tugas pengenalan pola
TRANSCRIPT
TUGAS PENGENALAN POLACONTOH APLIKASI UNTUK PENGENALAN POLA
SIDIK JARI
oleh :
ROSTINTYA DARMAYA PERTIWI
10120098 / kelas C
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS WIJAYA KUSUMA SURABAYA
2012-2013
LATAR BELAKANG
Teknik identifikasi konvensional untuk mengenali identitas seseorang dengan
menggunakan password atau kartu tidak cukup handal, karena sistem keamanan dapat ditembus
ketika password dan kartu tersebut digunakan oleh pengguna yang tidak berwenang. Sistem
autentifikasi data menggunakan pola sidik jari telah terbukti keakuratannya sebagai identifikasi
bila dibandingkan dengan sistem biometric lainnya seperti retina mata atau DNA. Dengan
berkembangnya ilmu biometrik, akhirnya berkembang pula suatu sistem keamanan akses yang
menggunakan karakteristik dari sidik jari sebagai password atau kunci untuk membuka akses
keamanan tersebut. Berdasarkan hasil riset dari internasional biometric group, bahwa 48%
industri biometrik lebih suka menggunakan aplikasi sidik jari untuk produk mereka daripada
menggunakan identifikasi biometrik lainya. Gambar dibawah ini memperlihatkan tahapan
pengolahan data sistem pengenalan pola sidik jari untuk sistem keamanan akses.
Contoh aplikasi sidik jari pada sistem absensi karyawan.
Sistem pengenalan identitas dengan sidik jari seperti yang dijelaskan pada gambar di atas
merupakan teknologi pengenalan pola yang banyak dipakai oleh industri biometrik pada saat ini.
Sistem tersebut masih mempunyai kelemahan, dimana user harus menempelkan jari pada bidang
sensor secara lurus, sehingga seringkali dijumpai user berulang kali mengalami kegagalan akses.
Untuk menangani permasalahan tersebut kita akan mencoba merancang suatu system pengenalan
pola yang lebih cerdas, yaitu sistem tersebut dapat mengenali pola sidik jari meskipun user
menempatkan posisi jarinya secara sembarang pada bidang sensor. Perkembangan algoritma
kecerdasan buatan (artificial inteligent) yang semakin handal akan dicoba untuk studi ini yaitu
dengan menggunakan algoritma feed forward backpropagation.
LANDASAN TEORI
1. PENGENALAN POLA
Pengenalan Pola dapat dikatakan sebagai kemampuan manusia mengenali obyek-
obyek berdasarkan ciri-ciri dan pengetahuan yang pernah diamatinya dari obyek-obyek
tersebut. Tujuannya adalah mengklasifikasi dan mendeskripsikan pola atau obyek
kompleks melalui pengetahuan sifat-sifat atau ciri-ciri obyek tersebut.
Pendekatan pengenalan pola ada tiga, yaitu secara sintaks, statistik, serta melalui
jaringan saraf tiruan. Pendekatan secara sintaks adalah pendekatan dengan menggunakan
aturan-aturan tertentu.
Pendekatan metode statistik adalah pendekatan dengan menggunakan data-data
yang berasal dari statistik. Pendekatan dengan pola jaringan syaraf tiruan pendekatan
dengan menggabungkan pendekatan sintaks dan statistik. Pendekatan melalui pola-pola ini
meniru cara kerja otak manusia, pada pola ini membuat rule-rule tertentu disertai dengan
menggunakan data statistik sebagai dasar untuk pengambilan keputusan.
Suau sistem pengenalan pola pada dasarnya terdiri atas tiga tahap, yaitu
penerimaan data, pengenalan data, dan pengenalan obyek atau pembuatan keputusan.
Adapun pengenalan utama dalam pengenalan pola adalah pendekatan geometrik dan
pendekatan struktural. Pendekatan struktural dilakukan dengan penentuan dasar yang
mendeskripsikan obyek yang akan dikenali.
Untuk pengenalan pola dengan pendekatan Jaringan Saraf Tiruan kita seolah-olah
membuat system yang kinerjanya sama dengan otak kita. Agar sistem tersebut bias menjadi
cerdas. Karena dengan melatih system terssebut maka akan menambah rule-rule serta data
statistic yang digunakan oleh system untuk mengambil keputusan.
2. PENGERTIAN SIDIK JARI
Sidik jari adalah pola-pola pada jari manusia. Pola-pola sidik jari manusia
dibentuk sejak usia empat bulan. Pola garis yang menonjol pada jari manusia berkembang
secara acak dan unik. Menjelang usia 8 bulan dan seterusnya pola sidik jari yang sudah
terbentuk tidak akan berubah sekalipun permukaan jari dibakar atau dipotong karena setiap
pola garis sudah tertanam sampai pada kulit bagian dalam.
Sidik jari dapat dijadikan sebagai system biometrik dimana sidik jari bersifat unik.
Berdasarkan klasifikasi pola sidik jari dapat dinyatakan secara umum kedalam tiga kategori
yaitu: arch, loop, dan whorl. Pada pola sidik jari dapat dilihat pada gambar berikut ini:
Gambar Pola Sidik Jari
Arches adalah pola garis alur sidik jari berbentuk suatu kurva terbuka yang
mencakup 5% dari populasi.
Loop adalah jenis paling umum yaitu kurva melingkar yaitu meliputi 60% sampai
dengan 65% dari populasi.
Whortl adalah berbentuk lingkaran penuh yang mencakup 30% sampai 35% dari
populasi.
Untuk setiap sidik jari manusia terdapat beberapa karakteristik sebagai berikut :
1. Ridge : garis yang menonjol pada permukaan jari.
2. Valley : daerah lembah di permukaan jari.
3. Minutiae : titik-titik perhentian (ending) atau titik-titik percabangan untuk setiap ridge
PEMBAHASAN
Secara umum pengenalan pola sidik jari terdiri dari 4 langkah, yaitu :
Tahapan pengenalan pola sidik jari
Tahap ke-1 (Image Acquisition) : adalah proses mendapatkan data image. Pengambilan
data dilakukan dengan metode ink rolled (tinta diteteskan pada permukaan stam pad
kemudian jari yang telah dikenai tinta dicapkan ke kertas dari ujung bawah kuku sampai
pangkal jari). Setelah itu kertas di scan menggunakan scanner canon. Karena pengambilan
image diambil secara langsung maka sering terjadi trial and error.
Tahap ke-2 (Image Preprocessing) : Pada tahap ini image diberi proses lain seperti
penghilangan noise/derau, penajaman image, pemotongan image, dll. Program yang
dipergunakan untuk memfilter image yaitu Program Adobe Photoshop dan Microsoft
Office Picture Manager. Keluaran dari tahap ini adalah image tersegmentasi yang akan
digunakan untuk proses selanjutnya dalam penelitian. Image tersegmentasi adalah image
yang sudah dipisahkan dari image awal.
Tahap ke-3 (Feature Extraction) : Di tahap ini, image akan diekstrak untuk mendapatkan
nilai-nilai yang merepresentasikan ciri spesifik dari image tersebut. Image dari tahap ke-2
akan diperkecil ukuran pixelnya karena jumlah datanya yang terlalu besar untuk dijadikan
input, sehingga image diperkecil menjadi 8x8 pixel. Image ini dipilih karena masih dapat
mewakili ciri citra asli, sesuai dengan rumus level maksimum dekomposisi yang dibatasi
oleh persamaan yang berkorelasi. Image ini akan diubah menjadi citra biner yang disimpan
dalam matriks dengan nilai 0 (hitam) dan 1 (putih). Proses perubahan citra menggunakan
MATLAB ver.7.1. dengan menggunakan perintah :
Imdat =imread('sampel1(input).jpg');
imgray=rgb2gray(imdat);
imbw =im2bw(imgray)
Data yang dihasilkan (imbw) disimpan dalam file .dat
Tahap ke-4 (Image Recognition) : Di tahap
ini, vektor ciri imageakan diklasifikasikan.
Keluaran dari tahap ini adalah klasifikasi
image, yang kemudian dapat secara langsung
untuk mengenali suatu image. Metode yang
digunakan adalah propagasi umpan balik
berbasis jaringan syaraf tiruan. Diagram alir
(flowchart) pengenalan pola sidik jari dengan
propagasi umpan balik berbasis jaringan
syaraf tiruan dapat dijelaskan pada gambar
disamping:
Hasil :
Analisa :
Nilai dari FFT (Fast Fourier Transform) sangat mempengaruhi hasil ekstraksi pada citra
sidik jari. Dengan nilai FFT yang berbeda pada citra yang sama akan menghasilkan hasil
ekstraksi yang berbeda.
Perbedaan nilai FFT akan mempengaruhi tingkat keakuratan dalam mencocokkan data
hasil pembacaan sidik jari.
Semakin besar perbedaan nilai FFT pada citra sidik jari yang sama akan menurunkan
tingkat kecocokan pada pengenalan sidik jari.
Tingkat kecocokan pada citra yang sama dengan nilai FFT yang sama mencapai 100%
KESIMPULAN
Metode FFT (Fast Fourier Transform) dapat digunakan untuk pengenalan untuk sidik jari.
Penggunaan metode FFT pada pengenalan sidik jari sangan bergantung pada nilai FFT
yang ditetapkan