TINJAUAN PUSTAKA
2.3. Sidik jari
Pada sidik jari manusia bagian yang menonjol atau yang berupa guratan garis disebut dengan bukit (ridge), dan bagian yang tidak menonjol yang memisahkan
bagian menonjol yang satu dengan yang lain disebut dengan lembah (Valley). Gambar 2.10 memperlihatkan sidik jari, bukit (ridge), dan lembah (Valley) pada sidik jari tersebut.
Gambar 2.10. Sidik jari [2]
Keunikan sidik jari (fingerprint) ditentukan oleh permukaan topografi dari struktur ridge yang dimilikinya.
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 sidik jari sample. Sistem identifikasi otomatis dengan menggunakan biometrik sidik jari, dapat berfungsi membandingkan sidik jari sebagai input dengan sekumpulan data sidik jari dalam suatu database seperti pada Gambar 2.11.
(a)
(b)
Gambar 2.11. Data unik citra sidik jari (a) Whorl (b) Arch (c) Loop.[7]
Dengan menyederhanakan pola-pola ridge didalam suatu citra quary untuk membatasi atau menspesifikasi pencarian (searching) didalam suatu database yang merupakan fingerprint indexing dan pada titik-titik sidik jari sebagai pembanding.
Sidik jari merupakan salah satu sistem biometrik yang banyak diterapkan, hal ini dikarenakan sifat dari citra sidik jari yang uniqness dan sidik jari yang tidak pernah berubah. Berdasarkan dari pola garis pola garis (ridge) dan lembah (valley), sidik jari dapat diklasifikasikan menjadi tiga kelas utama, yaitu: Arch, Loop dan Whorl [28]. Contoh dari ketiga kelas yang telah disebutkan seperti pada Gambar 2.12.
Ridge Ending Ridge Bifurcation Core Ridge Ending Ridge Bifurcation Ridge Island Ridge Ecrorare Ridge Dot Core Delta (c)
Gambar 2.12. Klasifikasi pada sidik jari (a) Arch,(b) Loop dan (c) Whorl [28]
Dari klasifikasi ini dapat di bagi menjadi beberapa subklasifikasi [28] yaitu:
Arch dibagi menjadi arch dan tented arch, dari beberapa populasi arch mempunyai presentasi sebesar 5%.
Loop dibagi menjadi left loop, right loop dan double loop. Berbeda dengan arch, jumlah individu yang mempunyai klasifikasi loop sangat besar yaitu sebesar 60 %.
Whorls pada klasifikasi ini jumlah presentasi individu sebesar 35%.
1.3.1. Identifikasi sidik jari
Identifikasi sidik jari merupakan metode dalam mencocokkan data input sidik jari terhadap semua data template. Sebelum melakukan pencocokan ada beberapa langkah diantaranya:
1. Data acquisition, adalah penerjemahan data dari suatu sensor kedalam bit-bit data sidik jari. Ada beberapa metode dalam data acquisition diantanya: 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 akan di-scan dan dimasukkan ke database. Sedangkan a latent fingerprint adalah cara yang banyak digunakan dalam mendeteksi masalah kriminal dimana pengambilan data dilakukan pada suatu barang bukti kriminal yang diberikan bubuk atau cairan kimia, dan kemudian akan difoto untuk mendapatkan sidik jari. A live scan fingerprint adalah suatu alat yang embedded dalam suatu aplikasi dimana alat akan mengambil data sidik jari user secara langsung, dengan cara menempelkan sidik jari ke alat tersebut.
2. 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, metode image matching based phase correlation bit-bit data akan diterjemahkan ke dalam komponen fourier.
3. Decision making, adalah membandingkan antara ekstraksi data input dan data template yang akan menghasilkan apakah data benar atau salah.
Ada banyak metode pencocokan sidik jari yang telah dikembangkan, diantaranya: minutiae-based adalah metode yang mencocokkan berdasar pada vektor ekstraksi minutiae (vektor ridge ending dan ridge bifurcation), sidik jari input dan sidik jari query dengan image-matching adalah metode yang mencocokkan berdasar
pada pencocokan 2 buah citra sidik jari. Penggolongan metode tersebut berdasarkan pada bagaimana cara mencocokkan 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.
2.3.2. Jenis kerusakan citra sidik jari
Hasil dari pengambilan citra sidik jari ditentukan dari kualitas sensor dan kondisi sidik jari yang diambil. Kondisi citra sidik jari normal (neutral) dapat diperoleh bila sensor kondisinya baik dan tidak ada kerusakan pada kondisi sidik jari, baik berupa kotor maupun salah letak. Adapun kerusakan yang sering terjadi adalah sidik jari kotor, sidik jari berminyak, sidik jari kering, sidik jari sebagian dan sidik jari rotasi. Sidik jari kotor dapat terjadi bila terkena tinta, debu, abu dan tanah, sedang sidik jari berminyak dapat terjadi bila terkena oli, minyak rambut dan minyak goreng [11]. Kerusakan citra sidik jari yang disebabkan letak yang tidak benar, pada sidik jari sebagian dapat terjadi bila letak sidik jari hanya sebagian saja yang dibaca sensor (core tidak kelihatan). Untuk sidik jari rotasi dapat terjadi bila letak sidik jari tidak lurus ke tengah tetapi agak miring. Hal ini akan mengakibatkan hasil yang didapat
tidak sesuai dengan yang diharapkan. Adapun contoh untuk citra sidik jari yang mengalami kerusakan dapat digambarkan seperti pada Gambar 2.13.
Gambar 2.13. Berbagai Macam Hasil Pengambilan Sidik Jari: (a) Sidik Jari Normal, (b) Sidik Jari Kotor, (c) Sidik Jari Berminyak, (d) Sidik Jari Rotasi, (e) Sidik Jari Sebagian [26]
2.3.3. Perbaikan citra sidik jari
Kualitas dari citra sidik jari akan sangat berpengaruh pada hasil ekstraksi ciri sidik jari dan selanjutnya akan berpengaruh pada hasil pencocokan sidik jari. Citra sidik jari dapat dikatakan mempunyai kualitas baik jika citra tersebut memiliki kontras yang tinggi dan perbedaan antara lembah dan bukit terlihat jelas, sebaliknya citra sidik jari yang tidak baik memiliki ciri kontras yang rendah dan bukit dan lembah tidak dapat dibedakan dengan jelas [7]. Gambar 2.13 memperlihatkan contoh citra sidik jari dengan kualitas yang berbeda, mulai dari citra yang berkualitas baik sampai yang berkualitas buruk.
Berikut adalah alasan-alasan yang membuat kualitas citra sidik jari menjadi buruk [7]:
1. Adanya area yang luka ataupun lipatan-lipatan yang menyebabkan bukit-bukit pada citra sidik jari menjadi terputus.
2. Jari yang terlalu kering akan membuat citra menjadi pecah-pecah dan membuat kontras citra menjadi buruk.
3. Jari yang lembab memicu adanya noda dan membuat bukit-bukit yang paralel pada citra sidik jari terhubung.
Kualitas buruk dari citra sidik jari dapat menyebabkan ciri yang ditangkap salah, ataupun sebaliknya, menyebabkan ciri sidik jari yang asli hilang. Tentu saja hal ini akan mengakibatkan penurunan akurasi dari pengenalan sidik jari. Perbaikan citra sebagai proses yang mendahului proses pengambilan ciri pada sistem pengenalan sidik jari akan dapat meningkatkan kehandalan sistem pengenalan sidik jari tersebut.
1.3.4. Ciri Sidik Jari
Ciri sidik jari terdiri dari tiga level [26] yaitu:
1. Level 1: berada pada global level. Aliran garis bukit akan membentuk sebuah pola yang mirip dengan salah satu dari Gambar 2.14.
2. Level 2 : berada pada local level. Terdapat 150 perbedaan pada karakteristik bukit lokal. Dilevel ini karakteristik dari sidik jari disebut dengan minute
details. Dua karakteristik bukit yang paling banyak digunakan adalah ridge endings dan ridge bifurcations yang disebut dengan minutiae seperti ditunjukkan oleh lingkaran hitam pada Gambar 2.15.
3. Level 3: berada pada very-fine level. Pada level ini dilihat ciri dari bukit seperti lebar, bentuk, kurvatur, kontur tepian, dan detail permanen lainnya. Yang terpenting pada fine-level detail adalah finger sweet pore seperti ditunjukkan oleh lingkaran kosong pada Gambar 2.15. Jika memakai ciri pada level ini hanya dimungkinkan jika citra sidik jari diambil pada resolusi yang tinggi (1000 dpi) dengan kualitas citra yang baik.
Gambar 2.15. Karakteristik ciri sidik jari level 2 dan 3, lingkaran hitam untuk minutiae dan lingkaran kosong untuk sweat pore [26]
