<![CDATA[Identifikasi individu merupakan aspek krusial dalam bidang forensik dan keamanan digital, namun metode biometrik konvensional memiliki sejumlah keterbatasan. Sidik bibir menawarkan alternatif yang menjanjikan karena polanya yang unik dan permanen. Namun, sistem identifikasi sidik bibir yang ada seringkali belum terintegrasi secara efektif dan efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem identifikasi individu berbasis website dengan mengintegrasikan algoritma Convolutional Neural Network (CNN) pada sisi backend. Metode yang digunakan meliputi serangkaian tahapan pengolahan citra digital yang komprehensif, dimulai dari segmentasi area bibir menggunakan model U-Net, peningkatan kontras dengan Contrast Limited Adaptive Histogram Equalization (CLAHE), ekstraksi tekstur melalui Gabor Filter, hingga binarisasi adaptif dan operasi morfologi untuk memperjelas pola. Model klasifikasi dibangun menggunakan arsitektur MobileNetV2 melalui pendekatan transfer learning. Hasil pengujian sistem pada dataset yang dikembangkan menunjukkan kinerja yang sangat optimal, dengan keberhasilan mencapai akurasi identifikasi sebesar 100% dan tingkat presisi 100%. Keberhasilan ini membuktikan bahwa integrasi algoritma CNN pada backend sistem berbasis web merupakan solusi yang efektif, akurat, dan potensial untuk dikembangkan lebih lanjut sebagai teknologi identifikasi biometrik modern.Kata kunci — CNN, identifikasi individu, sidik bibir, backend, website, pengolahan citra]]>
Copyrights © 2025
