i Universitas Kristen Maranatha
SISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI
TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING
Disusun Oleh :
Dimastya Yonathan Pratama (1022061)
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. drg. Suria Sumantri, MPH No. 65, Bandung 40164, Jawa Barat -
Indonesia
E–mail : dimastyapratama@yahoo.co.id
ABSTRAK
Perkembangan yang pesat mengenai masalah keamanan dan penipuan identitas di seluruh dunia menciptakan kebutuhan teknologi biometrik, yang mengacu pada pendeteksian fisiologis yang berbeda untuk tiap individu dan diharapkan dapat mengidentifikasi pengenalan individu secara otomatis. Salah satu pendekatan biometrik tersebut yaitu pendekatan sidik jari. Pendekatan sidik jari didasari bahwa setiap individu diciptakan memiliki pola dan tipe sidik jari yang berbeda.
Pada Tugas Akhir ini dirancang sistem identifikasi pola sidik jari tangan dengan menggunakan metode minutiae-based matching yang terbagi dalam 2 metode pencocokan, yaitu : Local Matching dan Global matching. Metode ini digunakan untuk mengatasi permasalahan translasi dan rotasi pada citra sidik jari masukan dengan citra yang ada di dalam database. Hasil percobaan menunjukkan variasi nilai Distance Threshold & Theta
Threshold mempengaruhi skor kecocokan yang dihasilkan sistem. Dengan nilai
DT = 14 dan TT = 140 diperoleh persentase keberhasilan identifikasi sebesar 96.88% untuk citra sidik jari yang berada di dalam dan di luar database.
ii Universitas Kristen Maranatha
IDENTIFICATION SYSTEM BASED ON HAND FINGERPRINT
PATTERN USING MINUTIAE-BASED MATCHING
Composed by :
Dimastya Yonathan Pratama (1022061)
Department of Electrical Engineering, Faculty of Engineering,
Maranatha Christian University
Prof. drg. Suria Sumantri, MPH 65, Bandung, West Java - Indonesia
E – mail : dimastyapratama@yahoo.co.id
ABSTRACT
The rapidly development of security and identity fraud around the world,
creates the need technology of biometrics, which refers to the different
physiological detection for each individual. It is expected to automatically indetify
individual recognition. One of the approaches is the approach of biometrics
fingerprint. The approach is fingerprint-based that every individul has created
different types & patterns of fingerprints.
In this Final Project which designed identification system based on
fingerprint pattern using minutiae-based matching. The matching methods are
divided into two submethods: local and global matching. This methods aims to
overcome the problems of translation and rotation for the image in database.
The experimental results show the variation of the Distance Threshold and
Theta Threshold affect the resulting matching score of this system. DT = 14 and
TT = 140 obtained succesful identification percentage is 96,88% for fingerprint
image inside and outside the database.
iii
1.5.Sistematika Penulisan ... 3
BAB II LANDASAN TEORI 2.1. Pengantar ... 5
2.2. Pengertian Sidik Jari ... 6
2.2.1 Minutiae ... 6
2.3. Peningkatan Citra Sidik Jari (Preprocessing) ... 7
2.3.1 Binerisasi ... 8
2.3.2 Thinning ... 8
2.4. Ekstraksi Minutia ... 8
2.4.1 Menentukan Orientasi Minutia ... 10
2.5. Postprocessing Citra Sidik Jari ... 10
2.6. Region of Interest (ROI) ... 11
2.7. Pencocokan Sidik Jari (Fingerprint Matching)... 12
2.7.1. Orientation Based Descriptor ... 13
2.8 Perhitungan Skor Kecocokan ... 13
2.8.1 Local Matching ... 13
iv Universitas Kristen Maranatha
BAB III PERANCANGAN PERANGKAT LUNAK
3.1 Blok Diagram Sistem Identifikasi ... 16
3.2 Diagram Alir Sistem Identifikasi ... 19
3.3 Diagram Alir Subroutine ... 20
3.3.4.2 Contoh Proses Perhitungan Local Matching ... 28
3.3.4.3 Global Matching ... 30
3.4 Perancangan Graphic User Interface (GUI) ... 31
BAB IV DATA PENGAMATAN DAN ANALISIS DATA 4.1. Prosedur Pengujian ... 33
4.2. Pengujian Sistem Identifikasi ... 37
4.3. Hasil Pengujian ... 41
4.4. Pengujian Sistem Identifikasi ... 47
4.5. Analisis Data ... 48
BAB V KESIMPULAN & SARAN 5.1. Kesimpulan ... 49
5.2. Saran ... 50
DAFTAR PUSTAKA ... 51
v Universitas Kristen Maranatha
DAFTAR TABEL
Tabel 2.1 Tipe Umum Minutia... 7
Tabel 2.2 Klasifikasi Crossing Number ... 9
Tabel 3.1 Atribut MATLAB pada perancangan perangkat lunak ... 32
Tabel 4.1 Citra Sidik Jari Tiap Individu ... 35
Tabel 4.2 Proses Pengujian citra Sidik Jari ... 39
Tabel 4.3 Skor Kecocokan untuk DT = 14 & TT = 14 ... 41
Tabel 4.4 Skor Kecocokan untuk DT = 16 & TT = 14 ... 42
Tabel 4.5 Skor Kecocokan untuk DT = 15 & TT = 12 ... 43
Tabel 4.6 Skor Kecocokan untuk DT = 15 & TT = 16 ... 44
Tabel 4.7 Skor Kecocokan untuk DT = 10 & TT = 14 ... 45
Tabel 4.8 Skor Kecocokan untuk DT = 15 & TT = 14 ... 46
vi Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar 1.1 Ending & Bifurcation Minutiae... 2
Gambar 2.1 Struktur pixel untuk menghitung CN ... 9
Gambar 2.2 Macam-macam Struktur minutia yang salah ... 11
Gambar 2.3 Proses Local Matching ... 14
Gambar 2.4 Proses Global Matching ... 15
Gambar 3.1 Diagram Blok Sistem Identifikasi ... 16
Gambar 3.2 (a) Diagram alir proses pembuatan database ... 19
(b) Diagram alir proses identifikasi ... 19
Gambar 3.3 Diagram Alir untuk Deteksi Minutia ... 21
Gambar 3.4 Bentuk blok 3x3 untuk menghitung Crossing Number ... 22
Gambar 3.5 Hapus Minutia Palsu ... 22
Gambar 3.6 Region of Interest ... 23
Gambar 3.7 Proses imclose pada citra sidik jari ... 24
Gambar 3.8 Proses imfill pada citra sidik jari ... 24
Gambar 3.9 Proses imerode pada citra ... 25
Gambar 3.10 Identifikasi & Skoring ... 26
1
Universitas Kristen Maranatha
BAB I
PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah, tujuan, pembatasan masalah, dan metodologi dari Tugas Akhir ini.
1.1. Latar Belakang
Perkembangan yang pesat mengenai masalah keamanan dan penipuan identitas di seluruh dunia menciptakan kebutuhan teknologi biometrik, yang mengacu pada pendeteksian fisiologis yang berbeda untuk tiap individu dan diharapkan dapat mengidentifikasi pengenalan individu secara otomatis. Salah satu pendekatan biometrik tersebut yaitu pendekatan sidik jari. Pendekatan sidik jari didasari bahwa setiap individu diciptakan memiliki pola dan tipe sidik jari yang berbeda.
Pengkategorian deteksi sidik jari berdasarkan pendekatannya dibagi dalam tiga kelas, yaitu: [6]
• Pencocokan berbasis korelasi (Correlation-based Matching) : dua gambar sidik jari yang ditumpangkan satu sama lain dan mengukur korelasi (tingkat intensitas) antara letak piksel yang sesuai.
• Pencocokan berbasis minutiae (Minutiae-based Matching) : hal-hal detail pada guratan sidik jari diperhitungkan dari kedua gambar sidik jari. Pencocokan minutiae pada dasarnya mencari keselarasan antara sidik jari input dengan
database.
2
Universitas Kristen Maranatha
Teknik pencocokan minutiae merupakan salah satu teknik identifikasi sidik jari. Minutiae-based Method menganalisa detail dari guratan-guratan sidik jari yang dinamakan dengan “minutiae” atau guratan. Teknik pendekatan minutiae dalam tugas akhir ini menggunakan dua jenis variasi minutiae dari 10 variasi yang ada, yaitu minutiae ending dan minutiae bifurcation untuk menampilkan titik-titik khusus dari percabangan sidik jari. Ending adalah daerah di mana minutiae berakhir, sedangkan bifurcation adalah daerah di mana sebuah guratan memisah atau bercabang menjadi dua alur. Ditunjukkan pada Gambar 1.1.
(a) (b)
Gambar 1.1 (a) Ending Minutiae
(b) Bifurcation Minutiae
1.2 Perumusan Masalah
Bagaimana merealisasikan sistem identifikasi seseorang berdasarkan pola sidik jari tangan pada Citra Digital menggunakan Minutiae-Based Matching ?
1.3 Tujuan
3
Universitas Kristen Maranatha
1.4 Pembatasan Masalah
1. Citra pola sidik jari diambil dari ibu jari tangan kanan untuk tiap individu. 2. Minutiae yang digunakan untuk ekstraksi sidik jari adalah titik akhir
(ending) dan titik percabangan (bifurcation).
3. Saat pengakuisisian data, citra yang diambil adalah ibu jari tangan kanan.
4. Citra yang digunakan sebagai data uji maupun input memiliki tipe
grayscale (keabuan).
5. Ukuran citra 180x256, format citra .bmp
6. Data sidik jari 10 orang, masing-masing 5 citra. 2 citra untuk database, 3 citra untuk citra uji.
7. 2 citra sidik jari diluar 10 orang dipakai untuk citra uji.
8. Pencocokan sidik jari dilakukan secara off-line.
9.
Realisasi software menggunakan pemrograman MATLAB131.5
Sistematika Penulisan
Sistematika yang akan digunakan untuk menyusun laporan ini adalah sebagai berikut :
• Bab 1. Pendahuluan
Merupakan bab yang menjelaskan mengenai latar belakang masalah, rumusan masalah, tujuan dan sistematika penulisan dari Tugas Akhir ini. • Bab 2. Landasan Teori
4
Universitas Kristen Maranatha
• Bab 3. Perancangan Sistem
Merupakan bab yang berisi penjelasan desain yang akan dilakukan untuk membuat software pendeteksian pada citra digital sidik jari menggunakan pencocokan berdasarkan Minutia-based Matching.
• Bab 4. Analisa
Merupakan bab yang berisi hasil yang diperoleh dari penelitian dan analisa data yang diperoleh melalui Tugas Akhir ini
• Bab 5. Kesimpulan dan Saran
49
Universitas Kristen Maranatha
BAB V
KESIMPULAN & SARAN
Bab ini berisi kesimpulan berdasarkan hasil penelitian dan analisis data dari Tugas Akhir ini serta saran untuk pengembangan “Sistem Identifikasi Berdasarkan Pola Sidik Jari Tangan Menggunakan Minutiae-based Matching”.
5.1 Kesimpulan
Dari data pengamatan yang dilakukan terkait dengan pelaksanaan Tugas Akhir, dapat diambil kesimpulan sebagai berikut :
• Software Sistem Identifikasi Pola Sidik Jari Tangan Menggunakan
Minutiae-Based Matching berhasil direalisasikan dan dapat berfungsi
dengan baik menggunakan software MATLAB13 .
• Dengan DT =14 dan TT = 140 menghasilkan persentase keberhasilan sistem ini yaitu 96.88% untuk citra uji yang ada di dalam dan di luar
database.
50
Universitas Kristen Maranatha
5.2 Saran
51
Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1]. Alilou, Vahid. “Fingerprint Matching Using a Simple Approach”.
www.mathworks.com/matlabcentral/fileexchange/44369-fingerprint-matching-a-simple-approach
[2]. Dadlani, Chirag, “Fingerprint Recognition Using Minutiae-Based
Features” , Indian Institute of Technology Delhi, Delhi, 2006.
[3]. Feng, Jianjiang, “Combining Minutiae Descriptors for Fingerprint
Matching”, Department of Computing, The Hong Kong Polytechnic
University, Hong Kong, 2007.
[4]. Kadir, Abdul dan Adhi Susanto. “Teori dan Aplikasi Pengolahan Citra”.
Penerbit Andi. Yogyakarta, 2013.
[5]. Kussener, Florence. “Fingerprint Application”.
www.mathworks.com/matlabcentral/fileexchange/16728-fingerprint-application.
[6]. Maltoni, Davide, Dario Maio, Anil K. Jain, Salil Prabakhar, “Handbook
of Fingerprint Recognition”. Springer, New York, 2003.
[7]. Medina-Perez, Miguel Angel, Andres Gutierrez-Rodriguez, “Improving
Fingerprint Matching Using An Orientation-based Minutiae Descriptor”,
Bioplantas Centre, Kuba, 2009.
[8]. Ratha, Nalini, Ruud Bolle, “Automatic Fingerprint Recognition Systems”,
Springer, New York, 2003.
[9]. Sianipar, R.H. . “Matlab Untuk Pemrosesan Citra Digital”, Penerbit
Informatika, Bandung. 2013.
[10]. Thai, Raymond, “Fingerprint Image Enhancement and Minutiae
Extraction”, School of Computer Science and Software Engineering. The
52
Universitas Kristen Maranatha
[11.] Tico, Marius. “Fingerprint Matching Using an Orientation-based Minutiae
Descriptor”, Member of IEEE, 2008.
[12]. Zhao, Feng. “Preprocessing and Postprocessing for Skeleton-based
Fingerprint Minutiae Extraction”. School of Computer Science. China
University. Hong Kong, 2006.
[13]. http://bias.csr.unibo.it/fvc2004/download.asp.- Fingerprint Database FVC