persamaan 2.9 lebar dan tinggi dari mask filter keduanya ditetapkan sebagai ,
karena sebagian besar informasi gelombang Gabor terkandung di rentang ini jauh dari sumbu . Oleh karena itu, pemilihan nilai parameter ini
memungkinkan masker filter untuk merekam sebagian besar informasi sinyal Gabor.
2.4. Identifikasi Sidik Jari
Identifikasi sidik jari merupakan metode dalam mencocokkan data input sidik jari terhadap semua data template. Sebelum melakukan pencocokan ada beberapa
langkah yang perlu dilakukan diantaranya: a. Data acquisition adalah penerjemahan data dari suatu sensor ke dalam bit-bit
data sidik jari. Ada beberapa metode dalam data acquisition diantaranya: 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 di-scan
dan dimasukkan ke database. A latent fingerprint adalah pengambilan data yang dilakukan pada suatu barang bukti kriminal dengan memberikan bubuk
atau cairan kimia, kemudian di foto untuk mendapatkan sidik jari. Sedangkan A live scan fingerprint adalah suatu alat embedded dalam suatu aplikasi
dimana alat akan mengambil data sidik jari user secara langsung dengan cara sidik jari ditempelkan ke alat tersebut.
b. Feature extraction merupakan ekstraksi bit-bit data ke dalam parameter-
parameter sesuai dengan metode yang akan dipakai dalam pencocokan sidik jari. Pada metode minutiae bit-bit data akan di ekstraksi ke dalam vektor
minutiae dan metode citra matching based phase correlation bit-bit data akan diterjemahkan ke dalam komponen fourier.
c. Decision making adalah membandingkan data sidik jari antara ekstraksi data input dengan data template, sehingga menghasilkan data yang benar atau
salah. Minutiae-based mempunyai keunggulan dalam kecepatan karena jumlah data yang
dicocokkan berbentuk vektor dengan ukuran yang relatif kecil bila dibandingkan dengan metode citra-matching yang hanya unggul dari sisi keakurasian data, namun
kelemahannya lambat dari sisi kecepatan.
2.4.1. Minutiae Minutiae adalah vektor dari ridge ending dan ridge bifurcation dari sebuah citra sidik
jari seperti yang diperlihatkan pada Gambar 2.11. Vektor ridge ending adalah lokasi koordinat x, y dan sudut
θ dari ujung garis jari. Sedangkan Vektor ridge bifurcation adalah koordinat x, y dan sudut
θ dari garis jari yang berbentuk cabang. Untuk menentukan suatu lokasi dari ridge ending dan ridge bifurcation dalam suatu citra
sidik jari adalah dengan melihat piksel tetangga dari suatu piksel citra setelah dilakukan proses sceletonized. Jika suatu piksel R mempunyai piksel tetangga, X1,
X2, …..Xk. Suatu piksel dikategorikan sebagai ridge ending jika piksel tersebut mempunyai kondisi sebagai berikut:
....................2.10
Sedangkan suatu piksel dikategorikan sebagai ridge bifurcation jika hubungan piksel dan piksel tetangganya memenuhi kondisi sebagai berikut:
....................2.11
Gambar 2.11. Vektor minutiae ridge x,y, θ ending dan ridge bifurcation [14]
Untuk mendapatkan hasil ekstraksi minutiae yang akurat diperlukan suatu metode enhancement citra, hal ini dikarenakan data acquisition seringkali
menghasilkan data citra dengan kualitas kurang baik. Salah satu enhancement citra adalah recovered dari ridge, contoh sidik jari dengan kualitas yang baik dan rendah
seperti pada Gambar 2.12.
Gambar 2.12. Dua citra sidik jari dengan kualitas yang berbeda a citra kualitas baik; b citra kualitas rendah [11]
2.4.2. Minutiae matching Minutiae matching merupakan proses pencocokan vektor minutiae dari query
sidik jari dengan vektor minutiae yang ada pada database. Pada Gambar 2.13 menunjukkan minutiae dari query yang digambarkan dengan warna hitam sedangkan
minutiae pada database digambarkan dengan warna merah. Jika minutiae pada database mempunyai lokasi x,y dan sudut yang sama atau hampir sama dengan
minutiae input dianggap teridentifikasi. Area yang berwarna biru muda menunjukkan vektor minutiae query bersesuaian dengan vektor minutiae sidik jari pada database.
Korelasi vektor minutiae input dan vektor minutiae template dapat di nilai dengan:
......................................................................2.12
= Jumlah vektor minutiae query dan template yang bersesuaian = Jumlah vektor minutiae query
a b
Gambar 2.13. Minutiae matching dari sampel input sidik jari dan template database; a citra sidik jari; b query database; c minutiae matching [17]
Beberapa faktor penyebab sehingga tidak dapat dilakukan penilaian pada vektor minutiae disebabkan oleh:
a. Faktor usia, yakni garis sidik jari terlihat tidak jelas seperti pada orang tua. b. Faktor kecelakaan yang menyebabkan hilangnya garis-garis jari pada sidik jari.
c. Faktor cuaca, sehingga garis-garis jari tidak jelas pada individu yang tinggal pada kawasan yang cuacanya terlalu kering.
d. Faktor keturunan. Hal tersebut menyebabkan kualitas citra pada data acquisition sangat jelek.
Dari seratus populasi, persentase data acquisition yang jelek adalah sebesar dua sampai lima persen [8].
a b
c
BAB 3 METODELOGI PENELITIAN
