BAB 2 TINJAUAN PUSTAKA. Sistem biometrik merupakan teknologi pengenalan diri yang menggunakan

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 TINJAUAN PUSTAKA. Sistem biometrik merupakan teknologi pengenalan diri yang menggunakan"

Transkripsi

1 19 BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Biometrik Sistem biometrik merupakan teknologi pengenalan diri yang menggunakan bagian tubuh atau perilaku manusia. Sidik jari dan tanda tangan merupakan contoh biometrik yang berdasarkan bagian tubuh dan tingkah laku manusia. Keduanya telah digunakan dalam teknologi biometrik dan telah diaplikasikan secara luas dewasa ini. Salah satu anggota tubuh yang sangat sering digunakan oleh para ahli forensik di dalam investigasi kriminal serta dalam sistem biometrik yang digunakan untuk mengidentifikasi pada berbagai kondisi sosial termasuk kontrol akses, penyelidikan kejahatan dan tindak kriminal, serta identitas pribadi adalah citra sidik jari [11]. Citra sidik jari ini digunakan karena kehandalannya sangat tinggi serta tidak ada individu yang mempunyai bentuk fisik dan tingkah laku yang sama persis. Alphonse Bertillon adalah pemberi ide untuk menggunakan body measurement untuk mengatasi kriminalitas, dimana body measurement dapat digunakan sebagai bukti dari pelaku kriminal. Selain untuk kepentingan bukti kriminalitas, body measurement digunakan juga sebagai suatu pengenal identitas. Citra sidik jari ini digunakan karena kehandalannya sangat tinggi serta tidak ada individu yang mempunyai bentuk fisik dan tingkah laku yang sama persis identifikasi citra sidik jari juga dipakai untuk menentukan dan mengenali ciri dari setiap user. Hal ini

2 20 disebabkan oleh banyaknya masalah pada pemalsu identitas yang dapat mengakses suatu fasilitas yang bukan haknya, misalnya mengakses suatu fasilitas keuangan dalam sebuah bank. Keuntungan lain yang didapat dengan menggunakan sistem biometrik adalah pengguna tidak perlu menghafal suatu kode tertentu (knowledge based) atau pengguna tidak perlu menggunakan suatu alat (traditional token) sebagai identitas. Selain untuk kepentingan bukti kriminalitas, body measurement digunakan juga sebagai suatu pengenal identitas. Dengan diterapkan biometrik ini dalam pengenalan identitas akan lebih efisien dikarenakan berkurangnya maintenance password komputer. Dengan menggunakan teknologi sistem biometrik jenis fingerprint merupakan perkembangan untuk security yang bisa diandalkan untuk masa yang akan datang karena tidak terdapat kesamaan pada setiap orang meskipun orang tersebut lahir kembar identik. Pada gambar 2.1 dijelaskan bahwa bagian enrollment terdiri dari bagian biometric sensor yang berfungsi untuk mengambil citra sidik jari dari pengguna kemudian pada bagian feature extraction digunakan untuk mengekstraksi ciri dari sidik jari yang selanjutnya disimpan sebagai database. Untuk proses autentivication biometric sensor untuk membaca sidik jari pengguna yang telah ada di database selanjutnya citra tersebut diekstraksi untuk mendapatkan ciri khusus yang sama dengan data yang disimpan pada database. Kemudian dilakukan matching dengan database apakah cirinya sama dengan data yang ada di database.

3 21 Biometric Sensor Feature Extraction Enrollment Database Biometric Sensor Feature Extraction ID:8039 Matching Autentivication Result Gambar 2.1. Arsitektur sistem biometrik [12] Tabel 2.1 menunjukkan beberapa contoh penerapan aplikasi biometrik yang sudah banyak menggunakan biometrik sebagai tanda pengenal karena memiliki nilai unik yang tidak terdapat kesamaan pada setiap orang meskipun orang tersebut lahir kembar identik.

4 22 Tabel 2.1. Penerapan aplikasi biometrik pada forensik, sipil dan komersial forensic civilian commercial [13]. Forensic Civilian Commercial Corpse identification National ID ATM Criminal investigation Driver s license Access Control Parenhood determination Welfare disbursement Cellular phone Border Crosing Credit Card Template NAME(PIN) name Quality Checker Feature Extractor System DB User interface Enrollment Gambar 2.2. Proses enrollment sidik jari [14]

5 23 Gambar 2.2 menunjukkan proses enrollment yang dimulai pada proses pengambilan data dengan dilakukan perbaikan citra selanjutnya diambil ciri khusus untuk disimpan sebagai database. NAME(PIN) Feature Extractor Matcher (1 match) One System DB template User interface Verification True/False Gambar 2.3. Proses verifikasi sidik jari [14] Gambar 2.3 merupakan proses verifikasi atau autentifikasi sidik jari dimana suatu proses yang dapat membandingkan citra sidik jari yang sudah tersimpan pada database dengan memasukkan kode pin dan citra sidik jari sebagai input data. Dengan hanya membandingkan data template pada database dan data input, hasil dari sistem verifikasi adalah data benar atau salah.

6 24 NAME ( PIN ) Feature Matcher Extractor ( N matche ) r N System DB templates User interface Identification User s identity or usernot identified Gambar 2.4. Proses identification sidik jari [14] Gambar 2.4 dapat dijelaskan bahwa sistem identifikasi merupakan suatu proses yang membandingkan data input dengan semua template data biometrik pada sistem database. Hal ini dilakukan karena pada sistem identifikasi dapat membandingkan semua data, sehingga pada proses identifikasi lebih kompleks dan waktu proses yang lebih lama dari pada sistem verifikasi.

7 25 Peralatan untuk mendapatkan citra sidik jari biasa disebut fingerprint. Pada setiap sensor fingerprint mempunyai tipe yang berbeda sehingga kemampuan masing-masing data yang dihasilkan juga berbeda. Dengan perbedaan spesifikasi dan kemampuan sensor fingerprint maka akan menghasilkan kualitas citra yang berbeda juga. Kemampuan ini dapat dilihat dari kepekaan pembacaan dari sebuah sensor. Sebagian sensor jika diberikan noise yang tinggi, maka citra sidik jari tidak dapat dibaca dan ada sebagian sensor jika diberikan noise yang tinggi, maka sensor tetap dapat membaca citra sidik jari. Dengan mengetahui jenis sensor yang dipakai akan dengan mudah menentukan bagaimana menerapkan pada kondisi yang akan kita ambil datanya atau dengan menentukan batas noise yang masih dapat dibaca oleh sensor, sehingga tidak akan terjadi kegagalan dalam membaca citra sidik jari dengan sensor yang sedang dipakai Sidik jari Sidik jari merupakan hasil reproduksi tapak jari baik yang diambil dengan sengaja maupun tidak sengaja, dicapkan dengan tinta, maupun bekas yang ditinggalkan pada benda karena pernah tersentuh kulit telapak tangan atau kaki. Sidik jari manusia digunakan untuk keperluan identifikasi karena tidak ada dua manusia yang memiliki sidik jari yang sama persis walaupun lahir kembar identik. Hal ini membuat sidik jari menjadi suatu yang unik dan tidak berubah dimana sidik jari ditentukan oleh permukaan topografi dari struktur ridge yang dimilikinya.

8 26 Ridge Bifurcation Ridge Ending Core ( a ) Ridge Ending Ridge Bifurcation Ridge Island Ridge Ecrorare Ridge Dot Core Delta ( b ) ( c ) Gambar 2.5. Data unik citra sidik jari (a) Whorl (b) Arch (c) Loop [12] Gambar 2.5 menunjukkan bahwa setiap citra sidik jari memiliki data unik. Pengertian data unik ini dapat dijelaskan bahwa ridge ending merupakan garis terputus, bifurcation merupakan dua garis yang bertemu di salah satu ujungnya, island merupakan garis pendek terputus pada kedua ujungnya, ecrorare merupakan garis putus-putus dan dot merupakan garis yang sangat pendek seperti titik. Secara spesifik, konfigurasi global dapat didefinisikan dengan struktur ridge yang digunakan untuk mengklasifikasikan suatu kelas dari citra sidik jari. Pada saat pendistribusian titik-titik digunakan untuk membandingkan atau menyepadankan dan membentuk kesamaan ciri atau pola diantara dua sample citra sidik jari. Sistem identifikasi otomatis

9 27 dengan menggunakan biometrik citra sidik jari, dapat berfungsi membandingkan citra sidik jari sebagai input dengan sekumpulan data citra sidik jari dalam suatu database. Tidak selamanya citra sidik jari dapat diperoleh dalam kondisi baik, terutama pengambilan citra sidik jari yang diambil tanpa persiapan. Seperti Gambar 2.6 terlihat beberapa citra sidik jari yang diambil tidak sempurna, maka untuk dapat mengambil informasi dengan benar perlu dilakukan perlakuan khusus. ( a ) ( b ) ( c ) ( d ) ( e ) ( f ) Gambar 2.6. Garis acquisition: (a) Sidik jari terkena tinta (b) Sidik jari tersembunyi didapat dari kondisi kejahatan (c,d,f) Diperoleh dari optical, (e) Diperolehdari sensor kapasitif [15].

10 28 Sidik jari dapat diklasifikasikan menjadi tiga kelas utama, yaitu: Arch, Loop dan Whorl berdasarkan dari pola garis pola garis (ridge) dan lembah (valley) [4]. Karena citra sidik jari yang unik, maka dari data itu akan dilakukan perbaikan citra terlebih dahulu untuk memunculkan karakteristik dari masing-masing citra sidik jari pada setiap orang. Perbaikan citra sidik jari perlu dilakukan karena mengalami perubahan pada citra sidik jari yang diakibatkan oleh sidik jari terkena kotoran, berminyak maupun kering. Di bawah ini adalah contoh dari ketiga kelas yang telah disebutkan yaitu: Arch, Loop dan Whorl. (a) (b) (c) Gambar 2.7. Klasifikasi pada citra sidik jari (a) Arch, (b) Loop dan (c) Whorl [4]. Pada Gambar 2.7 menunjukkan klasifikasi pada citra sidik jari ada tiga jenis citra sidik jari yang banyak ditemukan yaitu, Gambar 2.7(a) arch, sebuah pola berbentuk lengkungan, Gambar 2.7(b) loop, sebuah pola berbentuk lingkaran dan Gambar 2.7(c) whorl, sebuah pola berbentuk alur-alur berputar. Dari klasifikasi ini dapat dibagi menjadi beberapa subklasifikasi [8], yaitu:

11 29 a. Arch dibagi menjadi arch dan tented arch, dari beberapa populasi arch mempunyai presentasi sebesar 5%. b. Loop dibagi menjadi left loop, right loop dan double loop. Berbeda dengan arch, jumlah individu yang mempunyai klasifikasi loop sangat besar yaitu sebesar 60 %. c. Whorls pada klasifikasi ini jumlah presentasi individu sebesar 35% Identifikasi sidik jari Identifikasi sidik jari merupakan metode dalam mencocokkan data input citra sidik jari terhadap semua data template. Sebelum melakukan pencocokan ada beberapa langkah yang perlu dilakukan, diantaranya: a. Data acquisition adalah penerjemahan data dari suatu sensor ke dalam bit-bit data citra sidik jari. Ada beberapa metode dalam data acquisition diantaranya: an inked fingerprint, a latent fingerprint dan a live scan fingerprint. An inked fingerprint adalah pengambilan data dengan cara sidik jari diberi tinta untuk ditempelkan ke suatu kertas putih, selanjutnya kertas putih tersebut di-scan dan dimasukkan ke database. Sedangkan a latent fingerprint adalah cara yang banyak digunakan dalam mendeteksi masalah kriminal dimana pengambilan data sidik jari dilakukan pada suatu barang bukti kriminal yang diberikan bubuk atau cairan kimia, dan kemudian difoto untuk mendapatkan citra sidik jari. A live scan fingerprint adalah suatu alat yang embedded dalam suatu

12 30 aplikasi dimana alat tersebut akan mengambil data sidik jari user secara langsung dengan cara menempelkan sidik jari ke alat tersebut. b. Feature extraction adalah ekstraksi bit-bit data ke dalam parameter-parameter sesuai dengan metode yang akan dipakai dalam pencocokan. Pada metode minutiae bit-bit data akan di ekstraksi ke dalam vektor minutiae dan pada metode image matching based phase correlation bit-bit data akan diterjemahkan ke dalam komponen fourier. c. Decision making adalah membandingkan antara ekstraksi data input dan data template yang akan menghasilkan apakah data benar atau salah. Banyak metode pencocokan sidik jari yang telah dikembangkan, misalnya: minutiae-based dimana metode yang mencocokkan berdasarkan pada vektor ekstraksi minutiae, vektor ridge ending dan ridge bifurcation sidik jari input dan sidik jari (query) serta image-matching yang merupakan metode yang mencocokkan dua buah citra sidik jari. Penggolongan metode tersebut berdasarkan pada bagaimana cara mencocokkan citra sidik jari. Minutiae-based mempunyai keunggulan dalam kecepatan karena jumlah data yang dicocokkan berbentuk vektor dengan ukuran yang relatif kecil dibandingkan dengan metode image-matching. Sedangkan image-matching mempunyai keunggulan dari sisi akurasi data yang lebih tinggi dibandingkan dengan metode minutiae-based. Namun kelemahannya lambat dari sisi kecepatan.

13 Pengolahan Citra Pengolahan citra merupakan pemrosesan suatu citra, khususnya menggunakan komputer menjadi citra yang lebih baik. Dalam hal melakukan pengolahan citra, maka ada proses-proses yang akan dilalui untuk mendapatkan suatu citra yang lebih baik, diantaranya sebagai berikut: Binerisasi Kebanyakan algoritma ekstraksi minutiae beroperasi pada citra biner dimana hanya ada dua tingkat dominan yaitu: piksel hitam yang mewakili ridge, dan piksel putih yang mewakili valley seperti yang terlihat pada Gambar 2.8. Binerisasi adalah proses mengubah gray level citra menjadi citra biner. Hal ini akan meningkatkan kontras antara ridge dan valley dalam citra sidik jari dan akibatnya memfasilitasi ekstraksi minutiae. (a) (b) Gambar 2.8. Proses konversi binerisasi (a) citra asli, (b) hasil binerisasi [10]

14 32 Salah satu properti yang berguna dari Gabor Filter adalah ia memiliki komponen DC nol, yang berarti filtering citra menghasilkan nilai piksel rata-rata nol. Oleh karena itu, binerisasi langsung dari citra dapat dilakukan menggunakan global ambang nol. Proses binerisasi melibatkan pemeriksaan tingkat gray level nilai setiap piksel dalam citra yang disempurnakan dan jika nilai lebih besar daripada ambang global, maka nilai piksel disetel ke nilai biner satu, selain itu diatur ke nol. Hasilnya adalah citra biner berisi dua tingkat informasi, latar depan ridge dan latar belakang valley. Binerisasi diperoleh dengan persamaan (2.1)....(2.1) Thinning Thinning atau penipisan adalah suatu proses pengurangan objek dalam citra digital hingga mendapatkan ukuran minimal yang diperlukan untuk pengenalan objek tersebut oleh komputer, hasilnya dikenal dengan skeleton (kerangka) dan proses thinning kadang dikenal juga sebagai skeletonisasi. Algoritma thinning dikelompokkan dalam dua kelompok utama yakni iterative (pixel based) dan non-iterative (non pixel-based). Untuk kelompok iterative terdiri dari sequential dan paralel, sedangkan yang non-iterative terdiri dari medial axis transform, line following dan lain-lain [18]. Meskipun secara umum proses

15 33 thinning secara berulang akan melakukan proses penghapusan pada titik-titik tepi suatu area, beberapa hal harus diperhatikan [8]: a. Tidak menghapus atau menghilangkan titik akhir. b. Tidak memutuskan keterhubungan. c. Dan tidak terjadi pengikisan yang terlalu berlebihan. Suatu algoritma thinning dikatakan baik jika meliputi proses untuk menangani hal-hal sebagai berikut [17]: a. Kepekaan terhadap noise, algoritma thinning seharusnya tidak peka terhadap noise (mengabaikan noise). Noise dapat menyebabkan algoritma thinning menghasilkan kerangka yang tidak benar. b. Mempertahankan topologi dan geometri objek, hal ini dapat dicapai jika tidak terjadi pemutusan keterhubungan dan pengikisan yang berlebihan. c. Isotropi, hasil kerangka tetap sama meskipun objek diputar dalam berbagai arah. d. Dapat direkonstruksi, objek dapat dibentuk kembali berdasarkan kerangka hasil thinning. e. Efisien, kecepatan proses menjadi hal yang utama terutama pada aplikasi real time. Gambar 2.9 memperlihatkan proses thinning pada citra yang ber-noise, dimana pada proses thinning walau dilakukan proses berulang-ulang tapi tidak menghapus keseluruhan citra.

16 34 (a) (b) (c) (d) Gambar 2.9. Proses thinning pada citra (a) citra ber-noise; (b) citra ideal; (c) citra bernoise; (d) kerangka hasil thinning yang dipengaruhi noise [16] Gabor filter Saat informasi ridge orientasi dan ridge frekuensi telah ditentukan, parameterparameter ini digunakan untuk membentuk simetrik genap Gabor Filter. Sebuah Gabor filter dua dimensi terdiri atas dua gelombang sinusoida dari orientasi dan frekuensi, dimodulasikan oleh sebuah envelope (sampul) Gaussian [13]. Gabor filter bekerja pada frekuensi dan orientasi yang selektif sesuai sifatnya. Sifat-sifat ini membuat filter di tuning agar menghasilkan respon maksimal pada ridge orientasi

17 35 dan ridge frekuensi tertentu dalam pencitraan sidik jari. Untuk itu, tuning yang sempurna dari gabor filter dapat digunakan secara efektif untuk mempertahankan struktur ridge saat terjadi pengurangan noise. Gabor filter simetrik genap adalah bagian nyata dari fungsi gabor, yang diberikan oleh gelombang cosinus yang di modulasi oleh Gaussian (Gambar 2.10). Gabor filter dalam domain spatial ditentukan oleh [4]: G x θ x y = 2 θ..(2.2) 2 σ ' σ ' x y ' ' θ θ ( x y; θ, f ) exp + cos( 2πfx ),, 2 = xcosθ ysinθ,...(2.3) y = xsinθ + y cosθ,...(2.4) θ Dimana θ adalah orientasi gabor filter, f adalah frekuensi gelombang cosinus, σ x dan σ y adalah deviasi standar sifat gaussian sepanjang sumbu x dan y, dan xθ dan yθ mendefinisikan sumbu x dan y dari koordinat filter. f x y Gambar Gabor filter simetris genap dalam spatial domain [10]

18 36 Gabor Filter diterapkan pada citra sidik jari secara spasial untuk konvolusi citra dengan filter. Konvolusi piksel (i,j) pada citra memerlukan kesesuaian orientasi nilai dan nilai frekuensi ridge pada pikselnya. Oleh karena itu, penerapan gabor filter untuk memperoleh peningkatan citra dilakukan sesuai rumus: E wx = 2 wy 2 ( i, j) G( u, v; O( i, j), F( i, j) ) N( i u, j v) wx wy u = v= 2 2 Dimana adalah orientasi citra, adalah frekuensi ridge citra, adalah citra sidik jari yang telah dinormalkan, dan adalah lebar dan tinggi dari mask gabor filter. Bandwidth filter yang menentukan rentang respon frekuensi filter, ditentukan oleh parameter standar deviasi σ x dan σ y. Karena bandwidth filter diatur untuk menyesuaikan frekuensi ridge lokal, maka dapat disimpulkan bahwa pemilihan parameter σ x dan σ y harus terkait dengan frekuensi ridge. Namun, pada algoritma originalnya [9], σ x dan σ y secara empiris diatur pada tetapan nilai masing-masing 4.0 dan (2.5) Sebuah kelemahan menggunakan nilai yang tetap adalah bahwa kekuatan untuk bandwidth selalu konstan, tidak memperhitungkan variasi yang mungkin terjadi dalam nilai-nilai frekuensi ridge. Misalnya, jika sebuah filter dengan bandwidth konstan diterapkan untuk citra sidik jari yang mana menunjukkan variasi yang signifikan pada nilai frekuensi, dapat menyebabkan enhancement secara non-uniform atau enhancement tambahan lainnya. Dengan demikian, daripada menggunakan nilai

19 37 tetap, maka dipilih nilai σ x dan σ y menjadi fungsi parameter frekuensi ridge, yang didefinisikan sebagai berikut: σ x = k x F( i, j),... (2.6) σ y = k y F( i, j),... (2.7) Dimana F merupakan frekuensi ridge citra, adalah variabel konstan untuk σ x, dan adalah variabel konstan untuk σ y. Hal ini memungkinkan pendekatan yang lebih adaptif untuk digunakan, sebagai nilai-nilai σ x dan σ y sekarang dapat ditentukan secara adaptif sesuai dengan frekuensi ridge lokal dari citra sidik jari. Selanjutnya, dalam algoritma asal, lebar dan tinggi dari mask filter sama-sama diatur pada nilai tetap. Ukuran filter mengontrol luas spasial dari filter, yang idealnya dapat secara umum mengakomodasi manfaat informasi sinyal Gabor. Namun, nilai filter yang tetap akan tidak optimal karena tidak dapat mengakomodasi sinyal Gabor dengan bandwidth yang berbeda. Oleh karena itu, agar memungkinkan ukuran filter bervariasi secara otomatis mengikuti bandwidth sinyal Gabor, maka ditetapkan ukuran filter menjadi fungsi yang memakai standar deviasi sebagai parameter [19]: w x wy = 6σ x,...(2.8) = 6σ y...(2.9) Dimana dan adalah lebar dan tinggi mask filter Gabor; σ x dan σ y adalah standar deviasi dari bentuk Gaussian sepanjang sumbu x dan y. Dalam

20 38 persamaan (2.9) lebar dan tinggi dari mask filter keduanya ditetapkan sebagai, karena sebagian besar informasi gelombang Gabor terkandung di rentang ini jauh dari sumbu. Oleh karena itu, pemilihan nilai parameter ini memungkinkan masker filter untuk merekam sebagian besar informasi sinyal Gabor Identifikasi Sidik Jari Identifikasi sidik jari merupakan metode dalam mencocokkan data input sidik jari terhadap semua data template. Sebelum melakukan pencocokan ada beberapa langkah yang perlu dilakukan diantaranya: a. Data acquisition adalah penerjemahan data dari suatu sensor ke dalam bit-bit data sidik jari. Ada beberapa metode dalam data acquisition diantaranya: an inked fingerprint, a latent fingerprint dan a live scan fingerprint. An inked fingerprint adalah pengambilan data dengan cara sidik jari diberi tinta untuk ditempelkan ke suatu kertas putih, selanjutnya kertas putih tersebut di-scan dan dimasukkan ke database. A latent fingerprint adalah pengambilan data yang dilakukan pada suatu barang bukti kriminal dengan memberikan bubuk atau cairan kimia, kemudian di foto untuk mendapatkan sidik jari. Sedangkan A live scan fingerprint adalah suatu alat embedded dalam suatu aplikasi dimana alat akan mengambil data sidik jari user secara langsung dengan cara sidik jari ditempelkan ke alat tersebut. b. Feature extraction merupakan ekstraksi bit-bit data ke dalam parameter-

21 39 parameter sesuai dengan metode yang akan dipakai dalam pencocokan sidik jari. Pada metode minutiae bit-bit data akan di ekstraksi ke dalam vektor minutiae dan metode citra matching based phase correlation bit-bit data akan diterjemahkan ke dalam komponen fourier. c. Decision making adalah membandingkan data sidik jari antara ekstraksi data input dengan data template, sehingga menghasilkan data yang benar atau salah. Minutiae-based mempunyai keunggulan dalam kecepatan karena jumlah data yang dicocokkan berbentuk vektor dengan ukuran yang relatif kecil bila dibandingkan dengan metode citra-matching yang hanya unggul dari sisi keakurasian data, namun kelemahannya lambat dari sisi kecepatan Minutiae Minutiae adalah vektor dari ridge ending dan ridge bifurcation dari sebuah citra sidik jari seperti yang diperlihatkan pada Gambar Vektor ridge ending adalah lokasi koordinat x, y dan sudut θ dari ujung garis jari. Sedangkan Vektor ridge bifurcation adalah koordinat x, y dan sudut θ dari garis jari yang berbentuk cabang. Untuk menentukan suatu lokasi dari ridge ending dan ridge bifurcation dalam suatu citra sidik jari adalah dengan melihat piksel tetangga dari suatu piksel citra setelah dilakukan proses sceletonized. Jika suatu piksel R mempunyai piksel tetangga, X1, X2,..Xk. Suatu piksel dikategorikan sebagai ridge ending jika piksel tersebut mempunyai kondisi sebagai berikut:

22 40...(2.10) Sedangkan suatu piksel dikategorikan sebagai ridge bifurcation jika hubungan piksel dan piksel tetangganya memenuhi kondisi sebagai berikut:...(2.11) Gambar Vektor minutiae ridge (x,y,θ) ending dan ridge bifurcation [14] Untuk mendapatkan hasil ekstraksi minutiae yang akurat diperlukan suatu metode enhancement citra, hal ini dikarenakan data acquisition seringkali menghasilkan data citra dengan kualitas kurang baik. Salah satu enhancement citra adalah recovered dari ridge, contoh sidik jari dengan kualitas yang baik dan rendah seperti pada Gambar 2.12.

23 41 (a) (b) Gambar Dua citra sidik jari dengan kualitas yang berbeda (a) citra kualitas baik; (b) citra kualitas rendah [11] Minutiae matching Minutiae matching merupakan proses pencocokan vektor minutiae dari query sidik jari dengan vektor minutiae yang ada pada database. Pada Gambar 2.13 menunjukkan minutiae dari query yang digambarkan dengan warna hitam sedangkan minutiae pada database digambarkan dengan warna merah. Jika minutiae pada database mempunyai lokasi x,y dan sudut yang sama atau hampir sama dengan minutiae input dianggap teridentifikasi. Area yang berwarna biru muda menunjukkan vektor minutiae query bersesuaian dengan vektor minutiae sidik jari pada database. Korelasi vektor minutiae input dan vektor minutiae template dapat di nilai dengan:...(2.12) = Jumlah vektor minutiae query dan template yang bersesuaian = Jumlah vektor minutiae query

24 42 (a) (b) (c) Gambar Minutiae matching dari sampel input sidik jari dan template database; (a) citra sidik jari; (b) query database; (c) minutiae matching [17] Beberapa faktor penyebab sehingga tidak dapat dilakukan penilaian pada vektor minutiae disebabkan oleh: a. Faktor usia, yakni garis sidik jari terlihat tidak jelas seperti pada orang tua. b. Faktor kecelakaan yang menyebabkan hilangnya garis-garis jari pada sidik jari. c. Faktor cuaca, sehingga garis-garis jari tidak jelas pada individu yang tinggal pada kawasan yang cuacanya terlalu kering. d. Faktor keturunan. Hal tersebut menyebabkan kualitas citra pada data acquisition sangat jelek. Dari seratus populasi, persentase data acquisition yang jelek adalah sebesar dua sampai lima persen [8].

ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER

ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER MUHAMMAD NASIR 2208 205 001 Dosen Pembimbing : Mochamad Hariadi,, S.T., M.Sc.,., Ph.D. Sidang Tesis Fakultas Teknologi

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA. keamanan data, namun sudah banyak teknologi yang diterapkan untuk menjaga

BAB 2 TINJAUAN PUSTAKA. keamanan data, namun sudah banyak teknologi yang diterapkan untuk menjaga BAB 2 TINJAUAN PUSTAKA 2.1. Biometrik Authentifikasi Autentification dalam security adalah hal yang sangat penting untuk menjaga keamanan data, namun sudah banyak teknologi yang diterapkan untuk menjaga

Lebih terperinci

SISTEM PENGAMAN BRANKAS MENGGUNAKAN KODE PASSWORD DAN SIDIK JARI BERBASIS MIKROKONTROLLER

SISTEM PENGAMAN BRANKAS MENGGUNAKAN KODE PASSWORD DAN SIDIK JARI BERBASIS MIKROKONTROLLER SISTEM PENGAMAN BRANKAS MENGGUNAKAN KODE PASSWORD DAN SIDIK JARI BERBASIS MIKROKONTROLLER Khairul Agus Rizal 1, Naziruddin 2 dan Zamzami 3 1 Prodi Instrumentasi dan Otomasi Industri Jurusan Teknik Elektro

Lebih terperinci

IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso

IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR Oleh : Siswo Santoso Pendahuluan Latar Belakang Angka kelahiran lebih besar dari angka kematian sehingga

Lebih terperinci

Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3)

Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3) Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan

Lebih terperinci

KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)

KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1), Tulus 2), F. Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan

Lebih terperinci

Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform)

Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1),Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan

Lebih terperinci

PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)

PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT...Salahuddin, dkk PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1, Tulus 2 dan Fahmi 3 1) Magister Teknik

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, manusia selalu memanfaatkan teknologi untuk melakukan kegiatannya. Ini dikarenakan teknologi membuat tugas manusia menjadi lebih ringan

Lebih terperinci

Jurnal Pendidikan Fisika Indonesia 7 (2011) RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE

Jurnal Pendidikan Fisika Indonesia 7 (2011) RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE ISSN: 1693-1246 Januari 2011 Jurnal Pendidikan Fisika Indonesia 7 (2011) 47-51 J P F I http://journal.unnes.ac.id RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE Sudartono*,

Lebih terperinci

BAB 3 METODOLOGI. 3.1 Kerangka Pikir

BAB 3 METODOLOGI. 3.1 Kerangka Pikir 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

Lebih terperinci

BAB III PERANCANGAN SISTEM

BAB III PERANCANGAN SISTEM BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN 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

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam

Lebih terperinci

BAB 3 ANALISA DAN PERANCANGAN SISTEM. input yang digunakan merupakan sebuah pemindai sidik jari dengan kedalaman pixel

BAB 3 ANALISA DAN PERANCANGAN SISTEM. input yang digunakan merupakan sebuah pemindai sidik jari dengan kedalaman pixel BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Perancangan Sistem Sidik Jari Dalam prosesnya, sistem pengenal sidik jari bekerja hanya dengan memanfaatkan satu input dari user yang bersangkutan, yaitu sidik

Lebih terperinci

Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski

Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia

Lebih terperinci

PENGENALAN POLA SIDIK JARI

PENGENALAN POLA SIDIK JARI TUGAS SISTEM PENDUKUNG KEPUTUSAN PENGENALAN POLA SIDIK JARI Disusun oleh : FAHMIATI NPM : 08.57201.000502 PROGRAM STUDI STRATA SATU (S1) SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS DARWAN ALI SAMPIT

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi

Lebih terperinci

Perancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor

Perancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 2, April 2003, hal. 39-46 Perancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor Kusworo Adi Laboratorium Instrumentasi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file).

Lebih terperinci

BAB III LANDASAN TEORI. Sidik jari adalah hasil reproduksi tapak jari yang baik yang sengaja

BAB III LANDASAN TEORI. Sidik jari adalah hasil reproduksi tapak jari yang baik yang sengaja BAB III LANDASAN TEORI 3.1 Sidik jari Sidik jari adalah hasil reproduksi tapak jari yang baik yang sengaja diambil, dicapkan dengan tinta, maupun bekas yang ditinggalkan pada benda karena pernah tersentuh

Lebih terperinci

Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation

Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation th Seminar on Intelligent Technology and Its Applications, SITIA 00 ISSN: 087-33X Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation Cahyo Darujati,3 Rahmat Syam,3 Mochamad Hariadi

Lebih terperinci

IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA

IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA Anggya N.D. Soetarmono, S.Kom. ABSTRAK Penelitian ini membahas tentang sistem identifikasi personal dengan menggunakan kesesuaian biometrik pada

Lebih terperinci

PENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)

PENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Penguian Kualitas Citra Sidik Jari Kotor Menggunakan...Muhammad Nasir dan Muhammad Syahroni PENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Muhammad Nasir 1 dan

Lebih terperinci

Penerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari

Penerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari Penerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari Annisa Muzdalifa/13515090 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Klasifikasi sidik jari merupakan bagian penting dalam sistem pengidentifikasian individu. Pemanfaatan identifikasi sidik jari sudah semakin luas sebagai bagian dari

Lebih terperinci

BAB II TINJUAN PUSTAKA

BAB II TINJUAN PUSTAKA BAB II TINJUAN PUSTAKA Bab ini menjelaskan mengenai konsep-konsep dasar yang digunakan sebagai penunjang dalam pembuatan penelitian ini. Adapun Konsep-konsep dasar tersebut meliputi : 2.1 Sejarah Watermarking

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah BAB I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pemalsuan identitas sering kali menjadi permasalahan utama dalam keamanan data, karena itulah muncul teknik-teknik pengamanan data seperti penggunaan

Lebih terperinci

TUGAS AKHIR CI1599 METODE PENGENALAN SIDIK JARI PARSIAL DENGAN MENGGUNAKAN DELAUNAY TRIANGULATION DAN ALGORITMA GENETIKA

TUGAS AKHIR CI1599 METODE PENGENALAN SIDIK JARI PARSIAL DENGAN MENGGUNAKAN DELAUNAY TRIANGULATION DAN ALGORITMA GENETIKA TUGAS AKHIR CI1599 METODE PENGENALAN SIDIK JARI PARSIAL DENGAN MENGGUNAKAN DELAUNAY TRIANGULATION DAN ALGORITMA GENETIKA TOVAN SETIONO NRP 5105 100 007 Dosen Pembimbing Prof. Dr. Ir. Handayani Tjandrasa,

Lebih terperinci

Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik

Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik Sri Heranurweni 1 1) Jurusan Teknik Elektro, Universitas Semarang email : heranur@yahoo.com Abstrak : Teknik identifikasi konvensional

Lebih terperinci

Enhancement Citra Sidik Jari Kotor Menggunakan Hybrid Method Dan Gabor Filter

Enhancement Citra Sidik Jari Kotor Menggunakan Hybrid Method Dan Gabor Filter Enhancement Citra Sidik Jari Kotor Menggunakan Hbrid Method Dan Gabor Filter Muhammad Nasir 1,3) Rahmat Sam,3) Mochamad Hariadi 3) 1) Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe, NAD,431 ) Jurusan

Lebih terperinci

PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT

PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT Mikrotiga, Vol, No. Mei 0 ISSN : 0 PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT Suci Dwijayanti *, Puspa Kurniasari Jurusan Teknik Elektro Universitas Sriwijaya,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan

Lebih terperinci

KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM)

KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM) KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM) Cilla Sundari 1, Muhammad Nasir 2, Hari Toha Hidayat 3 Program Studi Teknik Informatika, Jurusan Teknologi

Lebih terperinci

BAB II Tinjauan Pustaka

BAB II Tinjauan Pustaka BAB II Tinjauan Pustaka Pada bab ini dibahas mengenai konsep-konsep yang mendasari ekstraksi unsur jalan pada citra inderaja. Uraian mengenai konsep tersebut dimulai dari ekstraksi jalan, deteksi tepi,

Lebih terperinci

Oleh: Riza Prasetya Wicaksana

Oleh: Riza Prasetya Wicaksana Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya

Lebih terperinci

KEAMANAN DENGAN SISTEM BIOMETRIK Oleh : Krisnawati

KEAMANAN DENGAN SISTEM BIOMETRIK Oleh : Krisnawati 1 KEAMANAN DENGAN SISTEM BIOMETRIK Oleh : Krisnawati Abstrak Saat ini teknologi yang umum untuk mengenali seseorang di dunia digital adalah pasangan user ID dan password. Teknologi ini dirasakan memiliki

Lebih terperinci

Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor

Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor 1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut

Lebih terperinci

1. BAB I PENDAHULUAN Latar Belakang

1. BAB I PENDAHULUAN Latar Belakang 1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata

Lebih terperinci

Pertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc

Pertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi

Lebih terperinci

PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI

PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI F12 menggunakan verifikasi sidik jari yang diharapkan akan PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI Fila Harmuningtyas 1), Indah Agustien 2) Fitri Damayanti 3)

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan

Lebih terperinci

IDENTIFIKASI IRIS MATA MENGGUNAKAN TAPIS GABOR WAVELET DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ)

IDENTIFIKASI IRIS MATA MENGGUNAKAN TAPIS GABOR WAVELET DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ) IDENTIFIKASI IRIS MATA MENGGUNAKAN TAPIS GABOR WAVELET DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ) Budi Setiyono, R. Rizal Isnanto *) Abstract Biometric represents the human identification

Lebih terperinci

Analisa dan Pemodelan Kerumunan Orang pada Video Digital

Analisa dan Pemodelan Kerumunan Orang pada Video Digital Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman (2209106015) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1 Latar Belakang Angka

Lebih terperinci

ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX

ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi

Lebih terperinci

IMPLEMENTASI DAN EVALUASI

IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,

Lebih terperinci

Makalah Seminar Tugas akhir. Pengenalan Sidik Jari Menggunakan Algoritma Pencocokan Adaptif Berdasarkan Penjajaran Minutiae.

Makalah Seminar Tugas akhir. Pengenalan Sidik Jari Menggunakan Algoritma Pencocokan Adaptif Berdasarkan Penjajaran Minutiae. Makalah Seminar Tugas akhir Pengenalan Sidik Jari Menggunakan Algoritma Pencocokan Adaptif Berdasarkan Penjajaran Minutiae Tri Legawa *, Achmad Hidayatno **, Imam Santoso ** Jurusan Teknik Elektro, Fakultas

Lebih terperinci

PERBANDINGAN KINERJA METODE GRADIENT BERDASARKAN OPERATOR SOBEL DAN PREWITT IMPLEMENTASI PADA DETEKSI SIDIK JARI

PERBANDINGAN KINERJA METODE GRADIENT BERDASARKAN OPERATOR SOBEL DAN PREWITT IMPLEMENTASI PADA DETEKSI SIDIK JARI JURNAL INFORMATIKA Vol 3, No. 1, Januari 29 PERBANDINGAN KINERJA METODE GRADIENT BERDASARKAN OPERATOR SOBEL DAN PREWITT IMPLEMENTASI PADA DETEKSI SIDIK JARI Wahyu Pujiyono, Murinto, Irfan Adam Program

Lebih terperinci

Analisis dan Perancangan Transformasi Wavelet. Untuk Jaringan Syaraf Tiruan pada. Pengenalan Sidik Jari

Analisis dan Perancangan Transformasi Wavelet. Untuk Jaringan Syaraf Tiruan pada. Pengenalan Sidik Jari UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap 2005 / 2006 Analisis dan Perancangan Transformasi Wavelet Untuk Jaringan Syaraf Tiruan pada Pengenalan Sidik

Lebih terperinci

Pencocokan Citra Digital

Pencocokan Citra Digital BAB II DASAR TEORI II.1 Pencocokan Citra Digital Teknologi fotogrametri terus mengalami perkembangan dari sistem fotogrametri analog hingga sistem fotogrametri dijital yang lebih praktis, murah dan otomatis.

Lebih terperinci

Pembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD)

Pembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD) Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 1, Januari 2003, hal 5-10 Pembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD) Kusworo Adi Laboratorium Instrumentasi dan Elektronika

Lebih terperinci

PENGIDENTIFIKASIAN CACAT KELURUSAN SISI DAN KESIKUAN PADA UBIN KERAMIK MENGGUNAKAN TEKNIK MORFOLOGI. Kurniawan Teknik Informartika

PENGIDENTIFIKASIAN CACAT KELURUSAN SISI DAN KESIKUAN PADA UBIN KERAMIK MENGGUNAKAN TEKNIK MORFOLOGI. Kurniawan Teknik Informartika PENGIDENTIFIKASIAN CACAT KELURUSAN SISI DAN KESIKUAN PADA UBIN KERAMIK MENGGUNAKAN TEKNIK MORFOLOGI Kurniawan 50408503 Teknik Informartika Latar Belakang Permasalahan Kebutuhan perusahaan industri manufaktur

Lebih terperinci

BAB I PENDAHULUAN. perkembangan zaman dan teknologi, teknik pengenalan individu secara

BAB I PENDAHULUAN. perkembangan zaman dan teknologi, teknik pengenalan individu secara BAB I PENDAHULUAN 1.1 Latar Belakang Untuk mengontrol akses menuju suatu wilayah atau material yang dilindungi, dibutuhkan teknik pengenalan individu yang handal. Seiring dengan perkembangan zaman dan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa

Lebih terperinci

Pengaplikasian Graf dalam Analisis Forensik

Pengaplikasian Graf dalam Analisis Forensik Pengaplikasian Graf dalam Analisis Forensik Finiko Kasula Novenda, 13515029 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari

Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6 Intan Nur Lestari Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok

Lebih terperinci

EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM :

EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM : EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar

Lebih terperinci

YOGI WARDANA NRP

YOGI WARDANA NRP PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat

Lebih terperinci

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338

Lebih terperinci

BAB 3 ANALISA DAN PERANCANGAN

BAB 3 ANALISA DAN PERANCANGAN 44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas

Lebih terperinci

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan

Lebih terperinci

LANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital

LANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap

Lebih terperinci

PERBANDINGAN PERFORMA SEGMENTASI CITRA SIDIK JARI MENGGUNAKAN DETEKSI TEPI METODE SOBEL DENGAN METODE CANNY

PERBANDINGAN PERFORMA SEGMENTASI CITRA SIDIK JARI MENGGUNAKAN DETEKSI TEPI METODE SOBEL DENGAN METODE CANNY PERBANDINGAN PERFORMA SEGMENTASI CITRA SIDIK JARI MENGGUNAKAN DETEKSI TEPI METODE SOBEL DENGAN METODE CANNY Sila abdullah syakry 1, Muhammad Syahronir 2, Mulyadi 3 Program Studi Teknik Informatika, Jurusan

Lebih terperinci

Pengukuran Blok Window Terbaik Berdasarkan MSE...

Pengukuran Blok Window Terbaik Berdasarkan MSE... Pengukuran Blok Window Terbaik Berdasarkan MSE... (Dwiyanto dkk.) PENGUKURAN BLOK WINDOW TERBAIK BERDASARKAN MSE UNTUK SEGMENTASI CITRA SIDIK JARI BERBASIS MEAN DAN VARIANS Dwiyanto *, Agus Bejo, Risanuri

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi di bidang informasi spasial dan fotogrametri menuntut sumber data yang berbentuk digital, baik berformat vektor maupun raster. Hal ini dapat

Lebih terperinci

Citra. Prapengolahan. Ekstraksi Ciri BAB 2 LANDASAN TEORI

Citra. Prapengolahan. Ekstraksi Ciri BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teori-teori yang dibahas mengenai pengenalan pola, pengolahan citra,

Lebih terperinci

PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SARAF

PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SARAF PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SARAF Robbin Kristanto Tanzil Teknologi Informasi Sekolah Tinggi Teknik Surabaya robbin13mei@yahoo.com ABSTRAK Sidik jari paling banyak digunakan sebagai identification

Lebih terperinci

Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter

Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis

Lebih terperinci

BAB II LANDASAN TEORI. Berdasarkan kamus Bahasa Indonesia, absen adalah tidak bekerjanya

BAB II LANDASAN TEORI. Berdasarkan kamus Bahasa Indonesia, absen adalah tidak bekerjanya BAB II LANDASAN TEORI 2.1 Pengertian Absensi Berdasarkan kamus Bahasa Indonesia, absen adalah tidak bekerjanya seorang pegawai pada saat hari kerja, karena sakit, izin, alpa atau cuti. Absensi adalah daftar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai

Lebih terperinci

kalangan yang berkecimpung di dalam sesuatu yang membutuhkan pengamanan (security) data yang sangat tinggi. Pengamanan akan data-data ini semakin dira

kalangan yang berkecimpung di dalam sesuatu yang membutuhkan pengamanan (security) data yang sangat tinggi. Pengamanan akan data-data ini semakin dira SIMULASI DAN ANALISA SISTEM BIOMETRIK BERBASIS IRIS MATA Job Richard Hasintongan Sibarani Jurusan Teknik Informatika Fakultas Teknologi Industri, Universitas Gunadarma ABSTRAKSI Sistem biometrik pada saat

Lebih terperinci

SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si

SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si APLIKASI FILTER LOG GABOR PADA SISTEM PENGENALAN IRIS MATA (Application Log-Gabor Filter in Iris Recognition System ) SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP 1206100051 DOSEN PEMBIMBING: Drs. Daryono

Lebih terperinci

Muhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe

Muhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe KLASIFIKASI DAN PNGNALAN SIDIK JAI TTUMPUK BBASIS MTOD LANING VCTO QUANTIZATION Muhammad Nasir Jurusan Teknik lektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km. 280. Lhokseumawe 21 mail : masnasir_poli@yahoo.com

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Pada perkembangan teknologi informasi seperti saat ini, kebutuhan akan informasi dan sistem yang dapat membantu kebutuhan manusia dalam berbagai aspek sangatlah penting.

Lebih terperinci

ANALISA PROSES PEMADANAN PADA PEMINDAIAN SIDIK JARI DI STMIK JIBES

ANALISA PROSES PEMADANAN PADA PEMINDAIAN SIDIK JARI DI STMIK JIBES ANALISA PROSES PEMADANAN PADA PEMINDAIAN SIDIK JARI DI STMIK JIBES SKRIPSI Diajukan sebagai salah satu syarat untuk memperoleh Gelar Sarjana Informatika Jurusan Teknik Informatika Oleh: Nike Mayasari NIM:

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah

BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Studi Sistem Informasi Fakultas Tekniknologi Informasi Universitas Mercu

Lebih terperinci

PERANCANGAN PERANGKAT LUNAK RUMUS SIDIK JARI PADA BENTUK SIDIK JARI JENIS WHORL

PERANCANGAN PERANGKAT LUNAK RUMUS SIDIK JARI PADA BENTUK SIDIK JARI JENIS WHORL PERANCANGAN PERANGKAT LUNAK RUMUS SIDIK JARI PADA BENTUK SIDIK JARI JENIS WHORL Raditiana Patmasari 1, Mohamad Ramdhani 2, Achmad Rizal 3 1,2,3 Fakultas Teknik Elektro dan Komunikasi, Institut Teknologi

Lebih terperinci

APLIKASI TRANSAKSI VOUCHER MENGGUNAKAN RFID DAN FINGERPRINT

APLIKASI TRANSAKSI VOUCHER MENGGUNAKAN RFID DAN FINGERPRINT APLIKASI TRANSAKSI VOUCHER MENGGUNAKAN RFID DAN FINGERPRINT Andi Prasetyo 1), Setiawardhana, S.T 2), Fernando Ardilla, S.ST 2) Mahasiswa Jurusan Teknologi Informasi 1), Dosen Jurusan Teknologi Informasi

Lebih terperinci

REVIEW ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN PENCOCOKAN CITRA BERBASIS FASA UNTUK SIDIK JARI KUALITAS RENDAH

REVIEW ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN PENCOCOKAN CITRA BERBASIS FASA UNTUK SIDIK JARI KUALITAS RENDAH REVIEW ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN PENCOCOKAN CITRA BERBASIS FASA UNTUK SIDIK JARI KUALITAS RENDAH ABSTRAK Biometrika merupakan cara untuk mengidentifikasi individu menggunakan karekteristik

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan

Lebih terperinci

SISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING

SISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING SISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING Disusun Oleh : Dimastya Yonathan Pratama (1022061) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria

Lebih terperinci

1. Pendahuluan. 1.1 Latar belakang

1. Pendahuluan. 1.1 Latar belakang 1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan

Lebih terperinci

Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari

Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari Okta Hadi Saputra, Irawan Jurusan Teknik Elektro FTI - ITS Abstrak Teknik kriptografi sudah banyak digunakan untuk menjamin kerahasiaan

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Authentication Adalah proses dalam rangka validasi user pada saat memasuki sistem. Nama dan password dari user dicek melalui proses yang mengecek langsung ke

Lebih terperinci

MAKALAH FINGERPRINT FAST PENGENALAN SIDIK JARI MENGGUNAKAN SPIRAL OLEH: RONI WIJAYA

MAKALAH FINGERPRINT FAST PENGENALAN SIDIK JARI MENGGUNAKAN SPIRAL OLEH: RONI WIJAYA MAKALAH FINGERPRINT FAST PENGENALAN SIDIK JARI MENGGUNAKAN SPIRAL OLEH: RONI WIJAYA 08018184 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK INDUSTRI UNIVERSITAS AHMAD DAHLAN YOGYAKARTA 2012 1 BAB I PENDAHULUAN

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Digital Image 2.1.1 Definisi Digital Image Menurut Gonzalez dan Woods (1992, p6), digital image adalah image f(x,y) yang telah dibedakan berdasarkan koordinat tata letak dan

Lebih terperinci

BAB 2 LANDASAN TEORI. Landasan teori ini secara umum berisi dua hal penting, yaitu kerangka teori dan pola

BAB 2 LANDASAN TEORI. Landasan teori ini secara umum berisi dua hal penting, yaitu kerangka teori dan pola 7 BAB 2 LANDASAN TEORI Landasan teori ini secara umum berisi dua hal penting, yaitu kerangka teori dan pola pikir dari penulis. Sebagai kerangka teori, penulis menyajikan sejumlah teori yang relevan dengan

Lebih terperinci

PERANCANGAN OTENTIKASI SIDIK JARI PADA BIOMETRIC PAYMENT DESIGN OF AUTHENTICATION FINGERPRINT FOR BIOMETRIC PAYMENT ABSTRAK

PERANCANGAN OTENTIKASI SIDIK JARI PADA BIOMETRIC PAYMENT DESIGN OF AUTHENTICATION FINGERPRINT FOR BIOMETRIC PAYMENT ABSTRAK PERANCANGAN OTENTIKASI SIDIK JARI PADA BIOMETRIC PAYMENT DESIGN OF AUTHENTICATION FINGERPRINT FOR BIOMETRIC PAYMENT Andi Apriadi 1, Surya Michrandi ST., MT. 2, Fairuz Azmi ST.,MT. 3 1,2,3 Fakultas Elektro

Lebih terperinci

BAB I PENDAHULUAN. macam aplikasi dalam kehidupan sehari-hari. Proses autentikasi itu sendiri adalah

BAB I PENDAHULUAN. macam aplikasi dalam kehidupan sehari-hari. Proses autentikasi itu sendiri adalah BAB I PENDAHULUAN Latar Belakang Dewasa ini proses autentikasi semakin banyak digunakan untuk berbagai macam aplikasi dalam kehidupan sehari-hari. Proses autentikasi itu sendiri adalah proses untuk menentukan

Lebih terperinci

DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI

DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI Sri Suwarno 1, Sri Hartati 2 1 Program Studi Teknik Informatika UKDW Yogyakarta 2 Program Studi Ilmu Komputer Fakultas

Lebih terperinci

SISTEM SEKURITI KENDARAAN BERMOTOR MENGGUNAKAN FINGERPRINT SEBAGAI AUTHENTICATION ACCESS CONTROL BERBASIS EMBEDDED PC

SISTEM SEKURITI KENDARAAN BERMOTOR MENGGUNAKAN FINGERPRINT SEBAGAI AUTHENTICATION ACCESS CONTROL BERBASIS EMBEDDED PC SISTEM SEKURITI KENDARAAN BERMOTOR MENGGUNAKAN FINGERPRINT SEBAGAI AUTHENTICATION ACCESS CONTROL BERBASIS EMBEDDED PC Ridho Robby Gayuhaneki (1), A.R. Anom Besari S.ST, M.Kom (2), Dwi Kurnia Basuki S.Si,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-

BAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- 8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan

Lebih terperinci

Verifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC)

Verifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC) Verifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC) Adryan Chrysti Sendjaja (1022005) Jurusan Teknik Elektro Universitas Kristen Maranatha

Lebih terperinci