BAB 3
METODOLOGI 3.1
Kerangka Pikir Pengenalan sidik jari merupakan salah satu metode yang diterapkan pada teknologi yang digunakan manusia seperti pada mesin absensi, alat pengamanan pada brankas dan lainnya. Agar algoritma pengenalan sidik jari dapat diterapkan pada sebuah alat atau aplikasi maka algoritma tersebut harus dapat bekerja secara otomatis. Proses yang dilakukan pada saat pengenalan sidik jari adalah mengambil gambar sidik jari, memproses gambar sidik jari tersebut, melakukan ekstraksi fitur dan kemudian melakukan pencocokan terhadap sidik jari tersebut dengan sidik jari yang telah disimpan datanya. Proses pertama yakni mendapatkan gambar sidik jari. Pada proses ini dilakukan pengambilan gambar sidik jari yang akan digunakan dalam sistem ini. Pengambilan sidik jari dilakukan dengan menggunakan scanner jari. Jari manusia diletakkan pada scanner kemudian alat tersebut akan memindai jari dan gambar hasil pemindaian akan masuk ke dalam komputer. Gambar sidik jari yang sudah masuk ke dalam komputer kemudian disimpan ke dalam database. Gambar yang didapat dari scanner tidak selalu memiliki kualitas yang baik. Gambar yang didapat dapat berkualitas buruk seperti memiliki noise atau memiliki kontras yang rendah. Oleh karena itu dibutuhkan tahap preprocessing untuk memperbaiki gambar sidik jari sehingga gambar tersebut siap untuk memasuki tahap selanjutnya yakni proses ekstraksi fitur. Gambar sidik jari yang siap untuk proses preprocessing adalah gambar yang memiliki sedikit noise, memiliki kontras yang baik dan memiliki garis yang tipis. Tahap selanjutnya dari sistem identifikasi sidik jari adalah melakukan ekstraksi fitur (feature extraction). Fitur yang diekstraksi adalah fitur unik dari sidik jari yang disebut minutiae (minutiae extraction). Ekstraksi fitur 31
32 dilakukan untuk mendapatkan pola dari sebuah sidik jari. Fitur yang diekstraksi berupa bifurcation dan termination. Bifurcation merupakan minutiae bercabang dan termination merupakan minutiae akhir. Ekstraksi yang
dilakukan
bukan
hanya
mendapatkan
minutiae
tetapi
juga
mendapatkan posisi dan sudut dari setiap minutiae. Posisi dan sudut dari sebuah sidik jari berguna untuk proses matching nantinya. Proses selanjutnya dari sistem identifikasi sidik jari adalah melakukan penghilangan atau pembuangan minutiae-minutiae palsu (false minutiae removal). Proses ini bertujuan untuk menghapus minutiae palsu yang muncul. Minutiae palsu dapat menyebabkan kesalahan pada tahap matching. Dengan menghilangkan minutiae palsu maka informasi yang didapat semakin nyata. Setelah mendapatkan minutiae asli maka akan dilakukan penyimpanan terhadap data minutiae tersebut. Penyimpanan tersebut dilakukan agar data tersebut dapat digunakan untuk pencocokan dengan sidik jari lainnya. Tahap terakhir dari sistem identifikasi sidik jari adalah melakukan matching terhadap pola sidik jari yang didapatkan dengan pola sidik jari yang telah disimpan. Proses pencocokan sidik jari dilakukan dengan membandingkan informasi minutiae pada sebuah sidik jari dengan sidik jari yang lain. Informasi minutiae yang dimaksud adalah posisi x, y dan sudut dari titik minutiae tersebut. Dilakukan penghitungan poin yang cocok dan dihitung
presentasenya.
Kemudian
dilakukan
perulangan
proses
perbandingan dengan sidik jari lainnya. Setelah membandingkan dengan beberapa sidik jari kemudian dilakukan pengecekan menggunakan threshold untuk mengetahui sidik jari mana yang paling cocok. Proses-proses diatas kemudian disusun menjadi sebuah algoritma identifikasi sidik jari yang berjalan secara otomatis. Setelah itu dilakukan penghitungan terhadap false acceptance rate dan false rejection rate untuk mengevaluasi kerja sistem.
33 3.2
Metodologi Penelitian Pada penelitian ini, sebuah sistem identifikasi sidik jari memiliki 3 proses utama yakni preprocessing, minutiae extraction dan minutiae matching. Gambar 3.1 merupakan flow chart dari sebuah sistem identifikasi sidik jari secara otomatis.
Membangun database (Offline)
Identifikasi sidik jari (Online)
Gambar 3.1 Flow chart dari sistem identifikasi sidik jari
34 Berdasarkan gambar 3.1 terdapat dua pembagian pada sistem identifikasi sidik jari yakni proses membangun database atau proses secara offline dan proses identifikasi sidik jari atau proses secara online.
3.2.1
Proses Membangun Database Sidik Jari (Offline) Pada proses offline dilakukan pembangunan database dari sidik jari yang digunakan. Proses ini melakukan pemrosesan awal terhadap gambar siidk jari, ekstraksi fitur sidik jari dan menyimpannya ke dalam database fitur sidik jari. Gambar sidik jari yang digunakan dalam proses ini adalah database sidik jari yang berasal dari UPEK Fingerprint Database yang berukuran 248 x 338 piksel dan memiliki kedalaman 8 bit. Namun tidak semua gambar yang berada pada database digunakan dalam penelitian ini. Namun gambar dipilih sehingga untuk setiap orang memiliki masingmasing 3 gambar sidik jari dengan kualitas sidik jari yang rendah, sedang dan tinggi. Penentuan kualitas gambar sidik jari didasarkan sesuai teori dari Alonso dan Fernandez (2007:21) dan contoh pada Lampiran C. Di dalam penelitian ini diambil data dari 10 orang dengan masing-masing 3 gambar sehingga terdapat 30 gambar sidik jari. Adapun gambar sidik jari yang diambil berasal dari orang ke-2, 3, 4, 6, 7, 8, 10, 13, 14, 15.
35 Pada tahap pemrosesan awal dilakukan tahapan seperti pada gambar 3.2.
Gambar 3.2 Tahap pemrosesan awal
Berdasarkan gambar 3.2 proses pertama pada tahap pemrosesan awal adalah proses ekualisasi histogram. Ekualisasi histogram digunakan untuk memperbaiki kontras dari gambar sidik jari masukan. Contoh hasil dari proses ekualisasti histogram dapat dilihat pada gambar 3.3.
36
Gambar 3.3 Hasil dari ekualisasi histogram
Setelah melalui proses ekualisasi histogram maka didapatkan gambar dengan kontras yang baik. Setelahnya dilakukan perbaikan kualitas dengan menggunakan metode transformasi fourier cepat. Di dalam proses transformasi fourier cepat gambar yang berada pada ranah spasial diubah ke dalam ranah frekuensi. Setelah gambar berada pada ranah frekuensi maka akan dilakukan penyaringan untuk memperbaiki gambar.
37
Gambar 3.4 Tahap dalam penyaringan band pass
Sesuai dengan gambar 3.4 diatas maka diketahui bahwa proses penyaringan band pass dilakukan setelah dilakukannya proses transformasi fourier cepat.
Penggunaan
transformasi fourier cepat dikarenakan
transformasi ini memiliki performa yang lebih cepat daripada transformasi fourier biasa. Sedangkan penggunaan penyaringan band pass dikarenakan telah dilakukannya pengujian dengan menggunakan penyaringan low pass dan high pass. Namun kedua metode penyaringan tersebut memberikan hasil gambar yang memiliki kualitas rendah seperti hilangnya informasi dari sidik jari tersebut. Setelah dilakukan penyaringan maka dilakukan inverse transformasi fourier cepat untuk mengembalikan gambar dari ranah frekuensi menjadi ranah spasial. Setelah melewati proses transformasi fourier cepat maka dilakukan proses binarisasi. Binarisasi adalah proses mengubah gambar yang bertipe grayscale menjadi gambar dengan dua nilai yakni 0 dan 1. Nilai 0 untuk warna hitam atau garis. Nilai 1 untuk warna putih. Setelah melakukan binarisasi maka tahap selanjutnya yang dilakukan adalah tahap ROI atau region of interest. Dalam proses ROI dilakukan penentuan terhadap daerah dari gambar sidik jari. Hanya daerah utama dari sidik jari. Sehingga tahap selanjutnya hanya dilakukan pada daerah yang telah ditentukan tadi. Selain menentukan daerah utama dari sidik jar, ROI juga dapat menentukan aliran dari setiap ridge. Pengetahuan akan aliran dari ridge akan mempermudah proses selanjutnya. Proses terakhir dalam tahap pemrosesan awal adalah proses penipisan garis. Proses ini mengubah garis dari sidik jari menjadi berukuran 1 piksel saja. Dengan mengubah garis menjadi tipis akan mempermudah proses ekstraksi fitur.
38 Tahap ekstraksi fitur merupakan tahap untuk mengekstraksi atau mendapatkan minutiae point. Seperti diketahui bahwa minutiae merupakan fitur yang unik dari sidik jari sehingga minutiae dapat digunakan sebagai pembanding antara satu sidik jari dengan sidik jari yang lainnya. Pada penelitian ini dilakukan ekstraksi terhadap minutiae yang bertipe bifurcation atau titik cabang dan termination atau titik akhir dari garis. Hasil dari proses ekstraksi fitur sidik jari dapat dilihat dari gambar 3.4.
Gambar 3.5 Hasil ekstraksi fitur
Berdasarkan gambar 3.4 maka fitur yang didapat adalah warna kuning untuk bifurcation sedangkan warna merah untuk termination. Dalam proses ekstraksi fitur hasil yang didapat untuk bifurcation adalah posisi x dan y serta sudut 1,2, dan 3. Untuk termination hasil yang didapat adalah posisi x dan y serta sudut dari fitur. Tahap terakhir dari proses membangun database sidik jari adalah dengan memasukkan fitur-fitur yang telah diekstraksi dari sebuah gambar sidik jari ke dalam database fitur sidik jari. Informasi yang disimpan adalah informasi berupa posisi dan sudut dari tiap fitur.
39 3.2.2
Proses Identifikasi Sidik Jari (Online) Proses identifikasi sidik jari merupakan proses yang dilakukan untuk mengetahui nilai kecocokan dari satu sidik jari dengan sidik jari yang lainnya. Tahapan pada proses ini melakukan proses awal yang sama dengan proses secara offline yakni pemrosesan gambar sidik jari dan ekstraksi fitur. Setelah mendapatkan fitur dari gambar sidik jari yang dimasukkan kemudian dilakukan pencocokan. Pada penelitian ini yang menjadi acuan atau data pembanding atau template 1 dari pencocokan merupakan gambar dengan kualitas medium. Pencocokan dilakukan terhadap semua gambar sidik jari dengan kualitas rendah, medium , maupun tinggi. Pencocokan dilakukan dengan membandingkan posisi x dan y serta sudut minutiae dari sidik jari yang satu dengan sidik jari yang lainnya. Setiap ada fitur yang sama posisi x dan y serta sudutnya maka akan dihitung didalam jumlah kecocokan. Setelah itu dilakukan perhitungan presentase dengan rumus Persentase kecocokan = (jumlah minutiae yang cocok/jumlah minutiae keseluruhan ) * 100 Setelah mendapatkan nilai persentase kecocokan dari sebuah sidik jari dengan sidik jari lainnya. Lalu dengan menggunakan nilai threshold dapat ditentukan sidik jari yang mana yang memiliki persentase kecocokan di atas threshold. Nilai threshold dapat diubah sehingga dapat membantu pengecekan tingkat FAR dan FRR.
3.3
Metode Evaluasi Pada tahap evaluasi dilakukan pengujian terhadap semua gambar sidik jari yang telah ditentukan. Metode yang digunakan adalah metode yang telah dijelaskan di atas yakni metode preprocessing yakni ekualisasi histogram, penyaringan band-pass, binarisasi, ROI, dan penipisan garis. Kemudian metode ekstraksi fitur dan pencocokan fitur. Pengujian dilakukan untuk mengetahui nilai kecocokan dari sidik jari satu dengan sidik jari lainnya. Setelah mendapatkan semua nilai kecocokan antara dua gambar
40 sidik jari maka nilai persentase dibandingkan dengan nilai threshold yang ditentukan oleh user. Bisa berupa nilai antara 0 – 100% Dengan membandingkannya dengan threshold maka didapat hasil gambar yang dianggap cocok dengan dengan gambar pada template 1. Ini berarti sistem mengganggap gambar tersebut merupakan gambar yang sama dengan gambar yang dipertanyakan. Hal ini belum tentu benar sehingga perlu pengujian dengan menggunakan nilai false acceptance rate, false rejection rate dan equal error rate. False acceptance rate (FAR) adalah tingkat dimana gambar sidik jari dianggap dan diterima sebagai gambar sidik jari yang sama dengan gambar sidik jari yang dipertanyakan. Padahal dalam kenyataannya kedua sidik jari tersebut bukan berasal dari orang yang sama. Semakin tinggi nilai FAR maka semakin sistem atau threshold pembandingkan kurang akurat. Ini dikarenakan sistem menerima gambar yang bukan gambar yang berasal dari orang yang sama. Jika ini terjadi pada sistem keamanan maka akan sangat berbahaya karena
ada orang bebas mengaksesnya dengan sidik jarinya
sendiri. False rejection rate (FRR) adalah tingkat dimana gambar sidik jari ditolak atau tidak diakui sebagai gambar sidik jari yang berasal dari orang yang sama. Padahal dalam kenyataanya kedua gambar tersebut berasal dari orang yang sama. Nilai dari FRR lebih baik jika rendah. Misal pada sistem pengamanan orang yang memiliki hak akses tidak dapat masuk walaupun data sidik jarinya sama. Ini akan mempersulit akses orang tersebut. Equal Error Rate (ERR) adalah tingkat dimana titik FAR dan FRR saling bertemu. Semakin rendah nilai EER maka semakin bagus performa sebuah sistem karena rendahnya kemungkinan error. Sebuah sistem yang baik seharusnya memiliki nilai FAR, FRR dan EER yang rendah.
