SISTEM IDENTIFIKASI BIOMETRIK RUAS JARI TANGAN MANUSIAMENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DANLEARNING VECTOR QUANTIZATION (LVQ) Adam Rachmat, Tjokorda Agung Budi Wirayuda, Mahmud Dwi Suliiyo Teknik Informatika, Fakultas Teknik Informatika, Universitas TelkomAbstrakPerkembangan teknologi informasi selalu sejalan dengan meningkatnya keamanan untukmelindungi data dan infrastruktur IT yang ada di dalamnya. Salah satu keamanan ini adalahdibutuhkannya kunci yang handal untuk mendeteksi kepemilikan yang sah dari akses sebuahteknologi informasi. Kunci tersebut dapat berupa kata sandi, PIN (Personal Indentifier Number),ataupun ciri-ciri fisik yang unik dari personal tertentu yang dapat dibedakan dari personallainnya.Kata sandi dan juga PIN merupakan metode keamanan paling dasar yang sudah lama sekalidigunakan. Sering kali metode ini bisa dimanipulasi dan terdapat celah tindak kriminal. Olehkarena itu saat ini sudah banyak digunakan kunci berupa biometrik anggota tubuh manusia.Anggota tubuh manusia yang sering digunakan adalah sidik jari, pola retina, dan garis telapaktangan.Dalam tugas akhir ini digunakan ruas jari tangan sebagai objek penelitian karena objekpengukuran semakin luas. Metode ekstrasi cirinya menggunakan Principal Componet Analysis(PCA) dan klasifikasi cirinya menggunakan Learning Vector Quantization (LVQ). Adapunparameter terbaik PCA dan LVQ dalam tugas akhir ini, yaitu : 95 PC, 500 Epoch, Learning Rate0.0075, 60 hidden layer.Kata Kunci : keamanan, biometrik, ruas jari tangan, PCA, LVQAbstractDevelopment of information technology is always in line with the increasing security to protectdata and IT infrastructure that is in it. One of these is the need for the security of a reliable key todetect the unauthorized possession of an access to information technology. It could be the keypassword, PIN (Personal Indentifier Number), or physical characteristics that are unique to aparticular personal can be distinguished from the other personal.Password and PIN is the most basic security methods that have been used for a long time. Oftenthis method can be manipulated and there are gaps crime. Therefore, it is now widely used formof biometric key member of the human body. Members of the human body is often usedfingerprints, retinal patterns, and hand lines.In this thesis used the finger knuckles of the hand as the research object because the object ofmore extensive measurements. Characteristic extraction method using Principal ComponentAnalysis (PCA) and character classification using Learning Vector Quantization (LVQ). The bestparameters of PCA and LVQ are 95 PCs, 500 epochs, 0.0075 learning rate, 60 hidden layers.Keywords : security, biometrics, finger knuckles,PCA , LVQPowered by TCPDF (www.tcpdf.org)Tugas Akhir - 2013Fakultas Teknik Informatika Program Studi S1 Teknik Informatika BAB I PENDAHULUAN 1.1LatarBelakang Kemajuanteknologididuniasemakinbegitupesatdalamberbagaibidang,tapi teknologiinformasimerupakansalahsatubidangyangberkembangdengandiminatioleh banyak orang, sehingga teknologi informasi kini menjadi kajian menarik bagi oleh berbagai pihak.Salahsatuteknologiyangtelahdikembangkanadalahkemampuankomputeryang semakin canggih sehingga dapat menjaga keamanan dan kerahasiaan sebuah informasi agar hanya dapat diketahui oleh pihak yang berkepentingan. Manusiamemilikicirikhasyangbisadibedakanmanusiasatudenganmanusia lainnya, mekanisme seperti ini dinamakan identifikasi biometrik[5].Biometrik yang berbasis padabentukfisiologidankarakteristikalamiyangterdapatpadasetiapmanusiadapat dijadikansebagaisalahsatusolusiuntukmenjagakeamanandankerahasiaansebuah informasi yang telah teruji validitasnya. Keunikan yang dimiliki pada biometric telah banyak dikembangkan untuk aplikasi pengidentifikasian diriseseorang. Aplikasi biometrik yang telah banyakdikembangkandandigunakanuntuksistemidentifikasi,antaralainmenggunakan sidikjari, wajah,iris, retina, telapak tangan, suara, telinga, danlain-lain.Keunggulan dari biometrikialahkompleksitasyangtinggisehinggajikadatabiometricdijadikansebagai input, maka kecil kemungkinan terjadi kesalahanataupemalsuan. Identifikasi biometrik yang sering digunakan adalah berupa sidik jari[5]. Identifikasi sidik jari saat ini merupakan metode yang paling lazim digunakan untuk mengenali seseorang. Sistem ini sudah banyak digunakan untuk daftar kehadiran di kantor, pegawai negeri, dan kasus pelacakan orang yang dilakukan olehpolisi.Sidikjarimenggunakanparameterlingkarangarisyangterbentukpadajari sebagai pengukuran. Sidikjariyangtelahbanyakdigunakanternyatamasihmemilikikekurangan diantaranya adalah aspek yang menjadi pengukuran terlalu kecil karena luas permukaan yang diukur hanya bagian permukaan jari saja, sehingga jika terjadi gangguan seperti luka gores padajariataukotorkarenadebuakanmengurangiperformansidaripengukuran[6].Oleh karenaitudiantaraberbagaikarakteristikmanusiadalambiometrik,metodeidentifikasi melaluipolayangterdapatpadaruasjarimemangbelumbanyakdikembangkan.Namun, bukanberartimetodeinitidakdapatdigunakanuntukpengidentifikasian,karenaruasjari pada tiap manusia memiliki keunikan dan karakteristik yang berbeda-beda. Melihatpermasalahandiatas,makadalampenelitianinisayaakanmengkajiteknik identifikasi/pengenalan individu manusia menggunakan ruas jarinya[1][2]. Ketika kita amati, sebenarnya ruas jari manusia memiliki ciri khas tersendiri yang membuat seorang manusia bisa dibedakan dengan manusia lainnya[1]. Oleh karena itu geometri dan bentuk ruas jari bisa kitajadikan parameter identifikasibiometrikseperti sidikjarimanusia. Sistemidentifikasi geometriruasjariyangakandibuatmenggunakanmetodePrincipalComponentAnalysis (PCA)sebagaiekstraksinya[13]danLearningVectorQuantization(LVQ)untukklasifikasi polanya[10]. AlgoritmaPrincipalComponentAnalysisdigunakan untuk ekstraksi ciri ruas jari berupa parameter yang akan ditetapkan. Algoritma ini memang telah banyak digunakan Tugas Akhir - 2013Fakultas Teknik Informatika Program Studi S1 Teknik Informatika untuk memproses sebuah gambar dan mengekstraknya menjadi sebuah gelombang yang bisa kita ukur dan analisis. Penelitian mengenai pengenalan manusia melalui pola ruas jari ini sebelumnya sudah pernah dilakukan oleh Ajay Kumar dan Ch. Ravinkanth pada jurnalnya,dengan menggunakan metode ekstraksi ciri kombinasi PCA, LDA dan ICA serta menggunakan euclidean distance dan bahasa pemograman C++dengan menggunakan empat jari yang dengan citra data latih dari105individuakurasinyamencapairata-ratalebihdari90%[1].Berdasarkanreferensi penelitian tersebut, penulismencobamengangkat topic Sistem IdentifikasiBiometrik Ruas JariTanganManusiaMenggunakanMetodePrincipalComponentAnalysis(PCA)dan Learning Vector Quantization (LVQ). 1.2PerumusanMasalah Masalah-masalah yang dirumuskan berkaitan dengan penelitian Tugas Akhir ini adalah : 1.Apakah sistem bias mengenali pola geometri ruas jari tangan manusia? 2.BagaimanakahkerjaalgoritmaPrincipalComponentAnalysis(PCA)danLearning Vector Quantization (LVQ)dalam sistem identifikasi ruas jari tangan manusia? 3.Bagaimana tingkat performansi dan akurasi yang dihasilkan sistem ini? 4.Apakah sistem ini bias mengenali manusia berdasarkan ciri khasnya dengan baik? BatasanMasalah 1.Format citraa dalah *.jpg dengan yang diambil citranya menggunakan kamera digital 2.Masukan sistem adalah citra tangan kiri dilihat dari atas yang terdiri dari jari telunjuk, tengah dan manis akan tetapi yang akan diambil hanya citra jari tengah saja setelah prosespreprocessingdenganwarnalatarbelakangnyaadalahhitam.J aritengah dipilih karena memiliki karakteristik ruas jari yang bagus untuk diolah dalam tugas akhir ini dari referensi yang penulis baca dan untuk 1 ruas jari yang digunakan sudah mewakili penggunanaan data tugas akhir ini mengenali ruas jari tangan manusia.3.Banyak citra data latih terdiri dari 30 orang/individu dengan setiap individu memiliki 10 citra ruas jari, sehingga total citra data latih sebanyak 300 citra, 4.Untuk proses ekstrasi ciri menggunakan Principal Component Analysis (PCA). 5.Proses indentifikasi/klasifikasi menggunakan Learning Vector Quantization (LVQ). 1.3Tujuan Tujuan dari penelitian pada Tugas Akhir ini adalah : 1.Merancangsimulasisistemyangberfungsimengidentifikasiseseorangberdasarkan pola ruas jari melalui pengolahan citra dengan metode PrincipalComponentAnalysis (PCA) dan Learning Vector Quantization (LVQ). 2.Menganalisis uji performan sisistem untuk mengidentifikasi manusia dengan ruas jari manusia. Tugas Akhir - 2013Fakultas Teknik Informatika Program Studi S1 Teknik Informatika 1.4Hipotesa Ketikakitaamati,sebenarnyaruasjarimanusiamemilikicirikhastersendiriyang membuatseorangmanusiabisadibedakandenganmanusialainnya.Olehkarenaitu geometri dan bentuk ruas jari bisa kita jadikan parameter identifikasi biometrik seperti sidik jari manusia. Sehingga hipotesa saya dalam tugas akhir ini adalah perpaduan antara metode PrincipalComponentAnalysis (PCA) dan LearningVectorQuantization(LVQ) kedalamsistemidentifikasibiometrikmanusiaberdasarkanruasjaritangandapat membedakan pemilik ruas jari seseorang dengan orang lain memiliki tingkat akurasi lebih dari 80% dan menghasilkan keluaran/hasil yang baik. 1.5 Metodelogi penyelesaian masalah Metode Penyelesaian masalah dalam Tugas Akhir ini adalah : 1.Studi Literatur Mempelajaridasarteorimengenaibiometrik,pengolahancitradigital,dan menganalisis penggunaan metode PCA sebagai ekstraksi ciri, serta LearningVector Quantization (LVQ) untuk proses identifkasi/pengenalan. 2.Pengumpulan Data Bertujuanuntukmendapatkansampeldaricitrajariyangakandigunakansebagai masukansistem,untukmelatihdanmengujisuatuproses.Pengumpulandata diperolehdarihasilpengambilangambarmenggunakankameradigital.Melakukan cropping secara manual pada citra untuk mendapat ruas jari tangannya saja. Jumlah data latih sebanyak 300 citra. 3.Perancangan Sistem Menggunakan konsep desain dan perancangan dan proses sistem4.Implementasi Program MenggunakandenganmetodePrincipalComponentAnalysis(PCA)danLearning VectorQuantization(LVQ)karenadinilaihandaldalampermasalahanini,yaitu dengan melakukan codingmenggunakan tools MATLAB R2009a untuk membangun sistem ini. 5.Pengujian dan Analisis Melakukanpengujianterhadapsistemyangtelahdibangundengandatatesting. Selanjutnyahasilpengujianakandianalisissesuaidenganparameter-parameter pengujian yang telah ditetapkan sebelumnya. 6.Penyusunan Laporan Mendokumentasikan dan melaporkan hasil pengerjaan Tugas Akhir sesuai kaidah dan sistematika penulisan yang telah ditetapkan oleh Fakultas Informatika IT Telkom. Tugas Akhir - 2013Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Gambar 1-1 : Gambaran Umum Sistem Tugas Akhir Penjelasan : 1.CollectingData.Pengambilandanpengumpulancitraruasjaritanganmanusia menggunakan kamera digital yang akan digunakan dalam Tugas Akhir ini. 2.ProsesTraining.Merupakanprosespelatihandatacitrayangakandigunakan dalam Tugas Akhir ini yang nanti output dari proses ini akan digunakan sebagai acuan untukproses testing. Dalam proses training dibagi menjadi 5 bagian, yaitu :a.DataLatih,merupakankumpulandatacitrayangdipersiapkandigunakan untuk sebagai bahan latih dalam Tugas Akhir ini sebanyak 300 citra ruas jari tangan yang didapat dari 30 orang. b.Prepocessing.Citraakandiprosesterlebihdahulusebelumdiekstraksicirri olehPCA,agarketikadiekstraksicirriolehPCAakanlebihmudah. PrepocessingCitrayangdilakukandiantaranyaadalahcropping,filter, deteksi tepi, dan dilasi. c.Ekstraksi ciri. Citra akan diektraksi cirri oleh PCA dengan mengambil ciri-ciri penting dari data dimensi citra tinggi direduksi menjadi data berdimensi yang lebihrendah.Prosesiniakanmemudahkancitrauntukditraining/latih dengan JST LVQ. d.Learning. Dalam proses ini citra yang telah di ekstraksi ciri oleh PCA akan di latih oleh JST LVQ. e.DataClassifier.Merupakandataoutputdariprosestrainingyangnantinya akan digunakan sebagai acuan proses klasifikasi J ST LVQ ketika ada data uji yang diinputkan. 3.ProsesTesting.Merupakanprosespengujiandatacitrayangakandigunakan dalam Tugas Akhir ini. Dalam proses testing dibagi menjadi 4 bagian, yaitu :Tugas Akhir - 2013Fakultas Teknik Informatika Program Studi S1 Teknik Informatika a.Data Uji, merupakankumpulan data citra yang dipersiapkan digunakan untuk sebagai bahan uji dalamTugasAkhir ini. b.Prepocessing. Citra akan diproses terlebih dahulu sebelum diekstraksi ciri oleh PCA, agar ketika diekstraksi ciri oleh PCA akan lebih mudah. Prepocessing Citrayangdilakukandiantaranyaadalahcropping,filter,deteksitepi,dan dilasi. c.Ekstraksi ciri. Citra akan diektraksi cirri oleh PCA dengan mengambil ciri-ciri penting dari data dimensi citra tinggi direduksi menjadi data berdimensi yang lebih rendah. Proses ini akan memudahkan citra untuk di testing/uji dengan JST LVQ. d.Klasifikasi. Dalam proses ini citra yang telah di ekstraksi ciri oleh PCA akan di klasifikasi oleh JST LVQ denganmencocokkanmencari kemiripan data citra uji dengan data classifieryangmerupakanoutput dari proses training sebelumnya. 4.Hasilpengenalancitra.Padatahapaniniadalahmerupakanoutputyang diinginkan dalam Tugas Akhir yaitu system akan mengenali citra yang diinputkan itu adalah ruas jari tangan manusia milik siapa. Powered by TCPDF (www.tcpdf.org)Tugas Akhir - 2013Fakultas Teknik Informatika Program Studi S1 Teknik Informatika BAB V PENUTUP 5.1Kesimpulan Berdasarkan hasil pengerjaan tugas akhir saya maka dapat disimpulkan seperti ini :1.Pemilihan jumlah Principal Component (PC) mempengaruhi seberapa besar variansi / ciri ataupunnilaieigenyangdibawaolehsebuahcitra.PadaJSTLVQ,semakinbanyak jumlah PC yang digunakan maka relatif akan meningkatkan nilai akurasi, namun untuk jumlah PC yang terlalu banyak pada data tertentu, akan menyebabkan penurunan akurasi karena sudah membawa ciri yang tidak penting untuk dikenali . 2.Dalam JST LVQ, Apabila pencapaian akurasi paling maksimum sudah didapatkan pada jumlahhiddenneuronterkecil,makapenambahanjumlahhiddenneurontidakakan mempengaruhi penambahan tingkat akurasi. 3.Ukuranlearningrateyangterlalubesar(0.1)danterlalukecil(0.0001)tidakcocok digunakandalampelatihanpadajaringanLVQdenganepochterbatas,dikarenakan ukuran learningrateyang terlalu besar akan merubah bobot secara signifikan, sehingga akan sulitmendapatkan akurasiyang diharapkan, sedangkan learningrateyang terlalu kecilakanmembuatjaringanLVQsangatlamamelakukanpelatihanuntukmenuju akurasi yang diharapkan. 4.DarihasilanalisisdanimplementasigabunganPCAdanJSTLVQ,sistembiometeris pengenalanruasjaritanganmanusiadapatmencapaiperformansiyangoptimal,yaitu dengantingkatakurasi98%untukdatalatihdan98%untukdataujidengan menggunakan 95 PC.5.Darihasilpengujian,waktuyangdiperlukanolehsistemuntukidentifikasimanusia berdasarkan ciri ruas jari tangannya sebesar 0.131241detik. 5.2Saran 1.DalammelakukanekstraksiciridiperlukanmetodeyanglebihbaikdaripadaPCA, sehingga pada saat pelatihan, akurasi data yang dihasilkan mampu mencapai 100%. 2.Adakan update database untuk mengantisipasi terjadinya perubahan pola pada ruas jari. 3.Pada proses pengujian, citra jari tangan diberi kondisi yang lebih bervariatif, seperti jari tangan yang terluka atau basah. 4.Untuk penelitian lebih lanjut dapat digunakan dan metode pengenalan pola lainnya seperti JST Backpropagation dan Support Vector Machine (SVM) sebagai pembanding dengan metode yang telah digunakan sebelumnya. Powered by TCPDF (www.tcpdf.org)Tugas Akhir - 2013Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Daftar Pustaka [1]A.Kumar,Ch.Ravikanth.Maret2009.PersonalAuthenticationusingfinger KnuckleSurface. IEEE Transactions on Information Forensics and Security, vol.4, no.1, pp.98-110 [2]Lin Zhang, Lei Zhang, David Zhang, Hailong Zhu. 2010. OnlineFinger-Knuckle-PrintVerificationforPersonalAuthentication.PatternRecognition43(7):2560-2571 [3]S.Ribaric,I.Fratric.September2005."AnOnlineBiometricAuthenticationSystem Based on Eigenfingers and Finger-Geometry", Proc. 13th European Signal Processing Conference, Antalya, Turkey [4]Santosa,Budi.2007.DataMiningTerapanDenganMatlab.Yogyakarta,Graha Ilmu [5]Sarwoko,EkoAdi.MekanismeSistemIdentifikasiBiometrik http://eprints.undip.ac.id/9273/1/MEKANISME_SISTEM_IDENTIFIKASI_BIOMETRIK.pdf (27 OKTOBER 2011) [6]Nugroho,KantiMaulia.2010.IdentifikasiTelapakTangandenganMenggunakan Independent Component Analysis (ICA) dan Support Vector Machine (SVM) [7]Putra, Darma. 2008. Sistem Biometrika. Yogyakarta, ANDI [8]Smith, Lindsay I. February 2002. A tutorial on Principal Components Analysis. [9]Dwi, Rosmawati. 2009. DesaindanSimulasiSistemIdentifikasiManusiaDengan AnalisisCiriFisisCitraPalmprintBerbasisImageProcessingdanK-Nearest Neighbor, Institut Teknologi Telkom, Bandung [10]Syawaluddin,MochammadTaufik.2010.PengenalanPlatNomorOtomatis MenggunakanPrincipalComponentAnalysis(PCA)danLearningVector Quantization (LVQ), Institut Teknologi Telkom, Bandung [11]AnilK.Jain,PatrickFlynn,ArunA.Ross.2008.HandbookofBiometric.USA. Springer. [12]Saragih,RikoArlando.Maret2007.PengenalanWajahMenggunakanMetode Fisherface, Jurnal Teknik Elektro Vol. 7, No. 1 : 50 62 [13]Kausari,Mulki.2008.KomputerisasiIridologiuntukMendeteksiKondisiGinjal MenggunakanPrincipalKomponenAnalysis(PCA)danK-NearestNeighbors (KNN), Sekolah Tinggi Teknologi Telkom, Bandung [14]Wijaya,MarvinChdanAgusPrijono.2007.PengolahanCitraDigital Menggunakan Matlab Image Processing Toolbox. Bandung, Informatika [15]Ramadhoni, Nugroho. 2008. Klasifikasi Golongan Darah Menggunakan Pengolahan CitraDigitaldanJaringanSyarafTiruanLearningVectorQuantization.Bandung : IT Telkom [16]Nandakumar,Karthik.2008.MultibiometricSystems:FusionStrategiesand Template Security. Michigan,USA : Michigan State University [17]Hadi,Setiawan.2004.PengembanganModelGeneratifPengenalanWajahpada Latar Belakang, Pose dan Iluminasi yang Bervariasi. Bandung. ITB Tugas Akhir - 2013Fakultas Teknik Informatika Program Studi S1 Teknik Informatika [18]Afriani, Metalisa. 2011.SistemIdentifikasiManusiadenganAnalsisCiriFisisCitra Ruas Jari Berbasis Pengolahan Citra Digital, Bandung, IT Telkom. Powered by TCPDF (www.tcpdf.org)Tugas Akhir - 2013Fakultas Teknik Informatika Program Studi S1 Teknik Informatika