KLASIFIKASI CITRA KTP-EL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Satria, Satria (2024) KLASIFIKASI CITRA KTP-EL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Tesis_221321038_SATRIA_Abstrak.pdf Download (402kB)
	Text Tesis_221321038_SATRIA_BAB I.pdf Download (661kB)
	Text Tesis_221321038_SATRIA_Daftar Pustaka.pdf Download (492kB)
	Text Tesis_221321038_SATRIA_Full Text.pdf Restricted to Repository staff only Download (9MB)

Abstract

Kartu Tanda Penduduk Elektronik (KTP-el) serves sebagai bukti identitas resmi bagi penduduk, diterbitkan oleh instansi pelaksana yang berlaku di seluruh wilayah Negara Kesatuan Republik Indonesia. Wajib dimiliki oleh warga Negara Indonesia (WNI) dan Warga Negara Asing (WNA) yang memegang Izin Tinggal Tetap (ITAP) dan berusia 17 tahun atau sudah menikah, KTP-el rentan terhadap potensi kerusakan, sering kali disebabkan oleh faktor-faktor seperti penggunaan berkepanjangan atau penanganan yang tidak benar. Kerusakan fisik pada KTP-el dapat menghambat kemampuan dokumen untuk melakukan verifikasi identitas secara akurat, dengan potensi dampak pada layanan publik dan administrasi pemerintahan. Penelitian ini bertujuan untuk menilai kondisi KTP-el, menentukan apakah kondisinya masih baik atau rusak. Studi ini menggunakan metode Convolutional Neural Network (CNN), yang dikenal karena hasil signifikannya dalam pengenalan gambar dengan mencoba meniru sistem pengenalan gambar di korteks visual manusia, memfasilitasi pemrosesan informasi gambar. Metode ini terdiri dari dua lapisan arsitektur: Feature Learning dan Classification. Dataset yang digunakan dalam penelitian ini terdiri dari gambar KTP-el yang berasal dari Dinas Kependudukan dan Pencatatan Sipil Kabupaten Bengkalis, sejumlah 991 gambar yang dibagi menjadi dua kelas: 485 untuk kondisi bagus dan 506 untuk kondisi rusak. Temuan penelitian memungkinkan penentuan kondisi gambar KTP-el, untuk pelatihan model didapat akurasi sebesar 88% dengan epoch 30 sedangkan untuk pengujian menggunakan aplikasi didapat akurasi sebesar 97%. Dari hasil akurasi yang cukup baik diharapkan dapat membantu Operator Disdukcapil dalam menentukan KTP-el tersebut dalam kondisi baik atau sudah rusak. Keyword: Kartu Tanda Penduduk Elektronik (KTP-el), Citra, Klasifikasi, Convolutional Neural Network

Actions (login required)

View Item