WIBOWO, ANDRIANTO KUSUMO (2025) IMPLEMENTASI DEEP LEARNING PIX2PIX GAN UNTUK RESTORASI CITRA SIDIK JARI SEBAGAI UPAYA PENGUATAN SISTEM KEAMANAN BIOMETRIK DAN FORENSIK DIGITAL. Undergraduate thesis, Universitas Islam Sultan Agung.

[thumbnail of Teknik Informatika_32602100028_fullpdf.pdf] Text
Teknik Informatika_32602100028_fullpdf.pdf
| Download (4MB)
[thumbnail of Teknik Informatika_32602100028_pernyataan_publikasi.pdf] Text
Teknik Informatika_32602100028_pernyataan_publikasi.pdf
Restricted to Registered users only
| Download (366kB)

Abstract

Sidik jari merupakan salah satu biometrik utama yang sangat sering dipergunakan baik untuk melakukan identifikasi ataupun autentiaksi. Citra sidik jari yang rusak sering kali menjadi permasalahan yang serius jika menyangkut identifikasi korban kecelakaan ataupun sebagai alat bukti tidak kejahatan pidana seperti pencurian dan pembunuhan. Menanggapi permasalahan tersebut, penelitian ini mengimplementasikan Deep Learning Pix2Pix GAN untuk restorasi citra sidik jari guna memudahkan pihak-pihak bersangkutan seperti halnya penegak hukum dalam mengidentifikasi korban kecelakaan atau mengungkap pelaku kejahatan pidana seperti halnya pembunuhan. Deep Learning Pix2Pix GAN menerapkan arsitektur Generator berupa (U-Net) dan Discriminator berupa PatcGAN yang dilatih menggunakan dataset SOCOFing dimana dataset tersebut sangat merepresentasikan gangguan forensik di dunia nyata khususnya di Indonesia. Evaluasi yang digunakan untuk analisa selama proses pelatihan menggunakan metrik PSNR, SSIM, gen loss, dan disc loss untuk melihat progres pembelajaran model. Metrik evaluasi CLIP-IQA, LPIPS, dan Edge Preservation Score (EPS) juga digunakan untuk menilai kinerja model saat proses testing dengan kriteria keberhasilan LPIPS berada dikisaran nilai 0,1 hingga kurang dari 0,3 serta EPS mendekati nilai 1 yang menunjukkan citra berhasil direstorasi dan kontur penting tetap dipertahankan.
Kata Kunci: Pix2Pix GAN, SOCOFing, Restorasi Citra, Sidik Jari, LPIPS, Edge Preservation Score.

Dosen Pembimbing: Mulyono, Sri | UNSPECIFIED
Item Type: Thesis (Undergraduate)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Industri
Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User: Pustakawan 4 UNISSULA
Date Deposited: 18 Nov 2025 02:15
URI: https://repository.unissula.ac.id/id/eprint/42079

Actions (login required)

View Item View Item