33
2.8.1. Beaglebone Black
Beaglebone adalah Single Board Computer SBC yang dikembangkan oleh Texas Instrument dengan dukungan processor Sitara
AM335x ARM Cortex A8. McBride, 2014 Sebelum mengembangkan beaglebone Black, texas instrument sudah terlebih dahulu mengembangkan
beagleboard dan beaglebone. Perbedaan mendasar dari beaglebone black dengan beagleboard dan beaglebone terletak pada ukuran dan performa
hardware yang digunakan.
Spesifikasi SBC BeagleBone Black adalah sebagai berikut : Beagleboard.org, 2014
Processor AM335x 1Ghz ARM-Cortex-A8 512MB DDR3 RAM
4GB 8-bit eMMC on-board flash storage 3D graphics accelerator
NEON floating-point accelerator
Gambar 2.8.1- Beaglebone Black
34 2x PRU 32-bit microcontrollers
Connectivity : o
USB client for power communications o
USB host o
Ethernet o
HDMI o
2x 46 pin header Software Compatibility
o Debian
o Android
o Ubuntu
o Cloud9 IDE on Node.js w BoneScript library
Sedikitnya terdapat delapan kelebihan menggunakan Beaglebone dibanding menggunakan menggunakan microcontroller board, yaitu
Richardson, 2013: 1.
Built-in Network 2.
Remote Access 3.
Timekeeping 4.
Filesystem 5.
Use many different programming language 6.
Multitasking 7.
Linux Software
8.
Linux Support
35
2.9. QT Framework
QT merupakan framework yang dapat memudahkan pengembang aplikasi untuk membangun aplikasi berbasis C++. QT adalah cross-platform aplication
dapat membuat program dengan multi platfom dan UI Framework untuk developer yang menggunakan bahasa C++ atau QML. QML itu adalah bahasa C++
dari QT yang mirip seperti css dan javascript. Qt Digia, 2014
Dalam QT framework ini disediakan pula tools dan add-ons lainnya untuk lebih memudahkan pengembang aplikasi mengembangkan aplikasinya seperti :
Qt Creator, adalah Integrated Development Environment IDE untuk membuat aplikasi menggunakan Qt Framework.
Qt Visual Studio Add in, tools untuk membangun aplikasi menggunakan Qt Framework pada Visual Studio
Qmake, Sistem untuk “build” kode pemprograman untuk menghasilkan makefiles.
Git with Qt Creator, tools untuk memanajemen proyek Qt dengan repository Git.
Gambar 2.9.1 – Logo Qt Framework
36
2.10. OpenCV
OpenCV Open Source Computer Vision adalah sebuah API Application Programming Interface Library yang sudah sangat familiar pada Pengolahan Citra
Computer Vision. Computer Vision itu sendiri adalah salah satu cabang dari Bidang Ilmu Pengolahan Citra Image Processing yang memungkinkan komputer dapat
melihat seperti manusia. Dengan vision tersebut komputer dapat mengambil keputusan, melakukan aksi, dan mengenali terhadap suatu objek. Beberapa
pengimplementasian dari Computer Vision adalah Face Recognition, Face Detection, FaceObject Tracking, Road Tracking, dll. OpenCV adalah library Open
Source untuk Computer Vision untuk CC++, OpenCV didesain untuk aplikasi real- time, memiliki fungsi-fungsi akuisisi yang baik untuk gambarvideo.
OpenCV bersifat open source BSD-licenced library yang berarti memberikan kebebasan penuh kepada pemakai untuk dimanfaatkan secara
komersial tanpa perlu mengungkap kode sumbernya. OpenCV juga mendukung bahasa pemprograman C++, C, Python, dan Java pada sistem operasi Windows,
Linux, Mac OS, iOS, dan Android.
Gambar 2.10.1 – Logo OpenCV dan Face detection menggunakan OpenCV
37 OpenCV mempunyai struktur yang modular, yang berarti setiap paket
OpenCV termasuk beberapa shared dan static library. Berikut merupakan komponen dalam OpenCV : OpenCV Dev Team, 2014
Core, modul yang berisi struktur data dasar yang fungsi yang dipakai pada
modul lain.
Imgproc, modul pemprosesan citra, termasuk linier dan non linier image filtering, geometrical image transformations, konversi ruang warna,
histogram dan lain sebagainya.
Video, modul untuk analisa video termasuk motion estimation, background subtraction, dan algoritma object tracking.
Calib3d, berisi dasar algoritma geometri untuk mengkalibrasi kamera,
algoritma stereo correspondence dan elemen dari 3D reconstruction.
Features2d, modul untuk mendeteksi fitur, deskripsi fitur dan lain sebagainya.
Objdetect, modul deteksi objek dan untuk mendefinisikan objek.
Highgui, modul untuk membangun interface dari video dan image.
Gpu, berisi algoritma untuk akselerasi GPU.
2.11. Pengujian Sistem Biometrik
Tanda tangan merupakan salah satu bagian dari sistem biometrik, oleh sebab itu pengujian yang dilakukan menggunakan pengujian dengan standar biometrik
untuk dapat dibandingkan keakuratannya dengan sistem biometrik lainnya. Dalam sistem biometrik dikenal dengan istilah False Acceptance Rate FAR dan False
38 Rejection Rate FRR. False Acceptance Rate FAR adalah persentase dari
kesalahan sistem dalam menerima accept akses suatu input yang tidak sahtidak valid, sedangkan False Rejection Rate FRR adalah persentase dari kesalahan
sistem dalam menolak reject akses dari suatu input yang sahvalid. Perhitungan nilai FAR dan FRR dijelaskan dalam rumus sebagai berikut Bayometric, 2014 :
�� =
� ℎ �
� �
� ℎ �
�
× ............................................. 1
�� =
� ℎ �
� � � �
ℎ � �
× ............................................... 2