DETEKSI KARTU TANDA MAHASISWA UNIVERSITAS NURUL JADID MENGGUNAKAN METODE FEATURE MATCHING

Firdausiah, Luluk (2019) DETEKSI KARTU TANDA MAHASISWA UNIVERSITAS NURUL JADID MENGGUNAKAN METODE FEATURE MATCHING. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_15013926_Luluk Firdausiah_IF.pdf Restricted to Registered users only Download (5MB)

Abstract

Kartu Tanda Mahasiswa (KTM) merupakan identitas wajib bagi setiap mahasiswa yang memuat informasi penting seperti nama, Nomor Induk Mahasiswa (NIM), dan program studi, serta berfungsi untuk berbagai kegiatan akademik maupun non-akademik di lingkungan kampus. Di Universitas Nurul Jadid, proses pengenalan identitas mahasiswa dari KTM masih memerlukan optimasi agar dapat dikenali secara cepat. Penelitian ini bertujuan untuk mengimplementasikan teknik visi komputer melalui metode Feature Matching menggunakan algoritma SIFT (Scale Invariant Feature Transform) untuk mendeteksi KTM Universitas Nurul Jadid secara otomatis. Sistem ini diharapkan dapat mempermudah petugas dalam mengenali identitas mahasiswa sekaligus mempercepat layanan administrasi akademik.

Dataset yang digunakan dalam penelitian ini berjumlah 30 citra digital, yang terdiri dari 20 gambar KTM mahasiswa Universitas Nurul Jadid dan 10 gambar kartu lain (seperti KTP, SIM, kartu santri, kartu NU, dan ATM) sebagai data pembanding. Citra diambil menggunakan kamera smartphone dengan variasi sudut posisi, jarak, serta kondisi pencahayaan yang berbeda. Tahapan pemrosesan citra meliputi tahap pre-processing (mengubah ukuran resolusi gambar dari 3120x4160 piksel menjadi 928x705 piksel dan konversi ke bentuk grayscale) , ekstraksi fitur, serta pencocokan titik kunci (keypoint) menggunakan algoritma SIFT pada aplikasi Python melalui Jupyter Lab. Pengujian sistem dilakukan melalui 6 skenario dengan memvariasikan gangguan objek di sekitar kartu (tanpa alat bantu, menggunakan 1 hingga 3 alat, serta kombinasi alat dengan kartu lain). Hasil uji coba menunjukkan bahwa metode Feature Matching dengan algoritma SIFT mampu mendeteksi objek KTM secara otomatis dengan sangat baik. Dari 6 skenario pengujian yang dilakukan, sistem berhasil mengidentifikasi KTM dengan benar pada 5 skenario pengujian, sementara 1 pengujian mengalami kegagalan akibat tidak adanya objek KTM di dalam foto input.

Berdasarkan hasil evaluasi tersebut, sistem deteksi ini memperoleh tingkat akurasi sebesar 90%. Dengan demikian, penerapan metode ini dinyatakan efektif dan layak digunakan untuk membantu civitas akademika Universitas Nurul Jadid dalam mengenali identitas mahasiswa secara otomatis.

Kata Kunci: Deteksi Kartu, Kartu Tanda Mahasiswa (KTM), Feature Matching, SIFT, Python Jupyter Lab.

Item Type:	Thesis (Other)
Subjects:	L Education > LB Theory and practice of education Q Science > Q Science (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	30 Jun 2026 08:12
Last Modified:	30 Jun 2026 08:13
URI:	https://repository.unuja.ac.id/id/eprint/3926

Actions (login required)

View Item