Sidik jari memiliki karakteristik yang sangat unik. Sidik jari setiap orang memiliki pola yang berbeda-beda yang tidak akan berubah karena bertambahnya usia, sehingga sidik jari sangat efektif digunakan sebagai salah satu sistem pengaman. Pada penelitian Skripsi ini, sidik jari diaplikasikan pada prototipe sistem pengaman pintu pintar. Kerapatan pola sidik jari yang terdiri dari ridge (punggung) dan valley (lembah) adalah sebagai penentu gender. Dalam pengujian sistem ini, telah dilakukan pengambilan sampel sebanyak 450 sidik jari untuk 200 sidik jari digunakan sebagai data testing dan 250 sidik jari digunakan sebagai data training. Masukan dari sistem ini berupa gambar dan keluarannya berupa gender (Wanita/Pria), kemudian data tersebut dikirim ke Mikrokontroler untuk mengaktifkan Door Lock atau perintah membuka pintu. Software Visual Studio 2015 bahasa c# digunakan sebagai graphical user interface (GUI), untuk ekstraksi fitur dengan metode Discrete Cosine Transform (DCT) dan Discrete Wavelet Transform (DWT). Sedangkan metode K Nearest Neighbor digunakan untuk klasifikasi gender. Pada penelitian ini diperoleh hasil akurasi 74% untuk data testing klasifikasi wanita. sedangkan klasifikasi pria sebesar 48%. Sebagai acuan nilai rata-rata RMS dan LL, HL, LH, HH, diperoleh nilai kerapatan punggung wanita lebih kecil dari pada nilai kerapatan punggung pria, dan untuk hasil Akurasi dari 10-fold cross validation yaitu sebesar 64.67% data benar dan 35.33%. untuk data yang salah. Kata Kunci : Discrete Cosine Transform, Pola Sidik Jari, K Nearst Neighbor, Discrete Wavelet Transform

Fingerprint has very unique characteristics. Fingerprint of each person has different patterns that will not change due to age, so that fingerprint is very effective to use as a safety system. In this study, fingerprint is applied to a smart door lock system prototype. The density of fingerprint patterns consisting of ridge and valley is the determinant of gender. In testing this system, 450 fingerprints are taken as sample that 200 fingerprints are used as testing data and 250 fingerprints are used as training data. The input of this system is in the form of an image and the output is gender (female/male), then the data is sent to the Microcontroller to activate Door Lock or an order to open the door. Visual studio c# language software is used as graphical user interface (GUI) for feature extraction using the Discrete Cosine Transform (DCT) and Discrete Wavelet Transform (DWT) methods. Meanwhile, the K Nearest Neighbor method is used for gender classification. In this study, 74% accuracy is obtained for female classification testing data, while for male classification is 48%. As a reference for the average values of RMS and LL, HL, LH, HH, the density value of female ridge is smaller than the density value of male ridge and the results of Accuracy of 10-fold cross validation are 64.67% for correct data and 35.33% for wrong data. Keywords: Discrete Cosine Transform, Fingerprint Patterns, K Nearst Neighbor, Discrete Wavelet Transform

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal