PENGAMANAN BIOMETRIC MENGGUNAKAN ALGORITMA RIVEST SHAMIR ADLEMAN PADA SISTEM IDENTIFIKASI IRIS MATA SKRIPSI IBRAHIM DENAI

Transkripsi

1 PENGAMANAN BIOMETRIC MENGGUNAKAN ALGORITMA RIVEST SHAMIR ADLEMAN PADA SISTEM IDENTIFIKASI IRIS MATA SKRIPSI IBRAHIM DENAI PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

2 PENGAMANAN BIOMETRIC MENGGUNAKAN ALGORITMA RIVEST SHAMIR ADLEMAN PADA SISTEM IDENTIFIKASI IRIS MATA SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi IBRAHIM DENAI PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

3 PERSETUJUAN Judul : PENGAMANAN BIOMETRIC MENGGUNAKAN ALGORITMA RIVEST SHAMIR ADLEMAN PADA SISTEM IDENTIFIKASI IRIS MATA Kategori : SKRIPSI Nama : IBRAHIM DENAI Nomor Induk Mahasiswa : Program Studi : S1 TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dedy Arisandi, ST.M.Kom M. Andri Budiman, ST.M.Comp.Sc.M.E.M NIP NIP Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, ST., MM.IT NIP

4 PERNYATAAN PENGAMANAN BIOMETRIC MENGGUNAKAN ALGORITMA RIVEST SHAMIR ADLEMAN PADA SISTEM IDENTIFIKASI IRIS MATA SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Mei 2015 Ibrahim Denai

5 UCAPAN TERIMA KASIH Puji dan syukur penulis sampaikan ke hadirat Tuhan Yang Maha Esa yang telah memberikan rahmat serta restu-nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi. Pertama, penulis ingin mengucapkan terima kasih kepada Bapak M. Andri Budiman, ST.M.Comp.Sc.M.E.M selaku pembimbing pertama dan Bapak Dedy Arisandi, ST.M.Kom selaku pembimbing kedua yang telah membimbing. penulis dalam penelitian serta penulisan skripsi ini. Tanpa inspirasi serta motivasi yang diberikan dari kedua pembimbing, tentunya penulis tidak akan dapat menyelesaikan skripsi ini. Penulis juga mengucapkan terima kasih kepada Bapak Romi Fadillah Rahmat B.comp.Sc.,M.Sc sebagai dosen pembanding pertama dan Bapak Sajadin Sembiring S.Si.,M.Comp.Sc sebagai dosen pembanding kedua yang telah memberikan masukan serta kritik yang bermanfaat dalam penulisan skripsi ini. Ucapan terima kasih juga ditujuan kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, dan semua dosen serta pegawai di lingkungan program studi Teknologi Informasi, yang telah membantu serta membimbing penulis selama proses perkuliahan. Penulis tentunya tidak lupa berterima kasih kepada kedua orang tua penulis, yaitu Bapak Marjunas dan Ibu Alm Ariani yang telah membesarkan penulis dengan sabar dan penuh cinta. Terima kasih juga penulis ucapkan kepada kakak penulis Liza Prima Sari, Rahayu Mardasari, Mei Indah sari dan adik penulis Muhardi, serta seluruh keluarga yang selalu memberikan dukungan kepada penulis. Terima kasih juga penulis ucapkan kepada teman-teman yang telah memberikan dukungan, khususnya Joko Ali Permady, Dian Rahmad, Handra Saito, Edgar Audela, Dian Puspitasari Sebayang, Fahry Rozi, Muslim B Naution, M Galih Rivai, Eka Tama, Desy Affrianti, Chairul Saleh, M Herri Mustaqim, Ovy Rizki, Fezan Habil dan Yohana Fithri serta seluruh teman-teman angkatan 2010 Teknologi Informasi USU. Semoga Allah SWT membalas kebaikan kalian.

6 ABSTRAK Keamanan sistem informasi menjadi suatu kebutuhan di dalam teknologi informasi. Aspek utama dalam keamanan informasi tersebut diantaranya yaitu privasi yang menjaga kerahasiaan informasi. Salah satu pengamanan data yang sangat penting yaitu melakukan pengamanan data citra mata dari proses sistem biometric. Salah satu cara yang digunakan untuk mengidentifikasi citra mata tersebut benar adalah dengan mencocokan frekuensi citra tersebut. Proses identifikasi pada citra merupakan cara untuk memvalidasi pemilik dari citra dan keaslian dari citra tersebut. Namun dari aspek keamanan informasi, identifikasi saja belum cukup untuk melindungi data informasi pribadi dari seseorang. Dibutuhkannya metoda pengamanan data sebagai fitur yang selaras saat proses identifikasi citra berlangsung. Pengamanan data sangat diperlukan karena citra yang diproses berdasarkan karakteristik fisiologis yang bersifat unik dan tidak tergantikan. Metode yang diajukan pada penelitian ini adalah Histogram Equalization untuk identifikasi citra mata. Dengan fitur keamanan kriptografi dengan metode RSA. Sebelum proses identifikasi dilakukan, citra mata akan mengalami pre-processing, binarization dan nilai matriks yang telah diubah ke biner akan diolah pada fitur kriptografi RSA yang selaras saat proses identifikasi. Pada penelitian ini ditunjukkan bahwa metode yang diajukan mampu melakukan identifikasi citra mata dengan akurasi 85%. Kata kunci: Identifikasi citra mata, biometric, Histogram Equalization, RSA, kriptografi, verifikasi, pre-processing.

7 BIOMETRIC IMAGE SECURITY FEATURES USING RIVEST SHAMIR ADLEMAN ALGORITHM THROUGH EYE IDENTIFICATION SYSTEM ABSTRACT Security of information systems become a necessity in information technology. The main aspect of the information security among which privacy maintain the confidentiality of information. One of the most important data security is security for eye image data from the biometric system. One of the means used to identify the right eye image is to match the frequency of the image. The identification procces of the image is a mode to validate the owner of the image and also the authenticity of the image. However, from the view point of information security, only to identification procces is not enough to protect the personal information of a person. Be required for data security methods as features in tune when the image identification process takes place. Security of data is needed because the image is processed based on physiological characteristics that are unique and irreplaceable. The method proposed in this study is the identification of Histogram Equalization for eye image. With the cryptographic security features use RSA method. Pre-processing and binarization will be done before the identification phase then the value matrix that has been converted to binary will be processed on RSA cryptography features are aligned during the process of identification.this research shows that the proposed method is able to identify the image of the eye with accuracy of 85%. Keyword: eye identification, biometric, Histogram Equalization, RSA, kryptograph, verification, pre-processing.

8 DAFTAR ISI Hal. Persetujuan Pernyataan Ucapan Terima Kasih Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar ii iii iv v vi vii xi xii BAB 1 Pendahuluan Latar Belakang Rumusan Masalah Tujuan Penelitian Batasan Masalah Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 4 BAB 2 Landasan Teori Biometric Karakteristik biometric Keunggulan Biometric 7

9 Iris Mata Pendekatan Daughman Citra Citra biner (binary image) Citra keabuan (grayscale image) Citra warna (color image) Pengolahan Citra Cropping Scaling Grayscaling Perbaikan citra (Image Enhancement) Thresholding Erosi Inversi Perkalian Citra Histogram Equalization Rivest Shamir Aldeman Pembangkitan Kunci Proses Enkripsi Proses Deskripsi penelitian Terdahulu 25 BAB 3 Analisis dan Perancangan Arsitektur Umum Dataset 28

10 3.3. Pre-processing Penyesuaian Ukuran Citra (Scaling) Pembentukan Citra Green Channel Peningkatan Kualitas Citra Histogram Equalization Pembentukan Citra Biner (Thresholding) Pemotongan Dan pembagian skala citra biner Verrification Perancangan Sistem Perancangan antarmuka 38 BAB 4 Implementasi dan Pengujian Implementasi Sistem Spesifikasi perangkat keras dan perangkat lunak yang digunakan Implementai perancangan antarmuka Implementasi data Prosedur Operasional Pengujian Sistem 51 BAB 5 Kesimpulan dan Saran Kesimpulan Saran 62 Daftar Pustaka 64

11 DAFTAR TABEL Hal. Tabel 4.1. Rangkuman Data Citra 51 Tabel 4.2. Ukuran Kinerja Hasil Pengujian 57 Tabel 4.3. Hasil Pengujian Functionallity 60 Tabel 4.4. Hasil Pengujian Reliabillity 61 Tabel 4.5. Hasil Pengujian Relianility 61 Tabel 4.6. Hasil Pengujian Efficiency 62 Tabel 4.7. Hasil Pengujian Maintainabitility 62 Tabel 4.8. Hasil Pengujian Portability 63 Tabel 4.9. Ukuran kinerja hasil pengujian 64

12 DAFTAR GAMBAR Hal. Gambar 2.1. Anatomi iris yang diambil dari dataset (ICE, 2006) 9 Gambar 2.2. Citra biner 11 Gambar 2.3. Citra keabuan 11 Gambar 2.4. Citra warna 12 Gambar 2.5. Arah ketetanggaan antara dua piksel 18 Gambar 2.6. Jarak antar piksel 19 Gambar 2.7. Citra grayscale dalam bentuk matriks dan matriks framework 29 Gambar 2.8. Matriks kookurensi dengan jarak 1 dan arah 0 20 Gambar 2.9. Matriks kookurensi, matriks transpose, dan matriks simetris 20 Gambar Normalisasi matriks 21 Gambar Grafik Histogram 22 Gambar Citra array ukuran 8x8 24 Gambar Hasil persamaan (Haidi, 2007) 24 Gambar Output Citra Array Ukuran 8x8 25 Gambar (a) Citra asli (b) Output pertama citra HE (c) Output pertama citra HE (N=10) (d)output kedua citra HE (e) Output kedua citra HE (N=10) 26 Gambar 3.1. Arsitektur umum dari metode yang diajukan 32 Gambar 3.2. Citra green channel 34 Gambar 3.3. Citra hasil proses contrast stretching 34 Gambar 3.4. Flowchart Histogram Equalization pada program (dimodifikasi dari Kim, 2008) 36

13 Gambar 3.5. Citra Gray Scale diubah menjadi Citra Biner 37 Gambar 3.6. Citra hasil pengecilan 37 Gambar 3.7. Flowchart Enkripsi RSA (Goshwe, 2013) 41 Gambar 3.8. Proses deskripsi RSA (Goshwe, 2013) 42 Gambar 3.9. Rancangan tampilan awal aplikasi 44 Gambar Rancangan tampilan utama aplikasi 45 Gambar Usecase Diagram dari aplikasi 46 Gambar Flowchart aplikasi 47 Gambar 4.1. Tampilan awal aplikasi 49 Gambar 4.2. Tampilan utama sistem 50 Gambar 4.3. Tampilan saat tombol Browse dipilih 52 Gambar 4.4. Tampilan utama aplikasi setelah citra mata dipilih 52 Gambar 4.5. Citra yang telah melalui proses binerisasi 53 Gambar 4.6. Tampilan zoom citra resizing 54 Gambar 4.7. Tampilan zoom citra hasil greyscale 54 Gambar 4.8. Tampilan zoom citra hasil proses binerisasi 55 Gambar 4.9. Tampilan kunci yang dihasilkan saat proses enkripsi 55 Gambar Hasil verifikasi citra pada kolom verifikasi 5