individu merupakan aspek penting dalam berbagai bidang, seperti
keamanan digital dan forensik. Salah satu metode biometrik yang mulai dikembangkan adalah
identifikasi menggunakan sidik bibir, karena memiliki pola yang unik dan bersifat permanen.
Namun, belum banyak sistem yang mampu mengolah citra sidik bibir secara efektif untuk
menghasilkan identifikasi yang akurat. Masalah utama dalam penelitian ini adalah bagaimana
merancang sistem identifikasi individu berbasis sidik bibir yang mampu mendeteksi secara
tepat dan efisien melalui pengolahan citra digital.
Penelitian ini menawarkan solusi berupa penerapan metode Convolutional Neural
Networks (CNN) dalam pengolahan citra digital sidik bibir. Proses yang dilakukan meliputi
tahapan preprocessing citra, ekstraksi fitur menggunakan CNN, serta klasifikasi pola sidik bibir
berdasarkan model pembelajaran yang telah dilatih. Sistem ini dirancang untuk mengenali
fitur-fitur khas dari sidik bibir guna mencocokkannya dengan data yang telah tersimpan dalam
basis data.
Hasil pengujian menunjukkan bahwa sistem yang dikembangkan berhasil mencapai
akurasi identifikasi sebesar 100% dengan tingkat presisi 100%. Hal ini membuktikan bahwa
pengolahan citra digital berbasis CNN mampu menjadi alternatif teknologi identifikasi yang
efektif dan memiliki potensi untuk dikembangkan lebih lanjut dalam skala yang lebih luas.