TUGAS PENGENALAN POLACONTOH APLIKASI UNTUK PENGENALAN POLA

SIDIK JARI

oleh :

ROSTINTYA DARMAYA PERTIWI

10120098 / kelas C

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS WIJAYA KUSUMA SURABAYA

2012-2013

LATAR BELAKANG

Teknik identifikasi konvensional untuk mengenali identitas seseorang dengan

menggunakan password atau kartu tidak cukup handal, karena sistem keamanan dapat ditembus

ketika password dan kartu tersebut digunakan oleh pengguna yang tidak berwenang. Sistem

autentifikasi data menggunakan pola sidik jari telah terbukti keakuratannya sebagai identifikasi

bila dibandingkan dengan sistem biometric lainnya seperti retina mata atau DNA. Dengan

berkembangnya ilmu biometrik, akhirnya berkembang pula suatu sistem keamanan akses yang

menggunakan karakteristik dari sidik jari sebagai password atau kunci untuk membuka akses

keamanan tersebut. Berdasarkan hasil riset dari internasional biometric group, bahwa 48%

industri biometrik lebih suka menggunakan aplikasi sidik jari untuk produk mereka daripada

menggunakan identifikasi biometrik lainya. Gambar dibawah ini memperlihatkan tahapan

pengolahan data sistem pengenalan pola sidik jari untuk sistem keamanan akses.

Contoh aplikasi sidik jari pada sistem absensi karyawan.

Sistem pengenalan identitas dengan sidik jari seperti yang dijelaskan pada gambar di atas

merupakan teknologi pengenalan pola yang banyak dipakai oleh industri biometrik pada saat ini.

Sistem tersebut masih mempunyai kelemahan, dimana user harus menempelkan jari pada bidang

sensor secara lurus, sehingga seringkali dijumpai user berulang kali mengalami kegagalan akses.

Untuk menangani permasalahan tersebut kita akan mencoba merancang suatu system pengenalan

pola yang lebih cerdas, yaitu sistem tersebut dapat mengenali pola sidik jari meskipun user

menempatkan posisi jarinya secara sembarang pada bidang sensor. Perkembangan algoritma

kecerdasan buatan (artificial inteligent) yang semakin handal akan dicoba untuk studi ini yaitu

dengan menggunakan algoritma feed forward backpropagation.

LANDASAN TEORI

1. PENGENALAN POLA

Pengenalan Pola dapat dikatakan sebagai kemampuan manusia mengenali obyek-

obyek berdasarkan ciri-ciri dan pengetahuan yang pernah diamatinya dari obyek-obyek

tersebut. Tujuannya adalah mengklasifikasi dan mendeskripsikan pola atau obyek

kompleks melalui pengetahuan sifat-sifat atau ciri-ciri obyek tersebut.

Pendekatan pengenalan pola ada tiga, yaitu secara sintaks, statistik, serta melalui

jaringan saraf tiruan. Pendekatan secara sintaks adalah pendekatan dengan menggunakan

aturan-aturan tertentu.

Pendekatan metode statistik adalah pendekatan dengan menggunakan data-data

yang berasal dari statistik. Pendekatan dengan pola jaringan syaraf tiruan pendekatan

dengan menggabungkan pendekatan sintaks dan statistik. Pendekatan melalui pola-pola ini

meniru cara kerja otak manusia, pada pola ini membuat rule-rule tertentu disertai dengan

menggunakan data statistik sebagai dasar untuk pengambilan keputusan.

Suau sistem pengenalan pola pada dasarnya terdiri atas tiga tahap, yaitu

penerimaan data, pengenalan data, dan pengenalan obyek atau pembuatan keputusan.

Adapun pengenalan utama dalam pengenalan pola adalah pendekatan geometrik dan

pendekatan struktural. Pendekatan struktural dilakukan dengan penentuan dasar yang

mendeskripsikan obyek yang akan dikenali.

Untuk pengenalan pola dengan pendekatan Jaringan Saraf Tiruan kita seolah-olah

membuat system yang kinerjanya sama dengan otak kita. Agar sistem tersebut bias menjadi

cerdas. Karena dengan melatih system terssebut maka akan menambah rule-rule serta data

statistic yang digunakan oleh system untuk mengambil keputusan.

2. PENGERTIAN SIDIK JARI

Sidik jari adalah pola-pola pada jari manusia. Pola-pola sidik jari manusia

dibentuk sejak usia empat bulan. Pola garis yang menonjol pada jari manusia berkembang

secara acak dan unik. Menjelang usia 8 bulan dan seterusnya pola sidik jari yang sudah

terbentuk tidak akan berubah sekalipun permukaan jari dibakar atau dipotong karena setiap

pola garis sudah tertanam sampai pada kulit bagian dalam.

Sidik jari dapat dijadikan sebagai system biometrik dimana sidik jari bersifat unik.

Berdasarkan klasifikasi pola sidik jari dapat dinyatakan secara umum kedalam tiga kategori

yaitu: arch, loop, dan whorl. Pada pola sidik jari dapat dilihat pada gambar berikut ini:

Gambar Pola Sidik Jari

Arches adalah pola garis alur sidik jari berbentuk suatu kurva terbuka yang

mencakup 5% dari populasi.

Loop adalah jenis paling umum yaitu kurva melingkar yaitu meliputi 60% sampai

dengan 65% dari populasi.

Whortl adalah berbentuk lingkaran penuh yang mencakup 30% sampai 35% dari

populasi.

Untuk setiap sidik jari manusia terdapat beberapa karakteristik sebagai berikut :

1. Ridge : garis yang menonjol pada permukaan jari.

2. Valley : daerah lembah di permukaan jari.

3. Minutiae : titik-titik perhentian (ending) atau titik-titik percabangan untuk setiap ridge

PEMBAHASAN

Secara umum pengenalan pola sidik jari terdiri dari 4 langkah, yaitu :

Tahapan pengenalan pola sidik jari

Tahap ke-1 (Image Acquisition) : adalah proses mendapatkan data image. Pengambilan

data dilakukan dengan metode ink rolled (tinta diteteskan pada permukaan stam pad

kemudian jari yang telah dikenai tinta dicapkan ke kertas dari ujung bawah kuku sampai

pangkal jari). Setelah itu kertas di scan menggunakan scanner canon. Karena pengambilan

image diambil secara langsung maka sering terjadi trial and error.

Tahap ke-2 (Image Preprocessing) : Pada tahap ini image diberi proses lain seperti

penghilangan noise/derau, penajaman image, pemotongan image, dll. Program yang

dipergunakan untuk memfilter image yaitu Program Adobe Photoshop dan Microsoft

Office Picture Manager. Keluaran dari tahap ini adalah image tersegmentasi yang akan

digunakan untuk proses selanjutnya dalam penelitian. Image tersegmentasi adalah image

yang sudah dipisahkan dari image awal.

Tahap ke-3 (Feature Extraction) : Di tahap ini, image akan diekstrak untuk mendapatkan

nilai-nilai yang merepresentasikan ciri spesifik dari image tersebut. Image dari tahap ke-2

akan diperkecil ukuran pixelnya karena jumlah datanya yang terlalu besar untuk dijadikan

input, sehingga image diperkecil menjadi 8x8 pixel. Image ini dipilih karena masih dapat

mewakili ciri citra asli, sesuai dengan rumus level maksimum dekomposisi yang dibatasi

oleh persamaan yang berkorelasi. Image ini akan diubah menjadi citra biner yang disimpan

dalam matriks dengan nilai 0 (hitam) dan 1 (putih). Proses perubahan citra menggunakan

MATLAB ver.7.1. dengan menggunakan perintah :

Imdat =imread('sampel1(input).jpg');

imgray=rgb2gray(imdat);

imbw =im2bw(imgray)

Data yang dihasilkan (imbw) disimpan dalam file .dat

Tahap ke-4 (Image Recognition) : Di tahap

ini, vektor ciri imageakan diklasifikasikan.

Keluaran dari tahap ini adalah klasifikasi

image, yang kemudian dapat secara langsung

untuk mengenali suatu image. Metode yang

digunakan adalah propagasi umpan balik

berbasis jaringan syaraf tiruan. Diagram alir

(flowchart) pengenalan pola sidik jari dengan

propagasi umpan balik berbasis jaringan

syaraf tiruan dapat dijelaskan pada gambar

disamping:

Hasil :

Analisa :

Nilai dari FFT (Fast Fourier Transform) sangat mempengaruhi hasil ekstraksi pada citra

sidik jari. Dengan nilai FFT yang berbeda pada citra yang sama akan menghasilkan hasil

ekstraksi yang berbeda.

Perbedaan nilai FFT akan mempengaruhi tingkat keakuratan dalam mencocokkan data

hasil pembacaan sidik jari.

Semakin besar perbedaan nilai FFT pada citra sidik jari yang sama akan menurunkan

tingkat kecocokan pada pengenalan sidik jari.

Tingkat kecocokan pada citra yang sama dengan nilai FFT yang sama mencapai 100%

KESIMPULAN

Metode FFT (Fast Fourier Transform) dapat digunakan untuk pengenalan untuk sidik jari.

Penggunaan metode FFT pada pengenalan sidik jari sangan bergantung pada nilai FFT

yang ditetapkan