PENGAMANAN BIOMETRIC MENGGUNAKAN ALGORITMA RIVEST SHAMIR ADLEMAN PADA SISTEM IDENTIFIKASI IRIS MATA
SKRIPSI
IBRAHIM DENAI 101402005
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
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 101402005
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PENGAMANAN BIOMETRIC
MENGGUNAKAN ALGORITMA RIVEST SHAMIR ADLEMAN PADA SISTEM IDENTIFIKASI IRIS MATA
Kategori : SKRIPSI
Nama : IBRAHIM DENAI
Nomor Induk Mahasiswa : 101402005
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. 19790831 200912 1 002 NIP. 19751008 200801 1 001
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
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
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.
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%.
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%.
DAFTAR ISI
Hal.
Persetujuan ii
Pernyataan iii
Ucapan Terima Kasih iv
Abstrak v
2.1.1. Karakteristik biometric 6
2.1.3. Iris Mata 8
2.1.4. Pendekatan Daughman 9
2.2. Citra 10
2.2.1. Citra biner (binary image) 10
2.2.2. Citra keabuan (grayscale image) 11
2.2.3. Citra warna (color image) 12
2.3. Pengolahan Citra 12
2.3.1. Cropping 12
2.3.2. Scaling 13
2.3.3. Grayscaling 13
2.3.4. Perbaikan citra (Image Enhancement) 14
2.3.5. Thresholding 15
2.3.6. Erosi 16
2.3.7. Inversi 17
2.3.8. Perkalian Citra 17
2.4. Histogram Equalization 17
2.5. Rivest Shamir Aldeman 21
2.5.1. Pembangkitan Kunci 22
2.5.2. Proses Enkripsi 23
2.5.3. Proses Deskripsi 24
2.6. penelitian Terdahulu 25
BAB 3 Analisis dan Perancangan 26
3.1. Arsitektur Umum 27
3.3. Pre-processing 28 3.3.1. Penyesuaian Ukuran Citra (Scaling) 28
3.3.2. Pembentukan Citra Green Channel 28
3.3.3. Peningkatan Kualitas Citra 29
3.3.4. Histogram Equalization 30
3.3.5. Pembentukan Citra Biner (Thresholding) 31 3.3.6. Pemotongan Dan pembagian skala citra biner 32
3.5. Verrification 33
3.6. Perancangan Sistem 38
3.6.1. Perancangan antarmuka 38
BAB 4 Implementasi dan Pengujian 43
4.1. Implementasi Sistem 44
4.1.1. Spesifikasi perangkat keras dan perangkat lunak
yang digunakan 44
4.1.2. Implementai perancangan antarmuka 45
4.1.3. Implementasi data 45
4.2. Prosedur Operasional 46
4.3. Pengujian Sistem 51
BAB 5 Kesimpulan dan Saran 62
5.1. Kesimpulan 62
5.2. Saran 62
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
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 2.10. Normalisasi matriks 21
Gambar 2.11. Grafik Histogram 22
Gambar 2.12. Citra array ukuran 8x8 24
Gambar 2.13. Hasil persamaan (Haidi, 2007) 24
Gambar 2.14. Output Citra Array Ukuran 8x8 25
Gambar 2.15. (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
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 3.10. Rancangan tampilan utama aplikasi 45
Gambar 3.11. Usecase Diagram dari aplikasi 46
Gambar 3.12. 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