6BAB II LANDASAN TEORI 2.1Sistem biometrik Sistem biometrik pada dasarnya merupakan sistem pengenalan pola yang mengenaliseseorangdenganmenentukankeaslianfisiologiskhususatau karakteristik yang dimiliki oleh orang. Persoalan utama dalam membuatsistem biometrik yang praktis ialah bagaimana menentukan seseorang untuk dikenali. Bergantungpadaaplikasiyangdigunakan,sistembiometrikmungkindapat disebut sebagai Sistem verifikasi atau sistem identifikasi : 1.Sistem Verifikasi : membuktikan identitas seseorang dengan membandingkan karakteristikbiometrikyangditangkapdengantemplatebiometrikyang dimilikisebelumdisimpankedalamsistem.Itudiatursatupersatu dibandingkan untuk menentukan apakah menyatakan identitas seseorang itu benar.Salahsatusistemverifikasimenerimaataumenolakdisampaikan menuntut identitas. 2.Sistem Identifikasi : pengenalan seseorang dengan mencari seluruhtemplate databaseuntukdicocokan.Itudiatursatuhinggabanyakperbandingan menentukanidentitasdariseseorang.Dalamsistemidentifikasi,sistem menentukan identitas subjek (atau rusak jika subjek tidak terdaftar kedalam sistem database) tanpa subjek mempunyai hak identitas. Istilahautentifikasijugaseringkalidigunakandalambidangbiometrik, terkadang seperti sinonim dari verifikasi. Kenyataannya dalam bahasa teknologi informasi,autentifikasiusermembiarkansistemmengetahuitanpa menghiraukan identitas user dari cara (verifikasi atau identifikasi). 2.2Sistem identifikasi sidik jari Dibawah ini merupakan blok diagram dari sistem verifikasi dan sebuah sistemidentifikasiyangtergambardalamgambar2.1Pendaftaranuser,yang umumuntukkeduatugasjugadigambarkandenganjelas.Modulpendaftaran bertanggungjawabuntukregistrasiindividudalamsistembiometrikdatabase 7(sistemDB).Selamafasependaftaran,karakteristikbiometrikdarisetiap individu di scan pertama kali dengan pembaca biometrik untuk menghasilkan gambarandigitalkasardarikarakteristik.Suatucekkualitassecaraumum dilakukanuntukmemastikanbahwacontohyangdiperolehdapatdipercaya prosesnya dengan tahapan berturut-turut. Di dalam urutan fasilitas pencocokan, gambaran digital kasar biasanya diproses lebih jauh dengan ektraktor fitur untuk menghasilkankepadatantetapipenggambarannyasangatmahal,disebut template.Bergantungpadaaplikasi,templatedapatdisimpankedalampusat database dari sistem biometrik atau direkam pada katu magnetik atau smartcard untuk diberikan individu.Tugasverificationbertanggungjawabuntukmemeriksaindividupada titik akses. Selama fasa operasi, sebuah nama atau PIN (Personal Identification Number)dimasukkanmelaluikeyboard(ataukeypad).Pembacabiometrik menangkapkarakteristikdariindividuuntukdikenalidandirubahkedalam format digital, lebih lanjut diproses dengan ekstraktor fitur untuk menghasilkan gambarandigitalyangpadat.Gambaranyangdihasilkanialahmemberikan pencocokan fitur, yang mana perbandingan ini berlawanan dengan template dari penggunatunggal(didapatkankembalidarisistemDBberdasarkanpada pengguna PIN).TugasidentificationtidakdiberikanPINdansistemmembandingan gambarandarimasukanbiometrikberlawanandengantemplatedarisemua pengguna dalam sistem database. Keluarannya salah satu identitas dari sebuah pendaftaranpenggunaatausinyalpesansepertipenggunatidakdikenal. Kerena identifikasi dalam database yang besar adalah perhitungan yang mahal, index,danklasifikasi.Teknikseringkalidisebarhinggabatasangkadari template harus bertemu berlawanan dengan masukan. 8 Gambar 2.1 Blok diagram dari tugas pendaftaran, verifikasi, dan identifikasi Gambar 2.2 Diagram proses secara umum dalam identifikasi sidik jari Bergantung pada daerah aplikasi, sistem biometrik dapat dijalankan salah satunya seperti sebuah sistem on-line atau sebuah sistem off-line. Sebuah sistem On-linemembutuhkanpengenalanuntukdilakukandengancepatdanrespon dengansegeraditentukan(contoh:aplikasilogonjaringankomputer). Sebaliknya,SistemOff-linebiasanyatidakmembutuhkanpengenalanuntuk dilakukandengansegeradansecararelatifpenundaanresponyanglama diijinkan. Ciri khas, sistem On-line ialah sepenuhnya otomatis dan memerlukan karakteristik biometrik untuk ditangkap menggunakan scanner live-scan, proses 9pendaftarantidakdiawasi,kontrolkualitassecaramanual,pencocokandan keputusanmenjadisepenuhnyaotomatis.SistemOff-linebagaimanapunciri khasnyasemiotomatis,dimanaperolehanbiometrikdapatmelaluisebuah scanner off-line (contoh: scanning sebuah gambar sidik jari dari sesuatu yang tersembunyi atau tinta kartu sidk jari),pendaftaranmungkindiawasi(contoh: ketika penjahat dibukukan, forensik atau petugas polisi boleh memandu proses perolehan sidik jari), pengecekan kualitas secara manual mungkin dilaksanakan untukmemastikanperolehankualitasyangbagus,danpencocokanmungkin kembali ke daftar calon yang diuji secara manual oleh ahli forensik sampai akhir keputusan. Sebuahaplikasidapatdijalankansalahsatunyadalamsebuahmode pengenalan positif atau negatif : 1.Dalam sebuah aplikasi pengenalan positif, sistem menentukan apakah orang itu menyatakan implisit atau explisit . Maksud dari pengenalan positif ialah untuk mencegah kelipatan orang dari penggunaan identitas yang sama.2.Dalam sebuah aplikasi pengenalan negatif, sistem menentukan apakah orang itu menyangkal implisit atau explisit. Maksud dari pengenalan negatif ialah untukmencegahsatuorangdaripenggunaanbanyakidentitas.Catatan bahwa meskipun metode tradisional dari autentifikasi user seperti password, PIN, kunci, dan tanda mungkin bekerja untuk pengenalan positif, pengenalan negatifhanyadapatmembuatterusanbiometrik.Selanjutnya,aplikasi pengenalan positif dapat menjalankan keduanya dalam mode verifikasi atau identifikasi,tetapiaplikasipengenalannegatiftidakdapatbekerjadalam modeverifikasi.Kenyataannya,sistemharusmencariseluruharsipuntuk membuktikan bahwa masukan yang diberikan ialah tidak saat sekarang. 2.3Perbandingan jenis biometrik Dalamsistembiometrikyangpraktis,adasejumlahterbitanlainyang harus dianggap termasuk ialah : 1.Performance,yangmengenaiuntukmenjangkauketepatanpengenalan, kecepatan,ketahanan,sumberkeperluanuntukmencapaikeinginan ketepatanpengenalandankecepatan,sebaikberoperasiataufaktoryang 10berhubungandenganlingkunganbahwamempengaruhiketepatan pengenalan dan kecepatan. 2.Acceptability,yangmenunjukkantingkatyangorangmaumenerima identifikasi partikular biometrik dalam tempat tinggal mereka sehari-hari. 3.Circumvention, yang menggambarkan betapa mudah ke sistem yang bodoh dengan metode tipuan. J umlah dari identifikasi biometrik digunakan diberbagai aplikasi, setiap biometrik mempunyai kelebihan dan kelemahan dan ksusus dipilih bergantung padaaplikasi.Biometriktunggaltidakdiharapkansecaraefektifmemenuhi syaratdarisemuaaplikasi.Pencocokanantarabiomerikdansebuahaplikasi ditentukanbergantungataskarakteristikdariaplikasidanpropertidari biometrik. Gambar 2.3 Beberapa dari biomerik menunjukkan: a)telinga, b)wajah, c)thermogram wajah, d)thermogram tangan, e)urat tangan, f)geometri tangan, g)sidik jari, h)iris, i)retina, j)tanda tangan, dan k)suara. 11Daribeberapabiometrikyangada,makadibawahinimerupakangambaran mengenaitingkatanteknologiyangdiusungnyadapatterlihatjelas perbedaannya. Biometric Identifier Universality Distinctiveness Permanence Collectability Performance Acceptability Circumvention DNAHHHLHLL EarMMHMMHM FaceHLMHLHH Facial thermogramHHLHMHL FingerprintMHHMHMM GaitMLLHLHM Hand geometryMMMHMMM Hand veinMMMMMML IrisHHHMHLL KeystrokeLLLMLMM OdorHHHLLML RetinaHHMLHLL SignatureLLLHLHH VoiceMLLMLHH Gambar 2.4 Perbandingan dari teknologi biometrik (H=high, M=medium, L=low) Gambar 2.5 Laporan pasaran biometrik 2.4Struktur biometrik sidik jariUntukmengidentifikasisidikjariseseorangyangharusditemukanadalah karakteristik yang ada pada sidik jari tersebut, karakteristik ini dapat ditemukan 12jikastrukturnyadapatkitapahami.Terdapatduakarakteristikpadasidikjari yakni : 2.4.1Ridges Ridgesadalahgaris-garisyangmenonjolyangadapadapermukaan tanganbagiandalamataudisebutdengandaerahgelap.Garis-garisyang menonjolinidisebutjugafrictionridgeskarenakegunaannyamemanguntuk memberikan friksi pada saat seseorang memegang sesuatu. Ridges pada jari-jari tanganinilahyangdigunakanuntukmengidentifikasiseseorang,karena membentuk pola tertentu yang tidak sama pada setiap orang. Ada tiga macam pola dasar ridges yaitu : Loop, Arch, dan Whorl (terlihat pada gambar 2.6) dan dari tiga pola dasar ini dapat dibagi menjadi enam kelas menurut Henry yaitu : Whorl, Plain Arch, Right Loop, Left Loop, Central Pocket, Tented Arch, Twin Loop, dan Accidental (terlihat pada gambar 2.7). Gambar 2.6 Pola sidik jari Gambar 2.7 Pola sidik jari 132.4.2Minutiae Guratan sidik jari yang dapat di identifikasi dengan cara menganalisa dari guratan-guratan sidik jari yang dinamakan dengan minutiae. Sir Francis Galton (1822-1916)mengatakanbahwatidakadaduasidikjariyangsama,artinya setiapsidikjariyangdimilikiolehseseorangadalahunik.Diapertamakali mempelajarikarakteristikinidanmenemukanbahwaminutiaedapat mengidentifikasikansidikjaritertentu.Adabeberapamacamjenisminutiae (terlihat pada gambar 2.8) yakni : Gambar 2.8 Feature pada guratan sidik jari Tabeldibawahinimerupakanjenis-jenis minutiaesecaraumum(tabel 2.9) dan karakteristik anatomi sidik jari (tabel 2.10) : Tabel 2.9 J enis-jenis minutiae secara umum, termination minutia, bifurcation minutia. 14 Ridge Mempunyai ketegasan jarak ganda dari permulaan keakhir, sebagai lebar ridges satu dengan lainya Evading Ends Dua ridge dengan arah berbeda berjalan sejajar satu sama lain kurang dari 3mm Bifurcation Dua ridge dengan arah berbeda berjalan sejajar satu sama lain kurang dari 3mm Hook Ridges merobek; satu ridges tidaklah lebih panjang dibanding 3mm Fork Dua ridges dihubungkan oleh sepertiga ridges tiddak lebih panjang dibanding 3mm Dot Bagian ridges adalah tidak lagi dibanding ridges yang berdekatan Eye Ridges merobek dan menggabungkan lagi di dalam 3mm Island Ridges merobek dan tidak bermenggabung lagi, kurang dari 3mm dan tidak lebih dari 6mm. Area yang terlampir adalah Ridge. Enclosed Ridge Ridges tidak lebih panjang dibanding 6mm antara dua ridges Enclosed Loop Yang tidak mempola menentukan pengulangan antar dua atau lebih ridges paralel Specialties Rare ridge membentuk seperti tanda tanya dan sangkutan pemotong Tabel 2.10 Karakteristik anatomi sidik jari Terdapat 2 tipe dasar dari minutiae yakni : ridge ending dan bifurcation. Ridge ending adalah tempat dimana ridge berakhir sedangkan bifurcation adalah tempat dimana sebuah ridge memisah atau bercabang menjadi dua ridge. Suatu sidik jari yang khas berisi sampai dengan 80 minutiae, bagaimanapun jauh lebih sedikitakandihadirkanpadagambaryangditangkapdariscanneryangkhas digunakan di dalam sistem biometrik karena bidang penangkapan yang kecil. 15 Gambar 2.11 Minutiae sidik jari. 2.5Gambaran sidik jari Penggambaransidikjariyangbaikharusmempunyai2sifatyakni: saliencyandsuitability.Saliencyberartibahwapenggambarandapatlebih mudahdiekstrak,disimpankedalammodepadat,danbergunauntuk pencocokan.Sifatsaliencydansuitabilitytidaksecaraumumdihubungkan. Gambaran yang menonjol tidak perlu gambaran yang cocok. Sebagai tambahan, dalambeberapaaplikasibiometrikruangpenyimpananialahpadapremium. Sebagaicontoh,dalamaplikasismartcardkhususkira-kira2Kbytesdari penyimpananyangmungkin.Padapolasidikjari,ketikadianalisapadaskala perbedaan, menunjukkan perbedaan tipe dari feature yakni : 2.5.1Pada tingkat global Aliran garis ridge dilukiskan sebuah pola mirip satu dari gambar. Titik tunggal, disebut loop dan delta (ditunjukkan sebagai empat persegi dan segitiga) jenistitikkontrolsekitargarisridgeyaknipembungkus.Titiktunggaldan kasar bentuk garis ridge sangat penting untuk klasifikasi dan index sidik jari, tetapiitusecarakhusustidakcukupuntukketepatanpencocokan.Diluardari bentuk sidik jai, orientasi gambar dan frekuensi gambar juga termasuk kumpulan dari feature yang dapat ditemukan pada tingkat global. 16 Gambar 2.12 Pola sidik jari seperti meraka tampak pada tingkat kasar: a)left loop; b)right loop; c)whorl; d)arch; dan tented arch; empat persegi menunjukkan jenis loop titik tunggal, dan segitiga jenis delta titik tunggal. 2.5.2Pada tingkat lokal Total dari 150 perbedaan karakteristik lokal ridge disebut detail minute, yang telah dikenali. Pada karakteristik lokal ridge tidak disebarkan rata. Lebih dari itu bergantung dengan berat pada kondisi kesan dan kualitas dari sidik jari dan jarang dilihat dalam sidik jari. Ada dua karakteristik ridge yang menonjol disebutminutiaeyakniridgeterminationdanridgebifurcation.Ridgeending diartikansebagaitotokridgedimanaridgeberakhirdengankasar.Ridge bifurcationdiartikansebagaititikridgedimanapercabanganridgeatau menyimpangkedalamcabangridges.Minutiaedalamsidikjarisecaraumum stabil dan kuat ke kondisi pengaruh sidik jari. Meskipun gambaran berdasarkan pada minutiae yakni digolongkan dengan saliency tinggi, yang dapat dipercaya ekstraksiotomatisminutiaedapatmenjadimasalahdalamrendahnyakualitas sidik jari. 2.5.3Pada tingkat sangat bagus Detail intra-ridge dapat diketahui. Pada dasarnya jari pori-pori keringat, yang mana posisi dan bentuk dianggap sangat khusus. Bagaimanapun, ekstraksi pori-porihanyamungkindalamgambarsidikjariresolusitinggidarikualitas baikdanolehkarenamacamdarigambarantidakpraktisuntukaplikasiyang lebih. 17 Gambar 2.13 Minutiae (lingkaran berisi hitam) dalam bagian gambar sidik jari, pori keringat (lingkaran kosong) pada garis tunggal ridge. 2.6Sensor sidik jari Dibawahinimerupakanstrukturumumdariscannersidikjaridimana sebuahsensormembacapermukaanjaridanmerubahpembacaananalog kedalamdigitalmelaluisebuahA/Dkonverter(AnalogkeDigital),sebuah modulinterfacebertanggungjawabuntukberkomunikasi(mengirimgambar, menerima perintah, dan sebagainya) dengan alat luar (personal computer / PC). Sebagian besar sistem pengenalan diri tidak menyipan gambar sidik jari tetapi hanya menyimpan numerik dari ektrak feature. Gambar 2.14 Diagram dari scanner sidik jari Berikut ini merupakan scanner yang dapat digunakan dalam pembacaan gambar sidik jari diantaranya dibagi kedalam 3 jenis : 2.6.1Sensor optik 2.6.1.1Frustrated Total Internal Reflection (FTIR) J arimenyentuhsisiatasdarikacaprisma,tapiridgesmulai bersentuhan dengan permukaan prisma, bekas valley pada jarak pasti. Pada sisikiriprismamenerangimelaluisuatucahayayangmenyebar.Cahaya masukkeprismadicerminkanpadavalley,dansecaraacakmenyebar (menyerap) pada ridges. Pantulan yang kurang memberikan ridgesmenjadi berbeda-bedadarivalleys.Sinarcahayakeluardarisisikananprismadan 18fokus melaui lensa diatas CCD atau CMOS sensor gambar. Karena alat FTIR bergunauntukpermkaan3dimensi, initidakdapatdenganmudahmenipu pemberian foto atau cetak gambar dari sidik jari. Ketika jari sangat kering, itu tidakdapatmembuatkontakyangsamadenganpermukaansensor. Memperbaiki pembentukan sidik jari dari jari yang kering yang mana ridge tidakmengandungpartikelkeringat,beberapapenghasilscanner menggunakanlapisansilikonyangmenyerupaikontakdaripermukaan dengan prisma. Dengan tujuan mengurangi biaya dari alat optik, plastik pada saat sekarang sering kali digunakan dibandingkan kaca prisma, dan lensa. Gambar 2.15 sensor sidik jari berdasarkan FTIR 2.6.1.2FTIR with a sheet Prism Menggunakanlembaranprimamembuatangkadariprimslets berdampingan.Dibandingkandariprismasatuyangbesar,membolehkan ukuran dari kumpulan mesin untuk dikurangi beberapa tingkat. Sesungguhnya sekalipunsisalintasanoptiksama,lembaranprismahampirdatar. Bagaimanapun,kualitasdariperolehangambarsecaraumumrendah dibandingkan teknik tradisional FTIR menggunakan kaca prisma. Gambar 2.16 Menggunakan lembaran prisma dalam perolehan FTIR sidik jari. 2.6.1.3Optical Fibers Penurunanyangpentingdariukuranbungkusdapatdicapaidengan subtitusiprismadanlensadenganplatenfiber-optik.J arisecaralangsung 19terhubungdengansisibagianatasdariplaten.PadasisisebaliknyaCCD/ CMOSsukardihubungkandenganplaten,menerimacahayasisajari disampaikan melaui kaca fiber. Seperti alat FTIR, disini CCD / CMOS secara langsungberhubungandenganplaten(tanpalensatengah)danolehkarena ukuranmenutupikeseluruhandaerahsensor.Inimungkinmenghasilkan dalam biaya yang tinggi untuk menghasilkan daerah sensor yang besar. Gambar 2.17 Sensor berdasarkan pada fiber optik, sisa sinar memancarkan sidik jari disampaikan melalui pemandu mikro optik menyusun pixel yang terdapat CCD / CMOS. 2.6.1.4Electro-optical Alatyangmempunyai2lapisanutama:Lapisanpertama mengandungpolimer,ketikamempolarisasidenganteganganyangtepat memancarkan cahaya bergantung pada potensial yang dipakai pada satu sisi. Seperti ridge menyentuh polimer dan valley tidak, potensial permukaan tidak samapersisketikajariditempatkanpadanyadanbanyakcahayaberfariasi yangdipancarkan,hinggamengijinkangambaranbercahayadaripolasidik jari secara umum. Lapisankedua, keras dipasangkan dengan petama, terdiri darisusunanpotodiodayangbertanggungjawabuntukmenerimapancaran cahayadenganpolimerdanmengubahkedalamgambardigital.Beberapa sensor komersial menggunakan hanya lapisan pancaran cahaya pertama untuk pembentukangambardanstandarlensasertaCMOSuntukperolehandan digitalisasi gambar. Gambar 2.18 Sensor sidik jari electro-optik 202.6.1.5Direct Reading Alatpembacalangsungmenggunakankamerakualitastinggisecara langsung fokus ke ujung jari. J ari tidak berhubungan dengan satu permukaan, tetapiscannerdilengkapidenganmekanikpendukungfasilitaspengguna menyajikanjaripadajarakseragam.Sepertialatyangmengatasibeberapa masalah seperti pembersihan berkala permukaan sensor dan mungkin dirasa lebih higienis, tetapi memperoleh fokus yang baik dan kontras gambar yang tinggi sangat sulit. 2.6.2Sensor bentuk padat Sensorbentukpadatdirancanguntukmengatasimasalahukurandan biaya. Pengguna secara langsung menyentuh permukaan dari silikon : tidak ada komponen optik maupun ekternal CCD / CMOS sensor gambar yang diperlukan. 4pengaruhutamatelahdiusulkanuntukmengubahinformasifisikkedalam sinyal elektrik ; capasitive, suhu, medan elektrik dan piezoelectric. 2.6.2.1Capasitive Susunan 2 dimensi dari plat mikro kapasitor dilekatkan dalam chip. Platyanglaindaritiapmikrokapasitorialahpermukaanjariitusendiri. Menuntutelektrikyangkecildibuatantarapermukaandarijaridansetiap pelat silikon ketika jari ditempatkan pada chip. Magnitude elektrik menuntut bergantung pada jarak antara permukaan sidik jari dan pelat kapasitansi. J adi ridgesdanvalleyssidikjaridihasilkandalamperbedaankapasitansipola lintasi plat. Gambar 2.19 Sensor capasitive 2.6.2.2Suhu Terbuat dari bahan pyro-electric secara umum arus berdasarkan pada perbedaansuhu,ridgessidikjaridihubungkandenganpermukaansensor menghasilkansebuahperbedaansuhuyangberbedapada valley, yang jauh 21dari permukaan sensor. Sensor secara khusus dipertahankan pada suhu tinggi dengan pemanas listrik yang meningkat, untuk meningkatkan suhu perbedaan antarapermukaansensordanridgejari.Diferensialsuhumenghasilkan sebuah gambar ketika kontak terjadi, tetapi gambar ini segera hilang karena keseimbangan suhu dengan cepat dicapai dan pixel suhu distabilkan. 2.6.2.3Medan Elektrik Sensorterdiridaripengendalicincinsecaraumumsinyalsinusoida danmatrikdariantenaaktifmenerimaamplitudosangatkecilsinyalyang dikirimdenganpengendalicincindandimodulasidenganstukturderma (dibawahpermukaankulitjari).Sebuahjariharussecaraserentak dihubungkan dengan kedua sensor dan pengendali cincin. Untuk gambar sidik jari, sebuah respon analog dari tiap elemen dalam sensor matrik diperkuat, diintegrasikan, dan digitized.

2.6.2.4Piezoelectric Sensor sensitif tekanan telah dirancang menghasilkan sinyal elektrik ketika tekanan mekanik diaplikasikan padanya. Permukaan sensor terbuat dari bahandielektriknon-conducting,padapertemuantekanandarijari,secara umum sejumlah kecil arus (efek ini disebut piezoelectric effect). Daya dari arusumumbergantungtekananyangdiaplikasikandenganjaripada permukaan sensor. Sejak ridge dan valley disajikan pada perbedaan jarak dari permukaansensor,merekamengakibatkanperbedaanjumlaharus. Sayangnya, materialnya secara khusus tidak cukup sensitif untuk menemukan perbedaandanselainitupelindunglapisanmenghasilkangambarkabur, sebuahsolusialternatifmenggunakansaklarmekanikmikro(penopang membuat silikon). 2.6.3Sensor Ultrasonik Sensor ultrasonik mungkin menampilkan bermacam-macam echography. Berdasarkan pada pengiriman sinyal akustik kearah ujung jari dan menangkap sinyal echo. Sinyal echo digunakan untuk menghitung jarak gambar dari sidik 22jaridankemudianstrukturridgeitusendiri.Sensorterdiridari2komponen utama:Pengirim(membangkitkanpulsaakustikpendek)danPenerima (mendeteksiresponyangdihasilkanketikapulsamemantulpermukaansidik jari). Gambar 2.20 Prinsip dasar dari teknik ultrasonik, karakteristik dari gelombang suara ialah kemampuan menembus material, memberikan bagian gema pada setiap pergantian impedansi. 2.7Hal yang diperhatikan dalam pengambilan gambar Terdapat hal utama yang perlu diperhatikan dalam pengambilan gambar digital sidik jari : 2.7.1Resolusi Sebuah indikasi jumlah titik atau pixel per inch (dpi), 500 dpi merupakan resolusiminimumpadascannerFBIdanbanyakditemuipadaalatkomersial antara250sampai300dpimungkinresolusiminimumyangbolehalgoritma ektraksiuntukmenempatkanminutiaedalampolasidikjari.minutiae memainkanperanutamadalampencocokansidikjari,semenjakbanyakdari algoritmayangbergantungpadakebetulandariminutiaeyangmenerangkan apakahkesanduasidikjariadalahsidikjariyangsama.Gambardibawah menunjukkancontohbagiansidikjariyangsamapadaperbedaanresolusi, pengurangan hasil resolusi dalam besarnya kesulitan dalam memecahkan ridge dari valley dan pemisahan titik minutiae. Gambar 2.21 Sidik jari yang kiri diperoleh pada 500 dpi, semakin kekanan pada resolusi rendah : 400, 300, dan 250 dpi berturut-turut. 232.7.2Area J ika areanya besar, maka banyak ridgesdan valeys yang tertangkap dan khusus menjadi sidik jari. Sebuah area 1x1 inch2 mengizinkan penuh kesan daerah sidik jari yang diperoleh. Dalam banyak scanner sidik jari yang beru-baru iniditujukanpadascannerbukanAFIS,daerahnyadikorbankanuntuk mengurangi biaya dan punya ukuran alat yang kecil. Scanner daerah yang kecil tidak mengijinkan sidik jari lengkap untuk ditangkap, dan pengguna mengalami kesulitan dalam menggambarkan bagian yang sama dari jari. 2.7.3Angka pixel Angka dari pixel dalam gambar sidik jari dapat disederhanakan didapat dariresolusidandaerahsidikjari:scannerbekerjapadardpimelaluidaerah tinggi(h)xlebar(w)inch2mempunyairhxrwpixel.J ikadaerahdinyatakan dalam mm2 formula harus termasuk konversi mm-inch dan karena angka pixel: r.(h/25.4)xr.(w/25.4).Sebagaicontoh,scannerbekerjapada500dpimelalui daerah20.32x15.24mm2menghasilkangambar500.(20.32/25.4)x 500.(15.24//25.4) =400 x 300 pixel. 2.7.4Jarak dinamis Inimenunjukkanangkadaribitsyangdigunakanuntuksandinilai intensitasdaritiappixel.Informasiwarnatidakdipertimbangkangunauntuk pengenalan sidik jari,dan karena hampir semua scanner sidik jari yang tersedia memperoleh gambar gray-scale. Standar FBI untuk lebar bit pixel adalah 8 bits, yang menghasilkan 256 tingkat abu-abu. Kenyataannya beberapa sensor hanya menagkap2atau3bitsdarikenyataaninformasisidikjaridanberturut-turut bagianjarakdinamis8bitsdalamsoftware.Tidakmemerlukanstudiyang diadakan untuk melihat bagaimana kinerja pengenalan berkurang ketika lebar bit dikurangi. 2.7.5Ketelitian geometris Ini biasanya ditetapkan dengan distorsi geometrik maksimum dikenalkan dengankemahiranalat,danterungkapsebagaipersentasidenganberkenaan 24dengan arah x dan y. Kebanyakan dari scanner sidik jari optik memperkenalkan distorsi geometric jika tidak dikompensasi, tanda pola sidik jari bergantung pada posisi relatif dari jari pada permukaan sensor. 2.7.6Kualitas gambar Ini tidak mudah untuk mendefinisikan dengan tepat kualitas dari gambar sidik jari, dan lebih sulit lagi untuk tidak dipasangkan dengan kualitas gambar sidik jari dari kualitas atau status jari intrinsik. Kenyataannya ketika ketinggian ridgeialahsangatrendah(khususnyauntukpekerjaanmanualdanorangtua) ketika jari terlalu basah atau terlalu kering, atau ketika mereka menyajikan yang salah, kebanyakan dari scanner menghasilkan kualitas gambar yang jelek. Gambar 2.22 Contoh dari gambar sidik jari yang diperoleh dengan scanner optik: a) sidik jari kualitas bagus, b) sidik jari dengan jari kering, c) sidik jari dengan jari basah, d) sidik jari intrinsik yang jelek Karena setiap pengambilan gambar sidik jari selalu mempunyai noise, namun kadarnyabisakitaatursedemikianrupahingganilainyatidakterlalubesar. Sehinggadalampengolahannyadapatmempercepatpengolahandatayang diinginkan (dengan kata lain hasil yang maksimal dengan noise yang diabaikan). Berikut ini merupakan gambaran mengenai permukaan jari terhadap permukaan prisma yang mempunyai kerutan (adanya noise pada gambar 2.23) 25 Gambar 2.23 Gambar permukaan jari 2.8Metode pencocokan sidik jari Pencocokan gambar sidik jari yang dapat dipercaya merupakan masalah yangsangatsulit,terutamakarenavariabilitasyangbesardariperbedaan pengaruhdarijariyangsama.Terdapat3kategoridaripencocokansidikjari terdiri dari : 1.Correlation-basedmatching : dua gambar sidik jari dilapisi dan dikorelasi (padatingkatintensitas)antarapixelkorespodendiperhitungkanuntuk perbedaan kesesuaian (berbagai pemindahan dan rotasi). 2.Minutiae-basedmatching:minutiaediekstrakdariduasidikjaridan disimpansebagaititikpadabidang2dimensi.Hal-halyangperludalam pencocokan minutiae terdiri dari penemuan kesesuaian antara template dan masukanminutiaedikumpulanhasilkedalamangkamaksimumuntuk memasangkan minutiae. 3.Ridgefeature-based matching : ekstraksi minutiae sulit dalam gambar sidik jari dengan kualitas yang sangat rendah, disamping mengingat feature dari pola ridge sidik jari (orientasi lokal dan frekuensi, bentuk ridge, informasi tekstur)mungkindiekstraklebihdipercayadaripadaminutiae,meskipun merekakhusussecaraumummenurun.Termasukpendekatankekeluarga membandingkan sidik jari kedalam istilah ekstraksi feature dari pola ridge. Dibawahinimerupakangambaranprosesyanghampirsama,dimana padasistemautentifikasipasswordmenggunakandatabase.Dimanajikaada password baru yang diterima maka akan dibandingkan dengan pendaftaran, jika 26seseorang mengakses database dari cacahan password maka password tidak ada kesepakatan.Analogiyanghampirsamajugadiaplikasikanuntukpengenalan sidikjari,jikaadamusuhmengakseskedatabasemakainformasibiometrik tidak ada kesepakatan. Gambar 2.24 Sistem autentifikasi password Gambar 2.25 Sistem autentifikasi sidik jari 272.9Langkah-langkah identifikasi sidik jari Gambar 2.26 Tahapan identifikasi sidik jari FingerprintAcquisition:Pengambilangambarsidikjaridalamformat digital, untuk biometrik digunakan scanner sidik jari elektronik. Terdapat variasi yang besar dari scanner yang tersedia di pasar dan keseluruhan arah menuju alat yangkecil,cepatdanmurah.Itudiharapkanbahwascannerakanterus meningkat bersama sebagaimana mereka terintegrasi kedalam variasi yang luas dari alat jinjing seperti PDA, telepon genggam, dan smart card. Representation:Dahulu sidik jari telah diperoleh dalam bentuk digital. Sistem identifikasi sidik jari harus memilih gambaran penyimpanan yang tepat. Memikirkanukuranyangbesarsekalidaribeberapadatabasesidikjari,itu menjadisangatpentinguntukmemilihsebuahgambaranmemelihara diskriminasiinformasisidikjari.Sebuahalternatifuntukgambaranberbasis gambaruntukmenyimpanhanyaatributtertentudaricetakanfeature,danitu dapat menjurus kepada gambaran sidik jari yang efisien. Prepocessing : Tahapan sangat penting dari sistem identifikasi sidik jari adalah preprocessing dan perbaikan gambar sidik jari. Citraan sidik jari sering kalidiperolehdalamlingkunganyangtakterkendalikan,mendorongkearah jarakyangluasdalammutudaricetakan.Banyakdarisidikjaridiskriminasi feature adalah ketidakteraturan ridge minute itu sangat sulit untuk ekstrak dari Fingerprint RepresentationPreprocessingFeature ExtractionRegistrationVerification28gambar berkualitas rendah. Kinerja dari sebuah algoritma pencocokan sidik jari berhubunganeratdengankeandalandaritingkatekstraksifeature.Sebagai konsekuansinya telah ada banyak penelitian dalam masalah preprocessing sidik jari dan perbaikan feature.FeatureExtraction:Padatingkatekstraksifeatureterkaitdengan menemukan dan mengukur properti penting dari sidik jari yang akan digunakan untuk mencocokkan dengan yang lain. Disana terdapat dua kategori dari feature sidik jari yang berbasis pada minutiae dan itu berbasis pada properti sidik jari yang lain.Registration:Golterakhirdarisistemidentifikasisidikjariadalah memenukan atau mengkonfirmasikan identitas dari sidik jari orang siapa yang telah mengajukan ke sistem. Melibatkan perbandingan ekstrak feature dari dua cetakan dan menentukan kemungkinan mereka telah menangkap jari yang sama. Untukmembandingkanekstrakfeature,sidikjaripertamadiluruskandengan tiap urutan, proses dari penjajaran disebut registrasi. Verification:Tahapakhirdaripencocokansidikjariadalahverifikasi. yangmanamelibatkanperhitunganskorbahwamengukurderajatdari koresponden antara dua cetakan dan menentukan apakah skor ini cukup tinggi untuk mempertimbangkan pasangan yang cocok.Dibawah ini merupakan flowchart dari sistem autentifikasi sidik jari. 29 Gambar 2.27 Flowchat diagram sistem pengenalan sidik jari 2.10Tahapan preprosessingPreprosessing diaplikasikan untuk gambar sidik jari dalam urutan enhencement feature sidik jari, tahapan proses ini mengacu berdasarkan penelitian dari Hong, Wan, danJ ain.Tahapanyangtermasukdalamsisteminiialah:gambarternormalisasi, orientationestimation,filtering,binerisasi,danthinning,dimanamasukkanproses berupagambarasliyangdiscanmenggunakanscanner(epsontype660).Danhasil akhirnyaberupapenggambaranridgeskeletonyangsiapdisimpansebagaitemplate dalam database yang dimiliki. Gambar 2.28 Sidik jari asli Scanner Gambar Preprocessing Gabor Filter MatchingDatabase SelesaiMonitor 302.10.1Normalisasi Tahap selanjutnya dalam proses perbaikan sidik jari adalah normalisasi gambar. Normalisasi digunakan untuk standarisasi nilai intensitas dalam gambar denganmengaturjarakdarinilaitingkatgreysehinggainiberadadalam menginginkan jarak. Memisalkan I (i,j) menggambarkan nilai tingkat grey pada pixel (i,j) dan N (i,j) menggambarkan nilai tingkat grey dinormalisasi pada pixel (i,j). Gambar dinormalisasi diartikan sebagai : ( )( ) ( )( )( ) ( )>+=sebaliknyaVM j i I VMM j i I JikaVM j i I VMj i Nooo202,, ,,,Dimana M dan V adalah berturut-turut perkiraan maksud dan variasi dari I (i,j), dan berturut-turut Mo dan Vo adalah menginginkan maksud dan veriasi nilai. Normalisasi tidak dapat memilih struktur ridge dalam sidik jari, dilakukan untukstandarisasitingkatdinamikdarivariasinilaitingkatgreyyang memudahkan proses dari tingkatan perbaikan gambar kemudian Gambar 2.29 Ternormalisasi 2.10.2Segmentasi Segmentasi adalah proses pemisahan bagian wilayah dalam gambar dari wilayah latar belakang. Bagian wilayah yang cocok untuk sidik jari yang jelas mengandung ridgesdan valleys yang menjadi daerah perhatian. Latar belakang yangcocokuntukwilayahdiluarperbatasandaerahsidikjari,yangtidak mengandungsedikitinformasisidikjariyangsah.Ketikaalgoritmaekstraksi minutiae diaplikasikan ke wilayah latar belakang dari sebuah gambar, hasilnya dalamekstraksidarinoisdankesalahanminutiae.Sehinggasegmentasi 31dikerjakanuntukmembuangwilayahlatarbelakang,yangmemudahkan ekstraksi dapat dipercaya pada minutiae. Dalamgambarsidikjari,secaraumumwilayahlatarbelakang memperlihatkansangatrendahnilaivarisasigrey-scale,mengingatbagian wilayah menpunyai variasi sangat tinggi. Karena itu, metode berdasarkan pada permulaan variasi yang dapa digunakan untuk melakukan segmentasi. Pertama-tamagambardipisahkankedalamblokdanvariasigrey-scaledihitunguntuk setiap blok dalam gambar. J ika variasi kurang dari permulaan global lalu blok ditempatkan menjadi daerah latar belakang, sebaliknya itu ditempatkan menjadi bagian dari bagian terdepan. Variasi tingkat grey untuk blok dari ukuran W x W diartikan sebagai : ( ) ( ) ( ) ( )== =101022,1WiWjk M j i IWk VDimana V (k) adalah variasi dari blok k, I (i,j) adalah nilai tingkat grey pada pixel (i,j), dan M (k) adalah nilai tengah tingkat grey untuk blok k. 2.10.3Orientation estimation Gambar 2.30 Orientasi dari pixel ridge dalam sidik jari Orientationestimationmengandunginformasimengenailokal orientationdarikandunganridgepadasidikjari,sepertiterlihatpadagambar 2.31.Orientationestimationialahtahapandasardalamprosesenhencement sebagailanjutanGaborfiltertahapnyatapadalocalorientationdalamurutan efektivitasenhencementgambarsidikjari.Beberapateknikdapatdigunakan untuk menghitung orientationfiled. Pendekatan yang lebih akurat berdasarkan pada penemuan rata-rata gradient gambar dalam wilayah lokal. 32 Gambar 2.31 Orientation filed 2.10.4Ridge frekuensi estimation Sebagai tambahan untuk orientasi gambar, parameter penting lain yang digunakandalamkonstruksidariGaborfilteradalahfrekuensilokalridge. Frekuensigambardiwakilifrekuensilokaldariridgedalamsidikjari.Tahap pertamadalamtahapestimasifrekuensiialahmembagigambarkedalamblok ukuran W x W. Tahap selanjutnya proyeksikan nilai grey-level dari semua pixel ditempatkan kedalam setiap blok terus arah orthogonal untuk lokal orientation ridge. Bentuk proyeksi ini mendekati bentuk gelombang sinusoidal dengan lokal titik minimum yang sesuai untuk ridge dalam sidik jari. Dimana S(i,j) ialah jarak ridge dan F(i,j) ialah frekuensi ridge. 2.10.5Penyaringan Sidikjarimempunyaiparalellokalridgesdanvalleys,dirumuskan dengan baik orientasi dan frekuensi lokal. Secara tepat filter gabor disetel dapat menghapusnoise,memeliharastrukturridgesdanvalleysdenganbenardan memberikan informasi yang berisi orientasi khusus dalam gambar. Titik minutia dapatdilihatsebagaisebuahkelainanlokalparalelridgedaninformasiitu berusaha untuk menangkap penggunaan penyaring gabor. 33 Gambar 2.32 Titik referensi (x), daerah perhatian, dan 80 sektor (B =5, k =16) menunjukkan ukuran komparatif pada sidik jari Sebelummenyaringgambarsidikjari,gambardinormalisasiintensitas grey-level pada daerah perhatian dalam setiap sektor yang terpisah menunjukkan tetap dan berbeda. Normalisasi dilakukan untuk menghapus dampak dari noise sensor dan latar belakang grey-level dalam kaitan dengan perbedaan penekanan sidik jari. Misal I (x,y) menunjukkan nilai keabuan pada pixel (x,y), Mi dan Vi, memperkirakanmaksuddanperbedaandarigrey-levelpadamasing-masing sektorSidanNi(x,y),nilaigrey-leveldinormalisasipadapixel(x,y).Untuk semua pixel dalam sektor Si, gambar di normalisasi didefinisikan sebagai : Ni (x,y) =( ) )( )( ) )>+sebaliknyaVM y x I x VMM y x I ifVM y x I x VMii ooiii oo,) , (, ,) , (22 Dimana Mo dan Vo menginginkan maksud dan perbedaan nilai masing-masing.Normalisasiadalahoperasicarapixeldimanatidakdapatdipilih kejelasanstrukturridgedanvalley.J ikanormalisasidilakukanpadaseluruh gambar, kemudian tidak dapat mengimbangi variasi intensitas dalam perbedaan bagiandarigambardalamkaitandenganperbedaanpenekanansidikjari. Normalisasi terpisah dari tiap-tiap sektor individu mengurangi masalah. Gambar 15 sebagai contoh dari skema normalisasi, dan diatur nilai keduanya Mo dan Vo ke 100. Bahkan simetrik filter gabor secara umum digambarkan : 34( ) ( ), sin cos, cos sincos exp , ; ,'''' ' y x yy x xfxy xf y x Gy x =+ =+ = 2212222 Dimana f adalah frekuensi gelombang datar sinusoidal sepanjang arah darix-axis, x dan y adalahjaraktetapdarisampulGaussianberturut-turut sepanjang axis x dan y. Karakteristik ruang dari penyaring Gabor dapat dilihat pada gambar dibawah ini. Gambar 2.33 Filter gabor (ukuran penyamaran =33 x 33, f =0.1,0 4 0 4 . , . = =y x ). Hanya diarahkan 00 dan 900 pada gambar Penyaringgabordanektraksifeaturesecaraumumdalambentuk penyaringgabor 2D dinyatakan dalam bentuk : ( ) ( )kk kfx iy xf y x hy xy x k 2212222exp exp , , , , , + =35Dimana k ky x xk sin cos + = dan k ky x yk cos sin + = ,f adalah frekuensi dari gelombang datar sinusoidal, kadalah orientasi dari penyaring gabor, kdan ystandar deviasi dari sampul gaussian sepanjang akses x dan y berturut-turut. Untuk meneliti penyaring gabor dalam istilah simetrik genap dan simetrik ganjil. Kami menjelaskan persamaan di atas ke dalam bentuk komplek h =odd evenih h +dimana ( ) ( )( ) ( )kk kkk kfxy xf y x hfxy xf y x hy xy x k oddy xy x k even 22122122222222sin exp , , , , ,cos exp , , , , ,+ =+ = Sebagian besar struktur ridge lokal dari sidik jari datang dengan rumus frekuensi lokal dan orientasinya. Kami menetapkanfsebagai timbal balik dari rata-ratajarakinter-ridgedanmsebagaiangkaorientasiuntukperhitungan ( ) m kk1 = ,k=1,...,m.J ugasebuahbentukkosinus/sinusdanbentuk sinusiodal dari gabor filter sesuai untuk memodelkan struktur ridge/valley dan melicinkan noise berturut-turut. Setelah menentukan parameter dari gabor filter, jarak feature gabor dan ganjil satu pada contoh titik (X, Y) dapat didefinisikan sebagai berikut : ( ) ( ) ( )( ) ( ) ( )( ) ( ) ( ) = = = = = =+ + =+ + =+ + =1 221 221 221 221 221 22ww yy x k oddww xy x k oddww yy x k evenww xy x k evenww yy x kww xy x k magf y x h y Y x X I f Y X gf y x h y Y x X I f Y X gf y x h y Y x X I f Y X g , , , , , , , , , , ,, , , , , , , , , , ,, , , , , , , , , , , 2.10.6Binerisasi Gambarbinerisasiadalahprosesyangterjadidarigambargray-scale menjadi gambar hitam dan putih. Sebagian besar algoritma ekstraksi minutiae dijalankanpadagambarbinerdimanahanyaduatingkatyangdiperhatikan: pixelhitammenggambarkanridges,danpixelputihmanggambarkanvalley. 36Dalamgambargray-scale,pixeldapatdiambilpada256nilaiintensitas perbedaan yang mana setiap pixel diberikan menjadi tiap hitam atau putih dalam gambar hitam dan putih. Konversi dari gray-scale menjadi hitam dan putih ialah perandariaplikasipermulaannilaimenjadigambar.Dalammatlab,nilai mengandungpixelputih,mengingatnilaidarinolmenunjukkanpixelhitam. Untuk gambar gray-scale, pixel ialah nilai decimal antara nol dan satu. Ketika permulaan di aplikasikan ke sebuah gambar, semua nilai pixel dibandingkan ke permulaan masukan. Pemulaan banyak nilai pixel di set nol, dan banyak nilai yang lebih baik daripada permulaan diset satu. Dan diakhir proses, semua nilai pixeldalamgambarsetiapnolatausatu,dangambartelahdirubahmenjadi bentukbiner.Komponenyangsangatpentingdalamprosesbinerisasiialah memilih nilai yang baik untuk permulaan. J ika permulaan di set terlalu rendah, dibandingkan hasil gambar biner akan utama terdiri dari pixel putih. Sebaliknya jika permulaan di set terlalu tinggi, hasil gambar akan besar bilangan feature dari pixel hitam yang tak diinginkan. J adi permulaan harus dipilih dengan hati-hati untuk memastikan informasi data dilindungi setelah binerisasi. Ini memperbaiki kontras antara ridge dan valley dalam gambar sidik jari, dan sebagai akibatnya memudahkan ekstraksi minutiae. Satumemilikifungsidaripenyaringangaborialahmempunyai komponenDCdarinol,denganmaksudhasilkangambaryangdisaring mempunyaimaksudnilaipixeldarinol.Karenaitu,binerisasisederhanadari gambardapatdilakukanmenggunakanpermulaandarinol.Prosesbinerisasi meliputipemeriksaannilaigray-leveldaritiappixeldalammeningkatkan gambar, dan jika nilai lebih besar dari permulaan global, lalu nilai pixel mulai satunilaibinermeskipunmulaidarinol.Hasilnyagambarbinerberisidua tingkat informasi, bagian depan ridge dan latar belakang valley. 37 Gambar 2.34 Perbandingan gambar asli (kiri) dan gambar binerisasi (kanan) 2.10.7Thinning Thinningialahoperasimorfologiberturut-turutmengikisjauhpixel bagian depan hingga menjadi lebar satu pixel. Algoritma standar thinning ialah pekerjaan yang melakukan operasi thinning menggunakan subiterasi. Algoritma inidapatdiperolehdalammatlabmelaluioperasithindibawahfungsi bwmorph.Setiapsubiterasidimulaidenganmenganalisasekitarsetiappixel dalam gambar biner, dan berdasar pada satuan keterangan kriteria penghapusan pixel, cek apakah pixel dapat dihapus atau tidak. Melanjutkan subiterasi hingga tidak ada lagi pixel yang dapat dihapus. Aplikasidarialgoritmathinninguntukmemeliharagambarsidikjari menghubungkan dari struktur ridge saat membentuk versi sekleton dari gambar biner.Gambarsekletonkemudiandigunakandalamekstraksikemudiandari minutiae. Gambar 2.35 Thinning 2.10.8Vektor feature Sulit mempercayakan feature diektrak berdasarkan pada deteksi jelas dari strukturfeaturesidikjari,khususnyapadagambarberkualiasrendah. Feature 38berdasarkan pada properti statistik dari gambar mungkin menurun halus dengan kualitas gambar yang buruk. Disini menggunakan feature yang berdasarkan pada perbedaangrayscale,rata-ratamutlakdeviasitingkatkeabu-abuandarinilai tengah dalam sebuah sektor gambar menunjukkan secara keseluruhan aktivitas ridgedidalamsektoryangmanamenuntutpenggunaandariklasifikasidan verifikasi.FeatureserupadengansuksesdigunakanlebihawalolehJ aindan Farrokhnia untuk klasifikasi tekstur dan segmentasi. Hasil empiris pada aplikasi klasifikasidanverifikasisidikjariterlihatpadafeaturestatistiksederhana dilakukandengansangatbaik.Memisalkan( ) y x Fi,dimana arah penyaringangambaruntuksektorSi.Sekarang{ } 79 1 0 ,..., , i dan { }0 0 0 0 0 0 0 05 157 135 5 112 90 5 67 45 5 22 0 . , , . , , . , , . , ,nilaifeature iV adalahrata-rata mutlak deviasi dari definisi : ( ) =ini iiiP y x FnV ,1 Dimana ni adalah angka dari pixel Si dan iPadalah rata-rata nilai pixel dari( ) y x Fi,padasektorSi.Rata-ratamutlakdeviasitiapsektordaritiap8 penyaringangambarmenetapkankomponendari640dimensivektorfeature. Vektor featuredari beberapa contoh gambar database MSU_DBI terlihat pada gambar dibawah ini. 39Gambar 2.36 contoh dari 640 dimensi vektor feature. (a) cetakan pertama dari jari 1, (b) cetakan kedua dari jari 1, (c) dan (d) koresponden Finger-code, (e) cetakan pertama dari jari 2, (f) cetakan kedua dari jari 2, (g) dan (h) koresponden Finger-code. Pada aplikasi verifikasi sidik jari menggunakan 8 orientasi penyaringan dihasilkandengandayagunalebihbaikdaripadayanghanyamenggunakan4 orientasi penyaringan. Selanjutnya perbaikan angka dari penyaringan tidak dapat memberikanbanyakperbaikandalamdayagunaverfikasi.Samahalnya menggunakan8penyaringanpenggantidari4penyaringantidakdapat memperbaiki dayaguna dari algoritma klasifikasi sidik jari. 640 dimensi feature vektor (Fingercode) untuk gambar sidik jari dari 2 perbedaan jari database MSU_DBI terlihat sebagai gambar tingkat keabu-abuan dengan8piringan,korespondendaritiap-tiappiringankesatugambar penyaringanterdapatdalamgambar2.36.Tingkatkeabu-abuandalamsektor perwakilan piringan nilai feature untuk sektor dalam koresponden penyaringan gambar. Catatan untuk gambar 2.36 (c) dan (d) terlihar persamaan visual seperti gambar2.36(g)dan(h)tetapikorespondenpiringanuntuk2perbedaanjari terlihatsangatberbeda.Translasiditanganidengansatulokasititikreferensi selamatahapanfeatureextraction.Skemagambaranmungkinmentoleransi ketidaktepatan dalam estimasi titik referensi sampai 10 pixel (kira-kira jarak 1 ridgeunit)jauhdarilokasiyangbenar.Sektorkelilingdipilihkarenaukuran sektor menigkat lebih jauh dari pusat dan menangani kesalahan dalam lebih dari pusat lokasi. Implementasi sekarang dari ekstraksi feature diasumsikan bahwa sidi jari tegak lurus ketimur (ujung jari menunjuk lurus keatas). Kenyataannya sidikjaridalamdatabasetidaktepattegaklurusketimur;sidikjarimungkin orientasihinggasejauh 045 dariasumsiorientasivertikal.Kelilingsektor bantuan memperoleh gambaran koresponden rotasi dari gambar sidik jari dengan perputaran rotasi nilai vektor feature. Perputaran rotasi dari vektor feature secara parsial menangani rotasi dalam tingkatan pencocokan. 2.10.9Ektraksi feature Algoritmaklasifikasisidikjaridiusulkansepertipadagambar2.37 berdasarkanpadafilterbanksidikjariskemadigambarkanyangmanasecara 40langsungdidapatkandaristukturlokalridge.Penggambarantidakdapar digunakan untuk core, delta, dan orientasi medan, dengan tegas. Itu lebih mampu untukmentoleransikualitasgambaryangburuk,yangmanakesulitanutama dalam klasifikasi sidik jari. tahapan utama dari algoritma klasifikasi mengikuti : (i)lokasititikreferensidalammasukangambardanmenetapkanruanguntuk sektordariwilayahsekitartitikreferensi;(ii)menguraikangambarmasukan kedalamkomponengambar,masing-masingpastimemeliharainformasiyang berorientasiridge;memperhitungkanstandardeviasidarikomponengambar dalamsetiapsektormenghasilkanvektorfeature(disebutFingercode);(iii) pemberianvektorfeaturekedalamklasifikasimultitingkatan;algoritmadua tingkatanklasifikasidigunakan.Duatingkatanklasifikasiinimenggunakan sebuah klasifikasi lingkungan terdekat K dalam tingkatan pertama dan klasifikasi dari jaringan saraf dalam tingkatan kedua untuk menggolongkan vektor kedalam lima klas sidik jari. Gambar 2.37 Diagram alir dari algoritma klasifikasi sidik jari Kelompokdarisidikjariditentukandenganridgeglobaldanstruktur alur. Feature yang sah dari klasifikasi sidik jari harus dapat menagkap informasi globalsecaraefektif.Gambarsidikjaridigulungdengan4filtergabor ( )0 0 0 0135 90 45 0 dan , , , = untuk menghasilkan 4 komponen gambar. J adi feature vektornya 192 dimenasi (48 x 4). Rekonstruksi gambar serupa dengan gambar 41aslinyatanpakerugianinformasiyangberarti.Menggunakantambahan penyaring tidak perlu memperbaiki informasi yang mengarah dalam rekonstruksi gambar(terlihatpadagambar19,perbandinganrekonstruksimenggunakan4 penyaring dengan rekonstruksi menggunakan 8 penyaring). Sejak terbelit dengan filtergaboroperasimenjadisangatmahal,menggunakantambahanpenyaring akanmeningkatkanklasifikasiwaktutanpaperlumemperbaikiketelitian klasifikasi.Padasetiapkomponengambaryangdisaring,lingkunganlokal denganridgedanalursecaraparaleluntukkorespondenpenyaringankearah variasiyangtinggi,mengingatlingkunganlokaldenganridgedanalurtidak paraleluntukkorespondenpenyaringancenderunguntukmengurangihasil dalamvariasiyangrendah.Mengenairuangpenyalurandarivariasikedalam lingkungan lokal dari komponen gambar menjadi peraturan karakter dari struktur ridgeglobalyangmanapenangkapandenganrata-ratamutlakdeviasinilai grayscale dari nilai tengah (feature AAD). Gambar 2.38 Dinormalkan, disaring, dan merekonstruksi gambar sidik jari Gambar 2.39 Merekonstruksi gambar sidik jari menggunakan (a) 4 penyaringan, dan (b) 8 penyaringan. Kebanyakan informasi mengarah pada penangkapan dengan 4 penyaring. 42 Gambar 2.40 Penggambaran sidik jari menggunakan 192 dimensi vektor feature. 2.11Perangkat lunak Matlab v7.1 Matlabmerupakanbahasapemrogramandengankemampuantinggi dalambidangkomputasi.Saatini,bahasapemrogramantidakhanyadituntut memilikikemampuandarisegikomputasi,tetapijugakemampuanvisualisasi yangbaik.Matlabmemilikikemampuanmengintegrasikankomputasi, visualisasi, dan pemrograman.Dalammemvisualisasikansebuahobjek,Matlabmemilikikemampuan merotasiobjektanpamerubahprogramnya.Agardapatmulaimenggunakan Matlab, terlebih dahulu di dalam komputer sudah terinstal Matlab. Gambar 2.36 memperlihatkan jendela utama Matlab. 43 Gambar 2.41 J endela utama Matlab 2.12GUIDE GUIDE atau GUI builDEr merupakan sebuah graphicaluserinterface (GUI) yang dibangun dengan obyek grafis seperti tombol (button), kotak teks, slider,sumbu(axes),maupunmenu.Sebagaicontoh,ketikamenggerakkan slider, maka pengguna dapat melihat perubahan sebuah nilai. Kemudian, ketika pengguna menekan tombol OK, maka aplikasi pengguna akan dijalankan. GUIDE Matlab memiliki banyak keunggulan tersendiri, antara lain : 1.GUIDEMatlabbanyakdigunakandancocokuntukaplikasi-aplikasi berorientasisains,sehinggabanyakpenelitiataumahasiswabaikS1,S2, maupunS3menggunakanGUIDEMatlabuntukmenyelesaikanrisetatau Tugas Akhir-nya, 2.Matlab memiliki banyak fungsi builtin yang siap digunakan dan pemakai tidak perlu bersusah payah membuatnya sendiri, 3.Ukuran file, baik FIG-file maupun m-file yang dihasilkan relatif keci, 4.Kemampuangrafisnyacukupandaldantidakkalahdibandingkanbahasa pemrograman lainnya. 442.13Membuat GUI dengan matlab MatlabmengimplementasikanGUIsebagaisebuahfigureyangberisi berbagaistyleobjekkontroluserinterface(uicontrol).Selanjutnya,pengguna harus memprogram masing-masing objek agar dapat bekerja ketika diaktifkan oleh pemakai GUI. Adaduahalmendasaryangharusdikerjakanuntukmembuataplikasi GUIyaitu : 1.Mengatur layout komponen GUI dengan uicontrol 2.Memprogram komponen GUI agar dapat bekerja seperti yang diharapkan. GUIDEmerupakanhimpunantoollayout.GUIDEmenghasilkanpula suatum-fileyangberisikodeprogramuntukmenanganiinisialisasidan menjalankanGUI.Kemudian,m-filemenyediakansuatukerangkauntuk implementasicallback,yaitufungsiyangbekerjaketikaparapemakai mengaktifkan suatu komponen di dalam GUI. 2.14Mengatur layout komponen GUI SetelahpenggunamembukaGUIDEMatlabdanmenentukanapakah menggunakanblankGUIatautemplateGUI,langkahselanjutnyaadalah mendesain figure(form dalam Visual Basic) dengan menggunakan komponen palletesepertipushbutton,slider,statictext,frame,radiobutton,dan sebagainya. Selanjutnya pengguna dapat mengatur layout masing-masing komponen, baikstring(caption),tag(name),font,maupuncolor,denganmenggunakan property.J ikapenggunatelahselesaimendesain,makalangkahberikutnya adalah menyimpan figure ke dalam Matlab yang secara default akan menyimpan figurekedalamMatlab,yangsecaradefaultakanmenyimpandenganfile berekstensi*.fig.Darisini,Matlabsecaraotomatispulaakanmembuatkan sebuah m-file dengan nama sama. 2.15Memprogram komponen GUI M-file yang telah dibuat pada langkah di atas, akan otomatis terbuka dan pengguna harus memprogramnya agar komponen dapat bekerja secara simultan. J ikapenggunatidakdalamposisipertamakalimenyimpan*.fig,makaharus 45membuka sendiri m-file. Untuk membuat program pada m-file, pengguna cukup memperhatikanfungsi-fungsiMatlabbertandacallbackdimanaperintah disisipkan. J adi,secarasederhanasebenarnyasebuahGUIMatlabdapatdibentuk olehduabuahfile,yaitufig-filedanm-fileyangdapatdigambarkansebagai berikut : Gambar 2.42 GUI Secara Sederhana Walaupunpenggunadapatmenulissuatum-fileyangberisisemua perintah layout suatu GUI dengan menggunakan script, akan tetapi lebih mudah jikapenggunamenggunakanGUIDEuntukmengaturkomponenGUIsecara interaktif, Hasilnya adalah dua file GUI, yaitu : 1.FileberekstensiFIG(*.FIG)merupakanfilefigureyangberisideskripsi figure sebuah GUI dan semua komponen turunannya (uicontroldan axes), seperti nilai-nilai objek yang dapat ditentukan melalui sebuah properti. 2.File berekstensi M (*.M) merupakan file kode yang berisi fungsi kode layout uicontrol karena informasi tentang kode disimpan dalam sebuah file figure. PengimplementasiansebuahGUIdimulaidenganmembuatsebuah figureyangterdiriatasbeberapauicontrol,misalnyaaxes,pushbutton,static text,danedittextyangsemuanyadapatdiaturmelaluiproperty.Kemudian, penggunamenyimpannya,sehinggamenghasilkanduabuahfile,yaitufile figure(*.fig)danfileMatlab(*.M).sebelummenjalankanfigure,penggunadapatmenambahkanbeberapakodeprogramMatlabpadam-filenyamelalui callbackyangsecaraotomatisakanditambahkansetiapkalipenggunamenambahkan dan mengatur uicontrol beserta property-nya. 2.16Fitur-fitur GUI Dalam membuat aplikasi GUI, GUIDE akan membuat kerangka kerjam-filesecaraotomatislangsungdarilayoutpengguna.Selanjutnya,pengguna Fig-File m-file + GUI 46dapatmenggunakannyauntukmembuatkodeaplikasim-file.Metodeini memberikan beberapa keuntungan, antara lain : 1.m-file berisi kode yang mengimplementasikan sejumlah fitur. 2.m-file mengadopsi suatu pendekatan efektif yang menangani objek handle dan menjalankan rutin callback. 3.m-file menyediakan suatu manajemen data global. 4.Prototypesebuahsubfungsisecaraotomatisakandisisipkanpadarutin callback. Pengguna dapat menentukan supaya GUIDE hanya membuat file *.fig kemudian, penggunamenulis aplikasi m-file secara tersendiri, sehingga tidak terdapat perintah kreasi uicontrol di dalam aplikasi m-file. Perintah GUIDE dari command Matlab akan menampilkan layout editor berupafigurekosong.Sebelummenambahkankomponenkedalamlayout editor, penggunaseharusnya mengatur GUI menggunakan GUI Options dengan memilih GUI Options dari menu tools pada layout editor. DialogGUIOptionmemungkinkanpenggunamengaturkonfigurasi aplikasi m-file seperti yang penggunainginkan GUIDE dapat membuat hanya file *.fig atau keduanya, file *.fig maupun *.m. Gambar 2.43 GUI Options