Sidik jari merupakan salah satu karakteristik biometrik yang bersifat unik
dan permanen sehingga banyak digunakan dalam sistem pengenalan individu.
Dalam sistem pengenalan sidik jari berbasis pembelajaran mesin, tahap pra
pemrosesan citra memiliki peran penting, khususnya proses resize citra yang
bertujuan menyeragamkan ukuran data dan memengaruhi karakteristik fitur yang
dihasilkan. Variasi tingkat resize citra berpotensi menimbulkan perbedaan
representasi fitur, yang pada akhirnya dapat memengaruhi akurasi klasifikasi,
terutama pada algoritma Support Vector Machine (SVM). Oleh karena itu,
diperlukan kajian eksperimental untuk menganalisis pengaruh variasi tingkat resize
terhadap performa pengenalan sidik jari.
Penelitian ini merupakan penelitian eksperimental dengan pendekatan
kuantitatif. Pendekatan kuantitatif digunakan untuk memperoleh data numerik yang
terukur berupa nilai accuracy, precision, recall, dan F1-score dari hasil pengujian
model. Metode eksperimental diterapkan dengan memberikan perlakuan berupa
variasi tingkat resize citra sidik jari, kemudian mengamati pengaruhnya terhadap
performa klasifikasi SVM dalam kondisi yang terkontrol. Adapun proses
prapemrosesan lain yang digunakan seperti grayscaling, tresholding, dan thinning.
Nilai accuracy pengujian berada pada rentang 0 hingga 0,25. Performa
terbaik diperoleh pada resolusi 256x256 piksel dengan accuracy 0,25, sedangkan
resolusi 64x64 piksel menghasilkan accuracy 0. Ukuran citra yang terlalu kecil
menyebabkan hilangnya detail tekstur penting, sementara resolusi yang terlalu
besar meningkatkan kompleksitas fitur tanpa dukungan jumlah sampel yang
memadai. Perbedaan performa antara data latih dan data uji juga menunjukkan
adanya overfitting akibat keterbatasan data dan variasi dalam setiap kelas. Temuan
ini menegaskan bahwa tingkat resize memengaruhi performa klasifikasi SVM,
namun peningkatan resolusi tidak secara otomatis meningkatkan akurasi.