BAB 4 HASIL DAN PEMBAHASAN 4.1.
Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan minutiae matching. Setelah melakukan perancangan sistem identiifikasi sidik jari berdasarkan tahapan diatas maka dilakukan uji coba dengan menentukan FAR, FRR dan EER. 1.
False Acceptance Rate adalah tingkat dimana terjadi kesalahan yakni sidik jari yang dicocokan dengan database sebenarnya bukan merupakan sidik jari yang sama namun diterima dan diterima sebagai sidik jari yang sama.
2.
False Rejection Rate adalah tingkat dimana terjadi kesalahan yakni sidik jari yang dicocokan dengan database sebenarnya merupakan sidik jari yang sama namun ditolak dan tidak diterima sebagai sidik jari yang sama.
3.
Equal Error Rate adalah titik dimana FAR dan FRR saling bertemu sehingga mendapatkan nilai threshold yang paling sesuai dengan sistem ini. Sebelum melakukan pengujian terlebih dahulu dilakukan penentuan
gambar sidik jari yang akan digunakan. Penentuan dilakukan dengan menggunakan 30 gambar sidik jari. Gambar sidik jari tersebut berasal dari 10 orang dengan masing-masing orang didapat 3 gambar sidik jari dengan posisi dan kualitas yang berbeda. Setelah itu, sebuah gambar sidik jari dicocokan dengan gambar sidik jari yang berasal dari orang lain. Yang menjadi acuan gambar sidik jari merupakan gambar sidik jari berkualitas normal atau medium. Tabel 4.1 menunjukkan sampel data yang diambil dari UPEK Fingerprint Database.
41
42
Tabel 4.1 Sampel data
Low Quality Image
High Quality Image
2_1.png
Medium Quality Image 2_2.png
3_2.png
3_3.png
3_4png
4_1.png
4_2.png
4_3.png
6_4.png
6_1.png
6_2.png
7_2.png
7_3.png
7_8.png
8_1.png
8_4.png
8_3.png
10_1.png
10_3.png
10_4.png
13_1.png
13_5.png
13_8.png
14_1.png
14_4.png
14_2.png
15_4.png
15_2.png
15_7.png
2_5.png
Hasil pencocokan untuk satu sidik jari dengan semua sidik jari pada database ada dalam Lampiran A.
43
Berdasarkan hasil percobaan didapatkan nilai seperti pada tabel 4.2.
Tabel 4.2 Matching score gambar dari orang yang sama.
Gambar dari
Template 1
Template 2
Match Score (%)
2
2_2
2_1
29.6296
2_2
2_5
29.6296
3_3
3_2
71.4286
3_3
3_4
76.1905
4_2
4_1
23.2558
4_2
4_3
27.907
6_1
6_2
42.8571
6_1
6_4
42.8571
7_3
7_2
41.6667
7_3
7_8
47.2222
8_4
8_1
38.4615
8_4
8_3
38.4615
10_3
10_1
30.7692
10_3
10_4
46.1538
13_5
13_1
53.8462
13_5
13_8
69.2308
14_4
14_1
32.9787
14_4
14_2
43.617
15_2
15_4
60.4167
15_2
15_7
58.3333
3
4
6
7
8
10
13
14
15
Tabel 4.2 merupakan nilai kecocokan antara sidik jari yang berasal dari orang yang sama namun memiliki kualitas yang berbeda.
44
4.2.
Evaluasi Objektif Sebelum dilakukan matching penelitian ini menetapkan penyaringan band pass sebagai metode penyaringan yang digunakan berdasarkan pengujian sebagai berikut. Dengan menggunakan gambar yang sama, dapat dilihat bahwa hasil pada metode selain penyaringan band pass memiliki kekurangan.
Gambar 4.1 Hasil preprocessing dengan menggunakan metode penyaringan band pass
Berdasarkan gambar 4.1 dapat dilihat bahwa gambar dengan menggunakan metode penyaringan band pass dengan batas bawah sebesar 30 dan batas atas sebesar 120 memiliki kualitas yang cukup baik. Alasan pemilihan nilai untuk batas bawah dan batas atas adalah sesuai dengan pengujian. Jika nilai batas bawah semakin besar maka gambar akan memiliki semakin banyak noise. Ini dikarenakan semakin tingginya batas maka proses yang dilakukan akan menyerupai high pass filter. Sedangkan semakin rendah nilai batas bawah maka gambar akan semakin buram karena detil semakin berkurang dan proses menjadi low pass filter saja.
45
Gambar 4.2 Hasil preprocessing dengan menggunakan metode penyaringan low pass
Berdasarkan gambar 4.2 dapat dilihat bahwa gambar dengan menggunakan metode penyaringan low pass memiliki kualitas yang kurang baik ditandai dengan menghilangnya beberapa garis sidik jari sehingga informasi dari sidik jari juga turut menghilang. Ini disebabkan metode ini mengambil frekuensi yang rendah saja sehingga rincian data hilang.
Gambar 4.3 Hasil preprocessing dengan menggunakan metode penyaringan high pass
Berdasarkan gambar 4.3 dapat dilihat bahwa gambar dengan menggunakan metode penyaringan high pass memiliki kualitas yang cukup
46
baik namun terdapat beberapa noise seperti garis yang berkumpul sehingga dapat menyebabkan ambiguitas. Ini disebabkan metode ini mengambil frekuensi yang tinggi saja sehingga noise ikut terambil dan menjadi garis palsu. Berdasarkan pengujian maka penelitian ini menetapkan metode penyaringan band pass sebagai metode terbaik karena metode ini melakukan penyaringan untuk mengambil frekuensi yang tidak terlalu tinggi dan rendah. Setelah melakukan penetapan metode penyaringan maka pengujian selanjutnya adalah menghitung nilai kecocokan dari sidik jari yang satu dan sidik jari lainnya yang ada dalam database. Hasil matching antara satu gambar dengan 29 gambar lainnya dapat dilihat pada Lampiran A. Setelah itu dilakukan proses thresholding dengan membatasi persentase menjadi nilai antara 0 sampai 100 denngan interval 10. Hasilnya dapat dilihat di Lampiran A. Dengan hasil yang ada di Lampiran A maka dapat dihitung FAR dengan rumus:
Dan nilai FRR dapat dihitung dengan rumus:
47
Hasil perhitungan FAR dan FRR ditunjukkan dalam tabel 4.3
Tabel 4.3 nilai FAR dan FRR
Threshold
FAR
FRR
0%
(270/290) x 100% =
(0/290) x 100% = 0%
93,10% 10%
(269/290) x 100% =
(0/290) x 100% = 0%
92,76% 20%
(238/290) x 100% =
(0/290) x 100% = 0%
82% 30%
40%
50%
60%
70%
(137/290) x 100% =
(4/290) x 100% =
47,24%
1,38%
(57/290) x 100% =
(7/290) x 100% =
19,66%
2,41%
(11/290) x 100% =
(10/290) x 100% =
3,79%
3,45%
(1/290) x 100% =
(16/290) x 100% =
0,345%
5,52%
(0/290) x 100% = 0%
(18/290) x 100% = 6,21%
80%
(0/290) x 100% = 0%
(20/290) x 100% = 6,90%
90%
(0/290) x 100% = 0%
(20/290) x 100% = 6,90%
100%
(0/290) x 100% = 0%
(20/290) x 100% = 6,90%
48
Berdasarkan data FAR dan FRR pada tabel 4.3 maka ditampilkan gambar berupa gambar 4.4
100 90 80 70 60 50 40 30 20 10 0
FAR FRR
0%
20%
40%
60%
80%
100%
Gambar 4.4 Chart dari FAR dan FRR
4.3.
Prototyping Pada bagian ini diberikan prototyping dari sistem identifikasi sidik jari berbasis minutiae.
Gambar 4.5 Tampilan sistem
49
Gambar 4.1 merupakan gambar tampilan awal dari sebuah sistem idenfikasi sidik jari. Pada tampilan sistem terdapat tombol-tombol untuk pengaplikasian metode tertentu pada gambar. Untuk setiap tombol tidak dapat di klik tanpa menjalankan tombol sebelumnya. Di bawah ini merupakan tampilan untuk masing-masing metode yang digunakan berdasarkan sistem yang ada.
4.3.1 Loading Image Pada sistem identifikasi sidik jari komponen yang paling penting adalah gambar sidik jari. Di bawah ini adalah tampilan pengambilan gambar sidik jari. User akan memilih data sidik jari yang ingin diproses. Untuk format gambar sidik jari yang dapat diambil berupa gambar dengan tipe bmp, BMP,tif,TIF,jpg,dan png.
Gambar 4.6 Load image dialog box
Setelah memilih gambar sidik jari, gambar tersebut akan ditampilkan pada kotak sebelah kiri.
50
Gambar 4.7 Load image
Setelah itu tombol untuk melakukan histogram equalization akan dapat ditekan.
4.3.2 Histogram Equalization Histogram equalization merupakan metode untuk meningkatkan kontras sebuah gambar sidik jari. Di bawah ini adalah tampilan dari gambar sidik jari yang telah diproses dengan histogram equalization.
Gambar 4.8 Histogram equalization
Pada bagian ini gambar sidik jari yang telah didapat kemudian diproses dengan menggunakan metode histogram equalization. Gambar
51
hasil dari histogram equalization ditampilkan di kotak sebelah kanan. Setelah itu tombol butterworth band pass filter dapar ditekan.
4.3.3 Band Pass Filtering Sebelum melakukan band pass filtering maka terlebih dahulu dilakuka proses untuk mengubah gambar sidik jari yag berasal dari ranah spasial menjadi ranah frekuensi. Digunakannya fast fourier transform untuk tujuan tersebut agar mempercepat proses dibandingkan dengan fourier transform biasa. Di bawah ini adalah tampilan dari gambar sidik jari yang telah melalui proses band pass filtering.
Gambar 4.9 Band Pass Filering
Setelah gambar melewati proses histogram equalization untuk memperbaiki kontras dari sebuah gambar maka dilakukan perbaikan dengan menggunakan fourier transform. Gambar yang berasal dari spatial domain kemudian diubah untuk dilihat frekuensinya di dalam frequency domain. Setelah gambar berada dalam frequency domain maka dilakukan filtering dengan
menggunakan
butterworth
band
pass
filtering
sehingga
menghasilkan gambar yang lebih baik. Selanjutnya tombol dari binarization diaktifkan sehingga bisa ditekan.
52
4.3.4 Binarization Binarization merupakan proses mengubah gambar sidik jari dengan tipe grayscale menjadi sidik jari dengan tipe binary. Gambar binary adalah gambar dengan nilai 0 untuk warna hitam dan 1 untuk warna putih. Di bawah ini merupakan tampilan dari gambar sidik jari yang telah melalui proses binarization.
Gambar 4.10 Binarization
Gambar yang telah diperbaiki kualitasnya kemudian akan melewati proses binarization atau binarisasi. Proses ini dilakukan agar gambar hanya memiliki dua nilai yakni 0 dan 1. Setelah itu tombol ROI diaktifkan dan dapat dipilih.
53
4.3.5 Image Segmentation Proses segmentasi gambar dilakukan untuk membedakan daerah utama sidik jari daripada daerah lainnya. Sehingga pemrosesan selanjutnya dapat dilakukan di dalam daerah tersebut. Di bawah ini merupakan tampilan gambar sidik jari yang telah melalui proses segmentasi.
Gambar 4.11 Image segmentation
Proses segmentasi dilakukan untuk mengetahui daerah dari sidik jari. Pada penelitian ini selain menentukan daerah dari gambar sidik jari melainkan juga menentukan aliran dari ridge pada sidik jari. Dengan mengetahui aliran dari tiap ridge maka gambar lebih akurat. Setelah itu tombol thinning dapat ditekan.
54
4.3.6 Thinning Thinning merupakan prose penipisan garis sidik jari atau ridges sehingga ketebalannya hanya 1 piksel. Penipisan garis ini dilakukan agar proses selanjutnya menjadi lebih mudah. Di bawah ini merupakan tampilan gambar sidik jari yang telah melalui proses thinning.
Gambar 4.12 Thinning image Pada penelitian ini proses thinning dilakukan dengan 3 metode sekaligus yakni melakukan thinning dari gambar binary, melakukan thinning pada gambar sebelumnya untuk menghilangkan hbreak, serta melakukan thinning selanjutnya untuk menghilangkan spike.
55
4.3.7 Minutiae Extraction Ekstraksi minutiae adalah proses untuk mengekstraksi fitur sidik jari yang berupa minutiae seperti termination dan bifurcation. Setelah proses ini selesai maka akan muncul gambar sidik jari dengan penandaan fitur-fitur sidik jari tersebut. Di bawah ini adalah tampilan sidik jari dengan fiturfiturnya.
Gambar 4.13 Minutiae extraction
Proses ekstraksi seperti gambar diatas menghasilkan banyak minutiae pada gambar sidik jari. Minutiae-minutiae tersebut yang nantinya menjadi acuan untuk proses matching. Berdasarkan hasil di atas maka gambar dengan tanda silang berwarna kuning menunjukkan termination sedangkan gambar dengan silang berwarna merah menunjukkan bifurcation.
56
4.3.8 False Minutiae Removal Pada proses false minutiae removal dilakukan pengamatan apakah fitur yang didapat merupakan fitur yang benar. Jika tidak maka fitur tersebut akan dihilangkan dari sidik jari tersebut. Penghilangan fitur ini bertujuan agar pada saat proses pencocokan sidik jari tidak terjadi kesalahan. Di bawah ini merupakan tampilan gambar sidik jari dengan penghilangan fitur palsu.
Gambar 4.14 False minutiae removal
Pada gambar diatas terlihat bawah banyak minutiae telah dihapuskan. Minutiae yang tersisa kemudian menjadi minutiae asli dari sebuah gambar sidik jari. Setelahnya pola tersebut disimpan dalam bentuk file untuk digunakan nantinya pada tahap matching. Setelah melakukan ekstraksi terdapat dua pilihan tombol yakni reenter offline process yakni mengulang proses dari load image, enhance image, extraction sampai dengan save. Jika memilh tombol save maka akan mucnul dialog box seperti pada gambar 4.12
57
Gambar 4.15 Save dialog box
Setelah memasukan nama untuk menyimpan informasi minutiae maka data akan secara otomatis masuk pada folder template dengan tipe data .ascii. Selanjutnya, jika memililih minutiae matching maka akan berpindah ke window matching.
4.3.9 Matching Pada proses matching dilakukan pencocokan sidik jari dengan menggunakan
minutiae.
Pencocokan
yang
dilakukan
merupakan
pencocokan antara sidik jari yang masukan dengan sidik jari yang terdapat pada database. Di bawah ini merupakan tampilan hasil dari proses matching.
Gambar 4.16 Matching
Proses yang dilakukan adalah dengan memilih template data yang pertama dan kedua. Setelah itu menekan tombol matching sehingga
58
dilakukan penghitungan terhadap kecocokan minutiae. Setelah didapat, hasil akan ditunjukkan dalam tabel yang terdapat di bagian kiri.
Gambar 4.17 Matching process
Setelah itu pada tombol Result maka user akan diminta untuk menentukan nilai threshold. Setelah memasukan nilai threshold maka akan muncul nilai matching yang melebihi nilai threshold.
Gambar 4.18 Hasil threshold
