Powered by TCPDF (www.tcpdf.org) ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN ADAPTIVE RESONANCE THEORY DAN FILTER GABOR FINGERPRINT RECOGNITION ALGORITHM USING ADAPTIVE RESONANCE THEORY AND GABOR FILTER Adiguna¹, -² ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Banyaknya pemalsuan identitas dalam lingkungan kita maupun dalam dunia maya, memaksa munculnya teknologi identifikasi yang lebih handal. Teknologi identifikasi biometrik seperti penggunaan sidik jari diharapkan mampu menjawab tantangan tersebut. Algoritma yang digunakan untuk implementasi sistem identifikasi sidik jari ini menggunakan filter Gabor 2D, serta penggunaan model jaringan syaraf tiruan Adaptive Resonance Theory untuk teknik identifikasi. Filter Gabor 2D digunakan untuk memperbaiki kualitas citra sidik jari hasil akusisi, serta untuk mengambil ciri makro dan mikro yang terdapat dalam citra sidik jari, sehingga diperoleh jumlah ciri yang tetap untuk setiap sidik jari. Adapative Resonance Theory 2 dipilih untuk teknik identifikasi karena kemampuannya untuk menerima informasi baru tanpa melupakan informasi sebelumnya, sama seperti cara kerja otak manusia. Pengujian identifikasi algoritma ini dibandingkan dengan metoda euclidean distance. Dari hasil pengujian diperoleh bahwa penggunaan blok enhancement dalam sistem dapat meningkatkan akurasi sistem. Hasil akurasi terbaik adalah 92,67% dengan menggunakan ART2 dan 96,67% dengan penggunaan euclidean distance. Kata Kunci : Biometrik, Adaptive Resonance Theory, Filter Gabor 2D, feature extractor, identifikasi, sidik jari. Abstract The unauthorized using of identity is a common problem in our society and cyber world, it insists the advent of new identification system. Secure identification technology such as biometric identification technology using fingerprint identification is one solution for that problem. The algorithm of fingerprint recognition system is implemented by 2D Gabor filter and artificial neural network Adaptive Resonance Theory as the recognition part. The 2D Gabor filter is used to enhance the image from acquisition device and to capture both macro and micro features from the fingerprint image as a fixed length code. ART neural network is chosen because of its ability to receive new information without losing the previous info, similar to human brain work The algorithm has been tested and compared with euclidean distance method. The result show that the enhancement block on the system can improve identification accuracy. The best recognition result is 92,67% for ART2 method and 96,67% for euclidean distance method. Keywords : Biometric, Adaptive Resonance Theory, 2D Gabor Filter, feature extractor, identification,fingerprint.
BAB I Pendahuluan 1 BAB I PENDAHULUAN 1.1 Latar Belakang Kemanapun kita pergi, kita selalu melakukan proses identifikasi dan authentikasi dari semua yang kita lihat. Secara umum terdapat tiga teknik yang bisa digunakan untuk melakukan proses authentikasi yaitu menggunakan sesuatu yang kita ketahui (password), sesuatu yang kita miliki (KTP, ATM), dan menggunakan bagian yang ada pada diri kita. Teknik pertama dan kedua merupakan teknik yang paling sering digunakan. Seiring dengan kemajuan teknologi, kedua teknik identifikasi tersebut semakin memperlihatkan kelemahan dalam penggunaannya, mudahnya penyadapan dan pemalsuan membuat sistem ini menjadi kurang layak untuk digunakan dalam suatu proses identifikasi. Teknologi biometric diharapkan dapat menjadi solusi dari kelemahan sistem identifikasi tersebut. Biometric merupakan metoda untuk mengenali identitas seseorang melalui karakterstik fisiknya. Beberapa karakteristik fisik yang dapat digunakan diantaranya wajah, sidik jari, iris mata, bentuk tangan, dan suara. Dengan teknologi biometric, sistem autentikasi seseorang menjadi lebih aman, dan dapat dipercaya. Dari semua karakteristik fisik yang dimiliki manusia tersebut, sidik jari lebih sering digunakan untuk proses identifikasi, hal ini disebabkan oleh karakteristik atau pola dari sidik jari tidak mengalami perubahan seiring dengan bertambahnya usia seseorang, kecuali perubahan yang disebabkan oleh kecelakaan dan penyakit. Untuk bertahun tahun yang lalu, identifikasi sidik jari dilakukan oleh mata manusia secara manual. Pola citra sidik jari yang unik pada setiap orang dapat dianalisa dan diidentifikasi. Penggunaan filter Gabor merupakan metoda yang sangat cocok untuk pengambilan ciri dari sidik jari. Hingga saat ini algoritma yang telah digunakan oleh komputer untuk identifikasi sidik jari belum ada yang benar-benar sempurna. Oleh karena itu, untuk membangun sistem identifikasi sidik jari pada penelitian ini digunakan model jaringan syaraf tiruan dengan metoda adaptive resonance theory 2.
BAB I Pendahuluan 2 1.2 Tujuan Tujuan dari penulisan Tugas Akhir ini adalah : 1. Merancang dan melakukan implementasi program aplikasi yang berfungsi untuk mengidentifikasi sidik jari dengan menggunakan filter 2D Gabor dan jaringan syaraf tiruan. 2. Menganalisa performansi program aplikasi pengidentifikasi sidik jari dengan parameter tingkat keakuratan identifikasi dan ketepatan dalam menolak sidik jari yang tidak terdapat di database. 1.3 Rumusan Masalah Tugas akhir ini membahas tentang performansi sistem dalam mengenali citra sidik jari untuk mendapatkan sistem dengan performansi terbaik. Hal-hal yang akan dianalisa diantaranya : a. Succes Rate / Akurasi : rata-rata keberhasilan dalam verifikasi sidik jari dibandingkan dengan jumlah total percobaan. b. Analisis filter 2D Gabor yang digunakan untuk memperbaiki kualitas dan ekstraksi ciri citra sidik jari. c. False Rejection Rate (FRR) : rata-rata kesalahan sistem menolak user yang terdaftar dalam sistem, dibandingkan dengan jumlah total percobaan. d. False Acceptance Rate (FAR) : rata-rata kesalahan sistem dalam mengenali user yang tidak terdaftar dalam sistem, dibandingkan dengan jumlah total percobaan. e. Semua parameter diatas akan dibandingkan dalam 2 keadaaan yaitu : saat citra sidik jari diperbaiki kualitasnya dan sebaliknya. 1.4 Batasan Masalah Dalam implementasi, tugas akhir ini dibatasi pada hal-hal : 1. Input sistem berupa citra sidik jari level grayscale (black and white), tanpa ada faktor kemiringan. 2. Format citra adalah file bertipe jpg, dengan ukuran 580x320 piksel. 3. Jumlah sampel yang digunakan sebanyak 5320 citra sidik jari (mempunyai titik tengah yang baik), di ambil dari 60 orang, terdiri atas ;
BAB I Pendahuluan 3 50 sidik jari dari orang yang berbeda dengan sepuluh pengambilan (total 500, 250 citra digunakan untuk pelatihan jaringan syaraf tiruan dan 250 digunakan citra untuk uji), 10 citra sidik jari uji palsu. 4. Metoda peningkatan kualitas citra dan teknik ekstrasi ciri menggunakan filter Gabor. 5. Penentuan titik tengah sidik jari dilakukan secara manual. 6. Kegunaan sistem lebih diutamakan untuk keamanan (seperti akses pintu dan laptop), tidak untuk forensik. 7. Identifikasi sidik jari menggunakan adaptive resonance theory 2. 8. Alat bantu yang dipakai dalam tugas akhir ini adalah Matlab 7.1. 9. Program aplikasi yang dihasilkan memiliki kemampuan untuk mengidentifikasi sidik jari yang telah disediakan di database sebagai citra uji. Database terbatas untuk ibu jari saja. 1.5 Metodologi Penulisan Metodologi yang digunakan dalam penelitian tugas akhir ini adalah : Studi Literatur Bertujuan untuk mempelajari dasar teori dari berbagai literatur mengenai identifikasi pola suatu citra sidik jari, diantaranya : 1. mempelajari tentang pengolahan citra digital dan pengenalan pola 2. mempelajari tentang filter Gabor 3. mempelajari tentang jaringan syaraf tiruan Pengumpulan data Bertujuan untuk mendapatkan database citra sidik jari yang akan digunakan sebagai masukan dari sistem. Studi pengembangan aplikasi Bertujuan untuk menentukan metodologi pengembangan sistem yang digunakan dengan pendekatan terstruktur dan melakukan analisa perancangan. Implementasi program aplikasi Bertujuan untuk melakukan implementasi metode pada program aplikasi sesuai dengan perancangan yang telah dilakukan.
Powered by TCPDF (www.tcpdf.org) BAB I Pendahuluan 4 Analisa performansi Bertujuan untuk melakukan analisis performansi hasil identifikasi sidik jari dengan menggunakan filter Gabor dan jaringan saraf tiruan. Pengambilan kesimpulan Bertujuan untuk menarik kesimpulan setelah melakukan pecobaan identifikasi sidik jari. 1.6 Sistematika Penulisan Tugas Akhir ini disusun dengan sistematika pembahasan sebagai berikut : BAB I Pendahuluan Berisi latar belakang masalah, tujuan penulisan, perumusan masalah, batasan masalah, metodologi penulisan dan sistematika penulisan. BAB II Dasar Teori Berisi tentang teori yang mendukung dan mendasari penulisan tugas akhir ini, yaitu teori tentang perbaikan kualitas citra sidik jari, pengolahan citra digital dan pengenalan pola, filter Gabor serta jaringan syaraf tiruan. BAB III Perancangan Sistem dan Simulasi Bab ini menguraikan tentang proses perancangan tahap pemrosesan awal (enhancement), proses ekstraksi ciri dengan filter Gabor dan proses pengenalan dengan adaptive resonance theory 2 BAB IV Analisa Hasil Simulasi Berisi analisa terhadap hasil yang diperoleh dari tahap perancangan sistem dan simulasi. BAB V Kesimpulan dan Saran Berisi kesimpulan dari analisa yang telah dilakukan dan saran untuk pengembangan lebih lanjut.
BAB V Kesimpulan dan Saran 47 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari hasil analisis terhadap pengujian yang dilakukan pada sistem identifikasi sidik jari menggunakan filter 2D Gabor dan jaringan syaraf tiruan, maka dapat ditarik kesimpulan sebagai berikut : 1. Penggunaan blok enhancement dalam sistem dapat meningkatkan akurasi baik pada saat proses pembelajaran maupun proses identifikasi pada ART2 dan euclidean distance. 2. Persentase keberhasilan seseorang untuk diterima dalam sistem (akurasi) yang diperoleh untuk euclidean distance 96,67% sedangkan untuk penggunaan ART2 akurasi yang diperoleh mencapai 92,67%. 3. Akurasi penolakan terhadap citra sidik jari yang tidak terdapat didatabase untuk euclidean distance mencapai 100%, sedangkan untuk ART2 mempunyai rentang 95% - 100%. 4. Dengan penentuan kombinasi parameter-parameter yang sesuai, baik ART2 maupun euclidean distance dapat memberikan hasil klasifikasi yang optimal, sehingga dapat digunakan untuk identifikasi. 5. FRR terbaik pada ART2 bernilai 7,33% sedangkan untuk euclidean distance mencapai nilai 3,3%. 6. Dengan tercapainya FAR 0% untuk kedua metoda maka sistem ini cocok untuk digunakan pada tempat yang membutuhkan authentikasi yang tinggi seperti instalasi militer. 5.2 Saran 1. Sebaiknya digunakan scanner (pemindai) sidik jari khusus agar citra sidik jari yang diperoleh mempunyai kualitas yang lebih baik. 2. Untuk mempercepat proses komputasi sistem, sebaiknya ditambahkan proses klasifikasi sebelum masuk ke dalam sistem. 3. Sebaiknya menggunakan bahasa pemrograman lain seperti C++ agar sistem dapat berjalan real time.
Powered by TCPDF (www.tcpdf.org) BAB V Kesimpulan dan Saran 48 4. Untuk memperbaiki performansi sistem, sebaiknya jumlah sample yang digunakan lebih banyak dengan variasi kemiringan yang berbeda. 5. Sebaiknya pada penelitian selanjutnya ditambahkan algoritma pencarian titik referensi pada citra sidik jari.
Powered by TCPDF (www.tcpdf.org) 49 DAFTAR PUSTAKA [1] M. Rinaldi, Pengolahan Citra Digital Dengan Pendekatan Algoritmik, Bandung, 2004. [2] Kris. Andreas, Identifikasi Tandan Tangan Menggunakan Filter 2D Gabor Wavelet Dan Jaringan Saraf Tiruan Adaptive Resonance Theory, STT Telkom Bandung, 2006. [3] D. Richard, Pattern Classification, Willey Inter-science, 2004. [4] Widodo. Thomas, Sistem Neuro Fuzzy, Graha Ilmu, 2005. [5] Freeman. A. James, Neural Networks Algorithms, Applications, and Programming Techniques, Addison-Wesley, 1991. [6] L. Hong dan A. K. Jain, Fingerprint Image Enhancement Algorithm and Performance Evaluation, IEEE Trans. PAM., vol 20, 1998. [7] Jain. K. Anil dan Hong. L, Filterbank-Based Fingerprint Matching, IEEE Trans. On Image Processing, vol 9, 2000. [8] Carpenter, Gail A. and Grossberg, Stephen. ART2: Selft-organization of Stable Category Recognition Codes For Analog Input Patterns. Applied Optics. 1987. Volume 26, No. 23. pp.4919-4930. [9] Utama. H. Yudy, Identifikasi Sidik Jari Dengan Correlation-Based System Yang Dimampatkan Dengan Adaptif Packet Wavelet Transform, STT Telkom, 2002.