1
Abstrak— Teknik kriptografi sudah banyak digunakan untuk menjamin kerahasiaan keaslian informasi. Seiring dengan perkembangan teknologi, penggunaan password pada teknik kriptografi untuk keamanan sudah mulai beralih ke sistem biometrik. Sistem biometrik menggunakan informasi – informasi biologis sebagai identitas pengguna. Penggunaan teknik ekstraksi minutiae sistem verifikasi sidik jari merupakan salah satu teknik pengenalan sidik jari yang bertujuan untuk mencegah penggandaan identitas pengguna. Teknik ekstraksi minutiae merupakan salah satu algoritma yang digunakan untuk mengenali pola sidik jari berdasarkan minutiae based. Pada tugas akhir ini, variasi minutiae yang akan digunakan adalah minutiae bifurcation dan minutiae termination. Proses verifikasi sidik jari akan dilakukan dalam 3 tahapan yakni preprocessing, minutiae extraction dan postprocessing. Proses identifikasi dan verifikasi sidik jari dilakukan terhadap citra sidik jari yang tersimpan dalam database sidik jari.Hasil yang diperoleh dalam penelitian tugas akhir ini adalah bahwa lokasi minutiae yang didapatkan setiap sidik jari berbeda satu sama lain. Pada proses pendeteksian minutiae didapatkan jumlah minutiae yang diperoleh secara proses manual dan melalui teknik ekstraksi minutiae adalah sama.
Kata kunci - minutiae, minutiae based, minutiae bifurcation, minutiae termination
I. PENDAHULUAN
ewasa ini sistem verifikasi dan indentifikasi semakin banyak digunakan untuk berbagai aplikasi mengacu pada kebutuhan akan keamanan. Meskipun begitu, metode konvensional seperti password dan pin masih banyak digunakan secara luas [1]. Metode ini memiliki kelemahan karena password dan pin bisa dengan yang mudah dicuri atau mendapatserangan seperti dictionary attacks. Oleh karena itu, sekarang banyak dikembangkan sistem mengacu pada konsep biometric[1][2].
Sistem biometrik merupakan suatu sistem yang membedakan karakter tubuh manusia yang menggunakan informasi – informasi biologis sebagai identitas. Ide dasar dari sitem biometrik itu sendiri adalah tubuh manusia memiliki bagian – bagian unik yang membedakan seseorang dengan lainnya salah satunya adalah sidik jari. Salah satu teknik pengenalan sidik jari yang memiliki tingkat keamanan lebih tinggi adalah Teknik ekstraksi minutiae[3].
Teknik ekstraksi minutiae bekerja menggunakan dua jenis variasi minutiae yakni minutiae bifurcation dan minutiae termination untuk menampilkan titik – titik khusus dari percabangan sidik jari[5]. Termination adalah tempat dimana
ridge berakhir sedangkan bifurcation adalah tempat dimana sebuah ridge memisah atau bercabang menjadi dua ridge.
Suatu sidik jari yang khas berisi sampai dengan 80 minutiae, bagaimanapun jauh lebih sedikit akan dihadirkan pada gambar yang ditangkap dari scanner yang khas digunakan di dalam sistem biometrik karena bidang penangkapan yang kecil. Gambar dibawah ini merupakan variasi minutiae yang akan digunakan pada teknik esktraksi minutiae.
Gambar 1. Variasi minutiae (a) Termination dan bifurcation Pada tugas akhir ini akan dibuat sistem verifikasi sidik jari berdasarkan kevalidan dari pola minutiae yang terdiri dari minutiae bifurcation dan minutiae termination dan akan diimplementasikan untuk diujicoba pada database yang ada.
Perangkat lunak ini akan disimulasikan menggunakan Matlab R2008a dan akan dievaluasi pada database yang ada.
II. DESAINDANIMPLEMENTASITEKNIKEKSTRAKSI MINUTIAEUNTUKVERIFIKASISIDIKJARI A. Desain sistem
Sistem biometrik menggunakan informasi – informasi biologis sebagai identitas pengguna. Salah satunya sistem biometrik menggunakan sidik jari. Adapun diagram proses verifikasi sidik jari yang akan dibahas pada tugas akhir ini adalah seperti gambar dibawah ini.
Gambar 2. Diagram proses verifikasi sidik jari secara umum Okta Hadi Saputra, Irawan
Jurusan Teknik Elektro FTI - ITS
Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari
D
Database image
preprocessing
Extraction minutiae
Verifikasi citra
2 Perancangan dan pembuatan sistem pada tugas akhir ini terbagi atas perancangan sistem dan pembuatan software yang akan digunakan untuk melakukan simulasi kerja terhadap sidik jari yang tersimpan didalam database sidik jari.
B. Perancangan Sistem
Proses verifikasi pada sidik jari meliputi 3 tahapan proses yakni : preprocessing, minutiae extraction dan postprocessing.
Adapun pemodelan sistem yang akan dibahas pada tugas akhir ini seperti terlihat pada gambar dibawah ini.
Gambar 3.Skema proses verifikasi sidik jari menggunakan teknik Ekstraksi minutiae
C. Preprocessing verifikasi sidik jari
Merupakan tahapan awal dari proses verifikasi sidik jari, proses ini sendiri terdiri atas 2 tahapan yakni :
1. Loading Image
Pengujian dan pengamatan menggunakan teknik ekstraksi minutiae akan dilakukan pada data base sidik jari.
2. Binerization
Proses binerization menghasilkan citra biner dengan memiliki dua nilai tingkat keabuan yaitu hitam dan putih.
Secara umum proses binersisasi citra gray scale untuk menghasilkan citra biner adalah sebagai berikut.
Dengan g(x,y) adalah citra biner dari citra gray f(x,y) dan T menyatakan nilai ambang.
3.Thinning
Thinning berguna untuk mengurangi tresholded citra output yang dihasilkan dari edge detector, menjadi garis dengan ukuran ketebalan satu pixel saja. Transformasi hit-dan-miss adalah operasi morfologi yang umum yang dapat digunakan untuk memisahkan pola pixel-pixel foreground dan background pada suatu citra.
Operasi hit -dan-miss dilakukan dengan mentranslasikan struktur elemen ke seluruh pixel pada citra, kemudian membandingkan struktur elemen dengan pixel dari citra di bawahnya. Jika pixel-pixel foreground dan background pada struktur elemen cocok (match) dengan pixel-pixel foreground dan background pada citra, maka pixel yang berada di bawah struktur elemen di-set menjadi warna foreground. Jika tidak cocok, maka pixel tersebut dijadikan warna background. Pixel foreground dinyatakan dengan angka 1 dan pixel background dinyatakan dengan angka 0.
Struktur elemen biner yang digunakan dalam thinning adalah transformasi hit-dan-miss.:
thin(i,j) = i – hit -dan-miss (i, j)
Gambar 4. Citra biner sidik jari hasil transformasi hit- dan - mis-
D. Minutiae Extraction
Minutiae extraction terdiri dari 3 tahapan yakni find minutiae, ROI, dan Remove False Minutise.
1. Find Minutiae
Pada tahapan find minutiae atau minutiae detection akan diperoleh melalui minutiae marking. Minutiae marking merupakan proses deteksi minutiae menggunakan metode crossing number (CN).
Nilai CN pada ridge piksel P didapat dari persamaan berikut :
Dimana Pi merupakan nilai tetangga dari P, untuk suatu piksel P, kedelapan piksel tetangganya diperiksa dengan arah berlawanan jarum jam.
Load image
Binarization
Thinning
Find Minutiae
Remove false
ROI
Export minutiae Orientation
Validation
Preprocessing
Minutiae Extraction
Postprocessing
(1)
(2)
(3)
3 2. False Minutiae
Pada proses false minutiae, minutiae yang sudah didapatkan dari proses find minutiae akan diproses lagi sehingga didapatkan true minutiae.
Gambar 5. Struktur false minutiae
Adapun analisa sistem yang diperoleh pada pengujian false minutiae adalah untuk menghilangkan spurious minutiae, false minutiae diproses melalui 4 tahapan yakni :
a. Jika jarak antara sebuah bifurcation dan sebuah termination < D maka ridge yang didapatkan bisa dihilangkan. Dimana D merupakan rata-rata dua buah ridge yang saling berdekatan (m1 case).
b. Bifurcation dapat dihilangkan jika jarak dua buah bifurcation < D, dimana bifurcation terletak pada ridge yang sama (seperti m2, m3, m8, m10, m11).
c. Jika dua buah termination besarnya sama dengan D dan terletak pada variasi sudut yang kecil (m4, m5, m6) d. Penghapusan termination pada lokasi percabangan titik
yang berdekatan seperti m12.
3. ROI (Region of Interest)
ROI (Region of Interest) merupakan daerah pada sidik jari yang akan kita ambil sebagai sampel dalam penentuan termination minutiae dan bifurcation minutiae.
E. Postprocessing Verifikasi Sidik Jari
Merupakan tahap akhir dari proses verifikasi dari sidik jari yang terdiri dari proses validation dan orientation. Pada pengujian Orientation citra hasil extraction minutiae akan diproses kembali. Hasil dari proses ini berupa keluaran jumlah minutiae yang terdiri dari minutiae bifurcation dan minutiae termination. Pada tahap validation, minutiae bifurcation dan minutiae termination yang diperoleh pada tahap orientation akan ditampilkan dalam bentuk lokasi ridge x, y. Dimana x, y tersebut menjelaskan lokasi piksel dari minutiae yang kita dapatkan dari hasil ekstraksi dan orientation minutiae.
III. PENGUJIANDANANALISADATA
A. Pengujian dan Analisa Preprocessing
Pengujian pada proses ini terdiri dari 3 kali tahapan yakni sebagai berikut :
1. Pengujian Binerization
Pengujian ini dilakukan dengan 2 cara yakni secara manual dan otomatis. Pada cara manual ini bila piksel image > 160, maka nilai image akan menjadi citra biner 1 dan bila nilai piksel image <= 160, maka nilai citra biner image adalah 0.
Sedangkan pengujian secara otomatis menggunakan dasar teori rumus (1) seperti diatas .
Hasil pengujian yang diperoleh dalam proses binerization ada 2 digit yakni 1 dan 0. Adapun tampilan gambar hasil binerization adalah sebagai berikut :
Gambar 6. Tampilan citra hasil binerization
2. Pengujian Thinning
Pengujian ini bertujuan untuk menghilangkan piksel redundan sehingga lebar piksel pada sidik jari menjadi 1.
Analisa sistem dari pengujian thinning ini sendiri adalah Umpamakan semua piksel pada batas-batas daerah foreground (contohnya titik-titik pada foreground hanya memiliki satu background neighbour. Hapus semua titik yang memiliki foreground neighbour lebih dari satu.
Gambar 7. Tampilan citra hasil thinning B. Pengujian dan Analisa Minutiae extraction
Pengujian minutiae extraction terbagi dalam 3 proses yakni find minutiae, false minutiae, dan ROI.
1. Pengujian Find Minutiae
Untuk memperoleh minutiae dari suatu sidik jari, kita harus menggunakan crossing number dimana Titik minutiae
4 dideteksi dengan memindai local neighbor pada masing – masing piksel ridge pada citra. Minutiae yang ditemukan ini terdiri 2 jenis yakni minutiae bifurcation dan minutiae termination.
Gambar 8. Tampilan minutiae citra sidik jari 2. Pengujian False minutiae
Minutiae yang sudah diperoleh melalui tahapan find minutiae akan diproses kembali pada tahapan false minutiae.
Dimana disini minutiae yang diperoleh akan diekstraksi sehingga diperoleh True minutiae.
Gambar 9. Tampilan True minutiae citra sidik jari
3. Pengujian ROI
ROI pada pengujian ini diperoleh dari sidik jari yang diperoleh dari hasil extraction minutiae.
Gambar 10. Tampilan True minutiae citra sidik jari Pada pengujian diperoleh analisa sistem bahwa untuk melakukan ROI, perlu diidentifikasi koefisien-koefisien yang termasuk dalam ROI. Hal tersebut dimaksudkan untuk menghasilkan sebuah ROI mask.
C. Pengujian dan Analisa Postprocessing
Postprocessing merupakan tahap akhir dari verifikasi keaslian sidik jari. Tahapan ini terdiri dari orientation minutiae dan validation minutiae.
1. Pengujian Orientation Minutiae
Pada pengujian orientation minutiae didapatkan jumlah minutiae yang diperoleh pada suatu pengujian sidik jari melalui tahapan ektraction minutiae akan sama dengan pengujian secara manual. Adapun tabel perbandingan hasill pengujian orientation minutiae adalah sebagai berikut :
Tabel 1. Hasil Pengujian Orientation
Image Proses Orientation Manual
Bifurcation Termination Bifurcation Termination
1 12 31 12 31
2 7 19 7 19
3 30 1 30 1
4 6 19 6 19
5 20 18 20 18
6 15 62 15 62
7 11 34 11 34
8 4 92 4 92
9 1 40 1 40
10 4 47 4 47
2. Pengujian Validation Minutiae
Pada tahap validation, minutiae bifurcation dan minutiae termination yang diperoleh pada tahap orientation akan ditampilkan dalam bentuk lokasi ridge x, y. Dimana x, y tersebut menjelaskan lokasi piksel dari minutiae yang kita dapatkan dari hasil ekstraksi dan orientation minutiae.
Gambar 11. Hasil Validation Sidik Jari
Proses validation minutiae seperti terlihat pada gambar diatas diperoleh bahwa sidik jari tersebut menghasilkan 12 minutiae bifurcation dan 20 lokasi minutiae termination.
Lokasi minutiae setiap citra sidik jari suatu individu akan berbeda satu sama lainnya.
3. Save Minutiae
Pada tahap ini minutiae yang sudah diperoleh akan disimpan didatabase. Minutiae yang disimpan tersebut merupakan minutiae yang diperoleh dari tahap verifikasi sehingga memiliki tingkat kevalidan yang bagus. Minutiae tersebut memiliki karakteristik khusus dibandingkan dengan minutiae yang diperoleh melalui proses deteksi minutiae secara manual. Karena minutiae yang disimpan sudah melalui 3 tahapan proses yakni : preprocessing, minutiae extraction
5 dan postprocessing. Adapun gambar proses save minutiae adalah sebagai berikut :
Gambar 12. Tampilan save minutiae
Tabel. Perbandingan Minutiae hasil proses ekstraksi dengan proses minutiae secara manual
Image Proses ekstraksi minutiae Manual
Valid Bifurcation Termination Bifurcation Termination (%)
1 12 13 23 105 33.59
2 7 19 52 144 13.26
3 52 15 82 70 40.07
4 4 34 4 92 39.58
5 8 44 9 126 38.05
6 9 23 27 39 48.48
7 12 19 19 41 51.67
8 7 9 19 29 33.33
9 26 12 39 42 46.91
10 3 17 10 36 43.47
11 6 18 21 48 34.78
12 15 22 35 72 34.57
13 8 10 23 47 25.71
14 11 11 32 49 27.16
15 19 12 23 32 56.36
Rataan 37.79
IV. KESIMPULAN
Pada pengamatan dan pengujian teknik ekstraksi minutiae untuk sistem verifikasi keaslian sidik jari dapat diperoleh kesimpulan bahwa Teknik ekstraksi minutiae untuk sistem verifikasi sidik jari memiliki kehandalan dan tingkat kemanan yang baik. Dimana
Rata-rata keakuratan validasi minutiae citra sidik jari pada database FVC 2002 adalah 37.79 %. Hal ini berarti lebih dari 60 % validasi minutiae secara manual tidak bisa digunakan untuk verifikasi keaslian sidik jari.
DAFTAR PUSTAKA
[1] A. Jain, R. Bolle, and S. Pankanti, “Biometrics Personal Identification in Networked Society”, Kluwer Academic Publishers New York, Boston, Dordrecht, London, Moscow, pp. 1-64, 2002.
[2] A. Jain, F. Patrick, A. Arun, “Handbook of Biometrics”, Springer Science+Business Media, LLC, 1st edition, pp. 1-42, 2008.
[3] D. Maltoni, D. Maio, and A. Jain, S. Prabhakar, “4.3: Minutiae-based Methods’ (extract) from Handbook of Fingerprint Recognition”, Springer, New York, pp. 141-144, 2003.
[4] E. Hastings, “A Survey of Thinning Methodologies”, Pattern analysis and Machine Intelligence, IEEE Transactions, vol. 4, Issue 9, pp. 869- 885, 1992.
[5] L. Hong, "Automatic Personal Identification Using Fingerprints", Ph.D.
Thesis, 1998.
[8] L.C. Jain, U. Halici, I. Hayashi, S.B. Lee, and S. Tsutsui, “Intelligent biometric techniques in fingerprint and face recognition”, The CRC Press, 1999.
[9] K. Nallaperumall, A. L. Fred, and S. Padmapriya, “A Novel Technique for Fingerprint Feature Extraction Using Fixed Size Templates”, IEEE 2005 Conference, pp. 371-374, 2005.
[10] P. Komarinski, P. T. Higgins, and K. M. Higgins, K. Fox Lisa, Automated Fingerprint Identification Systems (AFIS)”, Elsevier Academic Press, pp. 1-118, 2005.
[11] Mazumdar, Subhra; Dhulipala, Venkata (2008). "Biometric Security Using Finger Print Recognition". University of California, San Diego. p. 3. Retrieved 30 August 2010.
[12] Minutiae Extraction, Department of Computer Science National Tsing Hua University Hsinchu, Taiwan 30043.
Okta Hadi Saputra dilahirkan di Bukittinggi, Sumatera Barat pada tanggal 12 Oktober 1987. Lulus dari pendidikan diploma di Politeknik Negeri Padang pada tahun 2008, penulis melanjutkan pendidikan sarjana di Jurusan Teknik Elektro ITS dengan bidang studi telekomunikasi multimedia pada tahun 2009.
Email : okta_chueank@yahoo.com
