-based identification systems.
Keywords: Digital Image, HOG, Fingerprint, SVM.