Deteksi Serangan Spoofing Pada Citra Wajah menggunakan Ekstraksi Ciri Local Derivative Pattern,
Published in Indonesia Journal on Computing (Indo-JC), Vol. 3, No. 1,, 2018
Abstract - Pada penelitian ini, diusulkan sistem pendeteksi serangan spoofing pada citra wajah manusia menggunakan metode ekstraksi ciri Local Derivative Pattern (LDP). Metode klasifikasi yang digunakan adalah k-Nearest Neighbour (k-NN) dan Support Vector Machine (SVM). Penelitian ini menggunakan NUAA Imposter and Photograph Database sebagai datasetnya. Parameter optimal untuk ekstraksi ciri menggunakan LDP, adalah sebagai berikut: LDP orde ke-2 dengan radius bernilai 5 yang bersifat overlapping non-uniform menggunakan algoritma klasifikasi SVM dengan kernel Radial Basis Function. Performansi terbaik didapatkan menggunakan F1-Score sebesar 99.8%. Pola uniform pada LDP mempercepat waktu komputasi dengan rata-rata 2.09 detik, sedangkan waktu komputasi pola non-uniform yaitu 5.49 detik.
Recommended citation: Eka Darmayanti, N. G. A. M., Ramadhani, K. N., & Arifianto, A. (2018). Deteksi Serangan Spoofing Pada Citra Wajah menggunakan Ekstraksi Ciri Local Derivative Pattern. Indonesian Journal on Computing (Indo-JC), 3(1), 55-64. https://doi.org/10.21108/INDOJC.2018.3.1.213