16 Gambar 4, Arsitektur-JST Backpropagation menurut Kusumadewi, 2003.
2.2. Metode Sidik Jari
Pengenalan sidikjari fingerprint recognition merupakan teknologi yang amat sering dan umum digunakan oleh khalayak ramai dalam identifikasi identitas
seseorang, bahkan telah menjadi teknologi yang cukup diandalkan karena efektifitas dan penggunaannya yang mudah. Sidik jari fingerprint merupakan
identitas seseorang yang sangat terjamin keunikannya. Karena keunikannya itulah sidik jari fingerprint dapat digunakan untuk menjadi identitas utama yang
digunakan dalam mengenali seseorang. Hal tersebut menyebabkan dibutuhkannya suatu metode pengenal terhadap sidik jari fingerprint tersebut. Algoritma
pencocokan string string matching merupakan algoritma yang banyak digunakan dalam pengenalan pengenalan suatu permasalahan. Algoritma ini
merupakan algoritma yang sangat mangkus dan sangkil dalam proses pengenalan. Dalam hal ini, contoh yang kita ambil adalah pengenalan sidik jari fingerprint
recognition sebagai aplikasi algoritma pencocokan string string matching. Winanti, 2007
Sistim pengenalan pola sidik jari merupakan salah satu sistim biometrik yang paling popular disamping tingkat akurasi yang baik juga lebih mudah
daripada sistim biometrik lainya. Meskipun demikian, pada sistim pengenalan pola , sidikjari, Proses awal untuk mendapatkan cirri-ciri khusus tidak mudah dan
memerlukan waktu. Pada sistim tertanam embedded system dengan keterbatasan
X
X
2
X
1
H
H
1
O
1
O
2
O
3
I n
p u
t -
i n
p u
t
Input Layer Hidden Layer
Ouput Layer Bobot Matrik 1
Bobot Matrik 2
17 kapasitas dari elemen-elemen didalamnya, kecepatan dan kepadatan keringkasan
algoritma ekstraksi pola sidik jari merupakan syarat utama. Deteksi titik-titik singular singular points, merupakan salah satu pilihan mengingat jumlah titik-
titik ini antara 2 sampai 4 untuk setiap sidik jari sehingga data tempelate yang disimpan sangat sedikit dibandingkan jika menggunakan deteksi minutiae yang
jumlahnya antara 60 sampai 100. Sudiro, 2004. Dikatakan pula bahwa; salah satu metode yang dapat digunakan adalah
dengan membangun matrix berarah direction matrix atau penghitungan arah citra directional image calculation yang dapat mendiskripsikan tekstur pola sidik
jari. Kemudian menggunakan pendekatan sederhana untuk mendeteksi keberadaan titik-titik singular core dan delta yakni menggunakan bilangan bertanda pada
perubahan kurva didalam citra berarah tersebut. Metode ini mampu mengenali keberadaan seluruh titik-titik singular pada posisi yang akurat dan cepat 0.9
detik meski bermasalah pada area batas citra border area. Biometrik mencakup karakteristik fisiologis dan karakteristik perilaku.
Karakteristik fisiologis adalah cirri fisik yang relative stabil seperti sidik jari, siluent tangan, cirri khas wajah, pola iris, atau retina mata. Karakteristik perilaku
seperti tanda tangan, pola ucapan, atau ritme mengetik, selain memiliki basis fisiologis yang relative stabil, juga dipengaruhi kondisi psikologis yang mudah
berubah. Hidayanto et al., 2008. Menurut Ardisasmita, bahwa; Sidik jari memiliki suatu orientasi dan
struktur periodik berupa komposisi dari garis-garis gelap dari kulit yang naik ridges dan garis-garis terang dari kulit yang turun furrows yang berliku-liku
membentuk suatu pola yang berbeda-beda. Walaupun garis-garis alur tangan terbentuk berbeda-beda, tetapi sifat-sifat khusus dari sidik jari yang disebut
dengan minutiae adalah unik untuk setiap individu. Ciri-ciri ini membentuk pola khusus yang terdiri dari terminasi atau percabangan dari alur. Untuk memeriksa
apakah dua sidik jari berasal dari jari yang sama atau bukan, para ahli mendeteksi minutiae tersebut. Sistem Identifikasi Sidik Jari Otomatis AFIS akan mengambil
dan membandingkan ciri-ciri tersebut untuk menentukan suatu kecocokan. Verifikasi sidik jari adalah proses pencocokan sidik jari. Peranan verifikasi
sidik jari ini dalam model medis adalah salah satunya mendukung proses Visum Et
18 Repertum VER di bidang kedokteran forensik. Verifikasi yang sudah ada
Berbasis algoritma minutiae, tetapi ditemukan permasalahan terutama pada poin minutiae ridge yang belum bisa diproses secara lengkap. Kelemahan ini akan
tampak pada proses pencocokan sidik jari yang mengandung perbedaan jumlah poin minutiae dua sidik jari yang berkorespondensi yang banyak ditemui pada
sidik jari korban dalam proses visum et repertum VER. Pada penelitian ini akan dihasilkan model perangkat lunak verifikasi citra sidik jari poin minutiae yang
dapat mengatasi kelemahan tersebut. Pratama, 2008 Aplikasi bitoteknologi dan pemuliaan tanaman telah dilakukan oleh
Bustaman et all. 2004, menginformasikan bahwa; keragaman genetik tanaman sangat diperlukan dalam program pemuliaan. Karakterisasi plasma nutfah untuk
menyediakan data genotype atau molekuler. Sehingga informasi keragaman genetik untuk varietas padi berdasarkan sidik jari DNA menggunakan bagian
motif urutan DNA terkonservasi dari gen resisten, dimana contoh DNA dari 28 varietas padi diamplifikasi menggunakan lima resistance gene analogue,
kemudian diseparasi dalam gel poliakrilamid 5 dengan teknik elektroforesis dan dideteksi lewat pewarna nitrat perak. Pita DNA diskor berdasarkan ada 1 dan
tidak ada 0 pita. Citra sidikjari diproses awal dengan transformasi wavelet sehingga
menghasilkan multiresolusi dari citra aslinya. Penggunaan transformasi wavelet ini dimotivasi oleh adanya hasil penelitian tentang transformasi wavelet yang
mempunyai kemampuan memunculkan feature khusus pada citra yang diteliti. Transformasi wavelet di sini digunakan selain sebagai metode ekstraksi ciri juga
sekaligus mereduksi dimensi citra masukan. Citra tereduksi selanjutnya diproses untuk klasifikasinya. Pengenalan dan klasifikasi dengan menerapkan JST
mengelompokkan sidikjari ke salah satu pola utama sidikjari whorl, left loop, right loop, arch, dan tented arch. Sebagai basis masukan jaringan syaraf,
digunakan citra ukuran 16x16, yang kemudian dianalisis juga pengaruh besarnya dimensi vektor masukan terhadap unjuk kerja pengenalan. Minarni, 2004.
Menurut Kanata 2008; Alihragam gelombang-singkat yang digunakan Wavelet Daubechies yang merupakan wavelet terbaik untuk pencarian citra.
Alihragam wavelet berfungsi untuk mengekstrak citra sidikjari menjadi ciri-ciri
19 citra dengan cara memilih sejumlah kecil koefisien hasil alihragam yang memiliki
magnitude terbesar Koefisien Aproksimasi. Ruang warna yang digunakan YIQ yang merupakan ruang warna yang baik untuk pencarian citra dan hanya diambil
luminansnya Y yang merupakan skala keabuan. Hasil eksraksi citra sidik jari asli digunakan untuk dilatihkan pada jaringan syaraf tiruan backpropagation,
sedangkan pengujian berupa citra sidik jari asli dan sidikjari terdistorsi.
2.3. Optik Bawah Air
Kategori