Multimodal Ciri N-Graph Feature Pada Keystroke Biometrics Yang Menggunakan Klasifikasi Random Forest - Dalam bentuk buku karya ilmiah

I PUTU HANDY PUSPA NUGRAHA

Informasi Umum

Kode

25.04.1248

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Biometrics

Dilihat

138 kali

Informasi Lainnya

Abstraksi

Di era digital, data dan informasi yang bersifat umum maupun pribadi seperti perbankan, riwayat kesehatan dan informasi pribadi lainnya mulai digitalisasikan. Digitalisasi data dan informasi menawarkan berbagai kemudahan, seperti penyebarluasan informasi dengan waktu dan biaya yang relatif rendah, namun dibalik kemudahan yang ditawarkan, digitalisasi data juga menghadirkan resiko baru, seperti pencurian data dan tindak kejahatan, sehingga diperlukan sistem pengamanan yang kuat dan efisien dalam mengamankan data – data dan informasi tersebut. Keystroke biometric menjadi salah satu solusi dalam meningkatkan tingkat keamanan sistem, dimana keystroke menawarkan keamanan yang lebih efisien dan kuat dibandingkan pengaman tradisional seperti password, one time password (OTP) dan single sign on (SSO) karena hanya membutuhkan perangkat berupa keyboard dan penggunaanya yang tidak mengganggu. Namun, meskipun penelitian terkait dynamic keystroke sudah banyak dilakukan, sebagian besar penelitian - penelitian tersebut hanya mengandalkan satu jenis N-graph dalam mengidentifikasi identitas suatu individu. Oleh karena itu, penelitian ini mengevaluasi performa dynamic keystroke dengan menggunakan metode multimodal N-graph. penelitian dilakukan dengan dua skenario utama yaitu, feature fusion classification dan decision fusion classification. Berdasarkan penelitian yang dilakukan, penggunaan multimodal N-graph memiliki performa yang lebih tinggi dibandingkan penggunaan N-graph secara individu dalam melakukan klasfikasi, dengan pendekatan feature fusion classification yang lebih unggul dibandingkan decision fusion classification.