Berdasarkan hasil penelitian ini, terlihat bahwa urutan persentase polasidikjari yang paling banyak, baik pada kelompok retardasi mental maupun kelompok normal adalah sama, yaitu: loop ulna , kemudian whorl, selanjutnya loop radial dan arch. Perbedaan antara retardasi mental dengan normal adalah dari segi persentase frekuensinya, terutama pola arch dan loop radial yang lebih tinggi pada kelompok retardasi mental dibanding kelompok normal. Perbedaan yang mencolok terdapat pada pola arch, yaitu 3% pada kelompok retardasi mental dan 0% pada kelompok normal. Penelitian mengenai analisis sidikjari kelompok retardasi mental belum pernah dilakukan, sehingga belum bisa dijadikan sebagai pembanding dalam penelitian ini. Sebagai pendekatan, penelitian ini dibandingkan dengan penelitian Katznelson & Ashbel (1973), pada penderita sindrom Down dan kontrol di Italia, yang dapat dilihat pada Tabel 7 dan Grafik 4.
Sidikjari tangan seseorang merupakan ciri yang unik, karena tidak ada seorangpun yang mempunyai sidikjari yang sama. Beberapa studi tentang sidikjari telah mempelajari adanya keterkaitan antara polasidikjari dengan karakter seseorang. Pada tulisan ini dibahas perancangan dan realisasi sistem untuk mengidentifikasi karakter seseorang berdasarkan polasidikjari tangan menggunakan jaringan saraf tiruan Learning Vector Quantization (LVQ). Sidikjari tangan akan dikenali polanya dengan menggunakan jaringan saraf tiruan LVQ. Masukan untuk jaringan LVQ berupa nilai tujuh momen invarian, yang diperoleh dari citra sidikjari. Berdasarkan hasil klasifikasi polasidikjari oleh jaringan LVQ, karakter seseorang diidentifikasi sesuai dengan referensi pada database. Dari hasil pengujian identifikasi karakter terhadap sepuluh responden, diperoleh keberhasilan identifikasi karakter sebesar 90%. Pengujian juga dilakukan pada citra sidikjari yang dirotasi dan ditranslasi. Citra sidikjari yang dirotasi, tidak mempengaruhi hasil pengklasifikasian, sedangkan untuk citra yang ditranslasi, pengklasifikasian tidak terpengaruh sampai translasi sebesar 10% .
Untuk mengenali polasidikjari digunakan jaringan syaraf tiruan (JST). JST merupakan cabang ilmu yang memiliki karakteristik mirip dengan jaringan syaraf biologi. JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf otak manusia, sehingga dapat melakukan proses pembelajaran. JST dapat diaplikasikan dalam beberapa masalah, diantaranya pengenalan pola, pemprosesan sinyal, dan peramalan terhadap apa yang terjadi dimasa yang akan datang berdasarkan generalisasi dari pola yang sudah terjadi sebelumnya (Siang, 2009: 5). JST sendiri memiliki beberapa jenis, dalam penelitian ini dipakai JST propagasi balik karena jenis ini paling baik untuk melakukan pengenalan pola, memiliki struktur yang sederhana, dan dapat disisipi beberapa layar tambahan yang akan meningkatkan performa jaringan dalam mengenali pola.
Hasil penelitian menunjukkan proporsi garis Simian lebih tinggi pada kelompok retardasi mental (14%) dibanding kelompok noinial (8%), tetapi uji Chi-Kuadrat tidak berbeda nyata pada p = 0,05. Polasidikjari kelompok retardasi mental dan kelompok normal sama, tetapi proporsinya tidak sama, urutan dari yang tertinggi adalah : loop ulna, whorl, loop radial dan arch, dengan uji Chi-Kuadrat berbeda nyata pada p = 0,05. Nilai indeks Dankmeijer kelompok retardasi mental (9,12) lebih tinggi dibanding kelompok normal (0,39). Nilai indeks Furuhata kelompok retardasi mental (48,92) lebih rendah dibanding kelompok normal (64,09). Nilai indeks Cummins & Midlo kelompok retardasi mental (12,9) lebih rendah dibanding kelompok normal (13,9). Rata-rata jumlah rigi sidikjari kelompok retardasi mental (114,1) lebih rendah dibanding kelompok normal (142,8), dengan uji t berbeda nyata pada p = 0,05.
tipe polasidikjari yang banyak ditemukan adalah tipe loop ulna baik pada pria maupun wanita namun Astry (2003), melihat bahwa tipe polasidikjari penderita skizofrenia yang banyak ditemukan adalah tipe loop. Penelitian yang dilakukan oleh Rafi’ah dkk (1993) dan Suryadi dkk (1993) yang menemukan frekuensi tertinggi tipe polasidikjari tangan kelompok umum, mahasiswa dan residivis adalah tipe loop ulna. Menurut Napitupulu (1991), sampai sekarang belum diketahui dengan jelas bagaimana cara pewarisan kelamin dermatoglifi, juga belum diketahui dimana letak gen-gen yang mengatur dermatoglifi ini, beberapa kelainan pada autosom maupun kelainan pada kromosom seks, sama-sama memberikan kelainan pada dermatoglifi.
a) Bagian atas pada batas radial dari cetakan sidikjari dipilih sebagai daerah untuk dianalisa karena pada semua jenis polasidikjari menunjukkan kesamaan arah alur pada area tersebut. Metode ini berfungsi untuk mengisolasi alur dalam area yang telah ditentukan untuk dapat dilakukan proses penghitungan alur pada sidikjari. Sebuah segi empat berukuran 5x5 mm 2
Tujuan penelitian ini, untuk mendapatkan proporsi garis Simian, polasidikjari dan jumlah rigi sidikjari pada kelompok retardasi mental dan kelompok normal. Penelitian ini telah dilakukan di Yayasan Pembinaan Anak Cacat (YPAC), Sekolah Dasar Islam Terpadu (SDIT) Nurul Ilmi dan SDIT Al-Hijrah II. Jumlah peserta dalam penelitian ini adalah 223 orang. Kelompok retardasi mental terdiri dari 35 orang perempuan dan 58 orang laki-laki. Kelompok normal terdiri dari 55 orang perempuan dan 75 orang laki-laki. Metode yang digunakan adalah penelitian kasus kontrol, dengan variabel yang diamati adalah proporsi garis Simian, polasidikjari (whorl, loop ulna, loop radial dan arch) dan jumlah rigi sidikjari.
Peneliti selanjutnya [10] telah melakukan penelitian dimana metode untuk mengetahui kehadiran mahasiswa selama perkuliahan adalah dengan menggunakan kode biometrik sidikjari. Hasilnya menunjukkan bahwa sistem presensi kehadiran mahasiswa yang menggunakan metode biometrik akan membuat kinerja menjadi meningkat bila dibandingkan dengan sistem presensi dengan metode manual. Peneliti berikutnya [9] telah melakukan penelitian sistem manajemen kehadiran mahasiswa dengan menggabungkan sidikjari dengan RFID. Hasilnya menunjukkan bahwa dari sisi performa dan efisiensi, sistem ini sangat mudah untuk menandai kehadiran mahasiswa bila dibandingkan dengan metode manual. Pada penelitian ini, kami merancang sebuah aplikasi presensi dosen dengan menggunakan deteksi sidikjari (fingerprint) yang dapat tersaji secara realtime pada laman web yang ditampilkan pada layar monitor sehingga kehadiran dosen dikelas dapat diketahui oleh mahasiswa dan para pengambil kebijakan.
perangkat lunak. Lebih mudahnya, dapat juga disebutkan bahwa Model adalah bagian yang bertugas untuk mengolah data. Untuk ViewModel dan Model menggunakan bahasa VB. Pada Gambar 2.20 dijelaskan View terdiri dari antarmuka dan logika antarmuka, ViewModel terdiri dari data binding sedangkan Model terdiri dari data. Untuk berinteraksi antara View dan ViewModel yakni melalui data binding, command. Sama seperti semua pola presentasi yang terpisah, kunci menggunakan MVVM yang efektif terletak pada pemahaman cara yang tepat mengaplikasikan kode pada kelas yang benar dan memahami kelas-kelas ini berinteraksi pada berbagai skenario. Bagian berikut menjelaskan tanggung jawab dan karakteristik dari masing-masing kelas dalam pola MVVM.
Oleh karena itu dikembangkan solusi untuk mengidentifikasi seseorang. Identifikasi tersebut meliputi identifikasi secara fisik seperti struktur permukaan tubuh dan suara. Biometric adalah salah satu ilmu pengetahuan yang mengukur dan mengolah perbedaan dari bentuk tubuh manusia. Contohnya identifikasi dari perbedaan sidikjari, bola mata atau iris, dan suara. Salah satu metode pengenalan yang cukup akurat adalah identifikasi sidikjari.
Sejalan dengan meningkatnya tuntutan dalam hal otomasi identifikasi individu, otentifikasi biometrika menjadi perhatian besar selama dekade terakhir ini,. Biometrika merupakan cara untuk mengidentifikasi individu menggunakan karekteristik fisiologi atau perilaku seseorang seperti sidikjari, wajah, iris, retina dan telapak tangan. Di antara teknik biometrika, pengenalan (recognition) sidikjari [1] merupakan metoda yang paling populer dan banyak diterapkan untuk banyak aplikasi.
Penelitian ini termasuk jenis penelitian hukum normatif yang bersifat deskriptif, karena penelitian ini adalah suatu penelitian bersifat de skriptif analitif, terbatas pada usaha mengungkapkan suatu masalah atau keadaan ata u peristiwa sebagaimana adanya, sehingga bersifat sekedar untuk mengungkapkan fakta. Berdasarkan penelit ian tersebut diperoleh hasil bahwa kegunaan sidikjari (dachtyloscopy) dalam proses penyidikan adalah sebagai bantuan teknis dalam penyelenggarakan penyidikan dan sangat penting untuk membantu penyidik dalam mengungkap atau menyelesaikan suatu tindak pidana yang terjadi. Di dalam P asal 184 KUHAP alat bukti yang sah adalah keterangan saksi, keterangan ahli, surat, petunjuk, keterangan terdakwa. Berdasarkan pasal tersebut di dalam proses penyidikan, sidikjari yang di temukan di TKP (tempat kejadian perkara) akan dikembangkan oleh penyidik dalam tahap penyidikan menjadi alat bukti petunjuk. Dengan adanya ilmu sidikjari (dachtyloscopy) maka sidikjari latent dapat juga digunakan untuk mengetahui atau menemukan pelaku tindak pidana yang belum di temukan pelakunya.
Fingerprint atau sensor sidikjari adalah salah satu teknologi yang memiliki akurasi cukup tinggi dimana hanya bisa diakses oleh orang yang sidik jarinya sudah di input ke dalam fingerprint. Sistem keamanan kendaraan bermotor berdasarkan pengenalan sidikjari memiliki kelebihan ditingkat akurasi alat/sistem. Hal ini dikarenakan pada proses verifikasi jari pemilik langsung menempel pada sensor fingerprint yang dilekatkan/ditanam pada kendaraan.
sidikjari ternormalisasi yang siap untuk diekstraksi cirinya. Pertama citra sidikjari dicari reference point-nya kemudian berpusat pada titik tersebut dilakukan sektorisasi. Wilayah yang disektorisasi disebut Region of Interest (ROI). Selanjutnya pada wilayah ROI ini dilakukan normalisasi intensitas warna citra tiap sektor dengan Metode Histogram untuk mendapatkan hasil intensitas warna yang lebih merata dan jelas. Ekstraksi ciri (feature extraction)
jahe emprit, dan lengkuas. untuk mengetahui ada tidaknya senyawa yang terdapat pada jahe, maka digunakan senyawa penciri untuk pembanding, yaitu 6- gingerol. Gambar 18 menunjukan bahwa senyawa 6-gingerol itu hanya terdapat pada sampel jahe merah, jahe gajah, dan jahe emprit dengan nilai Rf sebesar 0.24 (Lampiran 19). Sedangkan pada lengkuas tidak terdapat senyawa 6-gingerol. Lengkuas memiliki polasidikjari kromatogram yang berbeda dari ketiga jenis jahe ini, sehingga ketika ada pemalsuan bahan baku jamu jahe langsung dapat terlihat perbedaannya dengan menggunakan KLT. Berbeda dengan Polasidikjari kromatogram yang dihasilkan antara jahe merah, jahe gajah dan jahe emprit. Polasidikjari yang dihasilkan belum bisa dibedakan karena pola kromatogram yang dihasilkan sama. kemungkinan ketiga jenis jahe ini mempunyai komponen kimia yang sama, dan yang membedakan hanya jumlah kandungannya saja. Perlu dilakukannya analisis lebih lanjut yaitu analisis kuantitatif dengan kromatografi cair kinerja tinggi (KCKT) atau kromatografi gas sehingga dapat terlihat jumlah kandungan komponen kimia yang berbeda dari ketiga jenis jahe tersebut.
Sejak dulu sidikjari telah diakui keunikannya, bahwa tidak ada seorang pun di dunia yang memiliki sidikjari yang sama persis. Sehingga telah dimanfaatkan untuk pengenalan dan pelacakan identitas seseorang. Sistem pengenalan sidikjari mampu mengidentifikasi sidikjari seseorang dari sekumpulan besar basisdata sidikjari, dan ini merupakan masalah tersendiri bagi efisiensi sistem identifikasi, sehingga digunakan berbagai pendekatan klasifikasi berdasarkan ciri umum yang tampak pada sidikjari. Dalam penelitian ini telah dibuat aplikasi klasifikasi sidikjari dengan pendekatan pembagian arah lokal alur sidikjari (segmentasi citra berarah) dengan menggunakan template. Preprocessing diperlukan untuk memperbaiki alur-alur yang kurang jelas pada saat akuisisi citra sidikjari. Pada tahap klasifikasi, template tersebut kemudian dicocokan dengan berkas citra sidikjari. NC (Normalized Cross Correlation) digunakan untuk menghitung prosentase kecocokan template dengan berkas citra sidikjari. Prosentase terbesar menujukkan berkas citra sidikjari tersebut cenderung termasuk ke dalam kelas sidikjari tersebut. Keluaran sistem aplikasi ini adalah prosentase kecocokan suatu pola citra sidikjari (template) pada kelas yang ada dengan berkas citra sidikjari tersebut, sehingga berkas citra sidikjari yang telah dimasukkan oleh user dapat diklasifikasikan ke dalam kelas sidikjari tertentu.
Untuk proses verifikasi menggunakan fingerprint dilakukan dengan cara melakukan cek sidikjari menggunakan fingerprint kemudian data sidikjari akan dicocokan dengan database apakah data sidikjari ada atau tidak. Jika data sidikjari tidak ada dalam database maka sistem akan berhenti. Jika data sidikjari ada dalam database maka proses akan berlanjut memberikan update angka kod e “1” kedalam database di tabel notifikasi sebagai inputan user verifikasi. Seperti pada Gambar 4. Flowchat Verifikasi User.
Pengetahuan mengenai gambaran sulur ujung jari tangan, telapak tangan dan telapak kaki dikenal sebagai dermatoglifi, dan gambaran sulur ini dikenal dengan pola dermatoglifi. Pola dermatoglifi merupakan salah satu variasi biologis yang berbeda dari satu kelompok ras dengan kelompok yang lain, antara perempuan dan laki-laki bahkan kembar monozigot. Sebelum kehamilan 12 minggu faktor lingkungan dapat mempengaruhi dermatoglifi. Hal inilah yang menyebabkan banyak ahli yang menduga setiap gangguan lingkungan sebelum usia 12 minggu kehamilan dapat mempengaruhi perkembangan embrio dan juga dapat mempengaruhi garis tangan dan sidikjari. Pola dermatoglifi ini juga tidak akan berubah sejak usia kehamilan 21 minggu, sehingga sudah sejak lama dermatoglifi digunakan sebagai alat identifikasi diri (Sufitni, 2007).
Kapasitas ini meliputi jumlah user, jumlah sidikjari, jumlah kartu maupun daya tampung data absensi. Jika karyawan Anda hanya berjumlah 50 orang, Anda tidak perlu membeli alat absensi sidikjari dengan kapasitas user sampai 50.000 user. Jumlah daya tampung data absensi juga penting untuk Anda perhatikan. Hal ini untuk berjaga-jaga kapan anda harus menghapus data tersebut dari mesin. Karena untuk tipe mesin standalone, jika log capacity-nya sudah penuh, data absensi tidak bisa disimpan di mesin lagib. Kualitas Sensor
Penggunaan sidikjari e-KTP lebih canggih dari yang selama ini telah diterapkan untuk SIM (Surat Izin Mengemudi). Sidikjari tidak sekedar dicetak dalam bentuk gambar (format jpeg) seperti di SIM, tetapi juga dapat dikenali melalui chip yang terpasang di kartu. Data yang disimpan di kartu tersebut telah dienkripsi dengan algoritma kriptografi tertentu. Proses pengambilan sidikjari dari penduduk sampai dapat dikenali dari chip kartu adalah sebagai berikut: