Identifikasi Seseorang Berdasarkan Citra Pembuluh Darah Menggunakan Ekstraksi Fitur Speeded Up Robust Features (SURF).
i Universitas Kristen Maranatha
IDENTIFIKASI SESEORANG BERDASARKAN
CITRA PEMBULUH DARAH
MENGGUNAKAN EKSTRAKSI FITUR
SPEEDED UP ROBUST FEATURES (SURF)
Muhammad Hidayat (0722103)
Jurusan Teknik Elektro Universitas Kristen Maranatha email: ayot89@gmail.com
ABSTRAK
Pola pembuluh darah pada tangan manusia adalah salah satu bagian dari tubuh manusia yang memiliki karakteristik unik pada setiap orang. Karena keunikan tersebut pola pembuluh darah dapat digunakan dalam sistem identifikasi. Pada Tugas Akhir ini diujikan sebuah metode untuk melakukan mengidentifikasi seseorang berdasarkan citra pembuluh darah dengan menggunakan ekstraksi fitur Speeded Up Robust Features (SURF). Citra pembuluh darah diperoleh menggunakan kamera inframerah, selanjutnya pada setiap citra pembuluh darah dilakukan ekstraksi fitur dengan menggunakan SURF. Untuk mengetahui tingkat akurasi dari perangkat lunak yang direalisasikan dilakukan pengujian menggunakan 50 citra uji dari individu yang ada dalam
database dan 30 citra uji yang tidak ada dalam database dari individu yang ada
dalam database.
Hasil pengujian menunjukkan persentase False Rejection Rate (FRR) sebesar 2% pada 50 citra dari individu yang ada dalam database dan persentase
False Rejection Rate (FRR) sebesar 23,333% pada 30 citra yang tidak ada dalam
database dari individu yang ada dalam database.
Kata kunci: Identifikasi, Citra Pembuluh Darah, Ekstraksi Fitur, Speeded
(2)
ii Universitas Kristen Maranatha
IDENTIFICATION OF A PERSON BASED ON
THE VEIN IMAGE
USING FEATURE EXTRACTION
SPEEDED UP ROBUST FEATURES (SURF)
Muhammad Hidayat (0722103)
Department of Electrical Engineering Maranatha Christian University email: ayot89@gmail.com
ABSTRACT
The pattern of vein in the hand is one part of the human body which have unique characteristics in each person. Because of the uniqueness of the pattern of vein can be used in identification systems. On this final project, a method was tested to identify a person based on the image of vein using feature extraction Speeded Up Robust Features (SURF). The image of vein was obtained using an infrared camera, then at each image of the vein was performed by using feature extraction SURF. To determine the accuracy of the software which realized using 50 test images of the individuals in the database and 30 test images which are not in the database of the individuals in the database.
The results show the percentage of False Rejection Rate (FRR) of 2% at 50 images of the individuals in the database and the percentage of False Rejection Rate (FRR) of 23,333% at 30 images that do not exist in the database of the individuals in the database.
Keywords: Identification, Vein Image, Feature Extraction, Speeded Up Robust Features (SURF), False Rejection Rate (FRR)
(3)
v Universitas Kristen Maranatha
DAFTAR ISI
LEMBAR PENGESAHAN
PERNYATAAN ORISINALITAS LAPORAN
PERNYATAAN PUBLIKASI LAPORAN TUGAS AKHIR
ABSTRAK ... i
ABSTRACT ...ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... x
BAB I PENDAHULUAN I.1 Latar Belakang. ... 1
I.2 Identifikasi Masalah. ... 2
I.3 Perumusan Masalah ... 2
I.4 Tujuan ... 3
I.5 Pembatasan Masalah ... 3
I.6 Sistematika Penulisan... 3
BAB II LANDASAN TEORI II.1 Pengertian Pembuluh Darah ... 5
II.1.1 Pembuluh Darah Vena (Vein) ... 7
II.1.2 Biometrik Menggunakan Vena ... 7
II.2 Teknologi Biometrik ... 8
II.3 Sinar Inframerah... 10
II.4 Definisi Citra Digital ... 11
II.4.1 Pengolahan Citra Digital ... 12
II.5 Ekstraksi Fitur Citra ... 13
II.6 Transformasi Citra ... 13
(4)
vi Universitas Kristen Maranatha
II.6.1.1 Citra Integral (Integral Image) ... 15
II.6.1.2 Mendeteksi Titik-Titik Fitur (Interest Point Detection) ... 17
II.6.1.2.1 Membentuk Ruang Skala ( Scale Space ) ... 17
II.6.1.2.2 Mencari Nilai Ekstrim Dari Determinan Matriks Hessian ... 20
II.6.1.2.3 Lokalisasi Keypoint ( Titik-Titik Fitur ) ... 20
II.6.1.3 Pendeskripsian Titik-Titik Fitur ... 22
II.6.1.3.1 Pemberian Orientasi ... 22
II.6.1.3.2 Ekstraksi Komponen Deskriptor ... 23
II.7 Distance (Jarak) ... 24
II.8 False Acceptance Rate (FAR) dan False Rejection Rate (FRR) ... 25
II.9 MATLAB ... 27
II.9.1 Ruang Kerja MATLAB... 27
II.9.2 Operator Dalam MATLAB ... 28
II.9.3 Pengolahan Citra Digital Menggunakan MATLAB ... 30
II.9.4 Membaca dan Menampilkan Citra ... 31
II.9.5 Konversi Citra dan Tipe Data Citra ... 31
II.9.6 Menampilkan Citra ke Layar ... 32
II.9.7 M-file Editor... 32
II.9.8 Graphical User Interface (GUI) ... 33
BAB III PERANCANGAN PERANGKAT LUNAK III.1 Arsitektur Perancangan ... 36
III.2 Perancangan Kamera Inframerah ... 37
III.3 Diagram Alir ... 38
III.3.1 Diagram Alir Database ... 38
III.3.2 Diagram Alir Ekstraksi Fitur ... 40
III.3.3 Diagram Alir Pengujian ... 41
III.4 Penentuan Nilai Threshold dan Batas Nilai Minimal Pengenalan ... 42
(5)
vii Universitas Kristen Maranatha BAB IV PENGUJIAN DAN ANALISA DATA
IV.1 Pengujian Kamera ... 46
IV.2 Proses Pengujian Perangkat Lunak ... 46
IV.3 Tampilan Workspace ... 52
IV.4 Analisa Data ... 54
BAB V KESIMPULAN DAN SARAN V.1 Kesimpulan ... 56
V.2 Saran ... 56
DAFTAR PUSTAKA ... 57 LAMPIRAN A ...A-1 LAMPIRAN B ... B-1
(6)
viii Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar 2.1 Pembuluh Darah pada Manusia ... 6
Gambar 2.2 Pembuluh Darah Vena pada Tangan ... 7
Gambar 2.3 Spektrum Penyerapan Hemoglobin... 8
Gambar 2.4 Region Sinar Inframerah dalam Spektrum Elektromagnetik ... 10
Gambar 2.5 Contoh citra ... 11
Gambar 2.6 Dimensi MxN suatu citra digital... ... 12
Gambar 2.7 Contoh penggunaan SURF untuk mencocokan keypoint-keypoint... ... 15
Gambar 2.8 Gambar Nilai piksel pada titik (x,y) adalah nilai seluruh piksel pada daerah yang diarsir... ... 16
Gambar 2.9 Nilai piksel D pada citra integral adalah D = 4 + 1 – (2 + 3) ... 16
Gambar 2.10 Gambar tapis kotak (Box Filter)... ... 18
Gambar 2.11 Analisa oktaf dan pembentukan determinan matriks Hessian... ... 18
Gambar 2.12 Analisa skala ukuran citra yang konstan dengan piramid citra ... 19
Gambar 2.13 Non Maximum Suppression... ... 21
Gambar 2.14 Pemberian orientasi... ... 23
Gambar 2.15 Ilustrasi deskriptor dari perhitungan orientasi ... 24
Gambar 2.16 Window dalam MATLAB... ... 28
Gambar 2.17 M-file Editor pada MATLAB ... 33
Gambar 2.18 Jendela GUI pada MATLAB... ... 34
Gambar 3.1 Diagram Blok Sistem Identifikasi Seseorang Berdasarkan Citra Pembuluh Darah ... 36
Gambar 3.2 Proses Modifikasi Kamera Web Menjadi Kamera Inframerah... ... 37
Gambar 3.3 Diagram Alir Database Citra Referensi... ... 38
Gambar 3.3 Diagram Alir Database Citra Referensi (sambungan)... ... 39
Gambar 3.4 Diagram Alir Ekstraksi Fitur SURF... ... 40
Gambar 3.5 Diagram Alir Pengujian... ... 41
(7)
ix Universitas Kristen Maranatha Gambar 4.1 Perbandingan Citra dari Kamera Web
(a) Sebelum Modifikasi... ... 46
Gambar 4.1 Perbandingan Citra dari Kamera Web (b) Setelah Modifikasi... ... 46
Gambar 4.2 Tampilan Aplikasi Untuk Citra yang Dikenali... ... 47
Gambar 4.3 Tampilan Aplikasi Untuk Citra yang Dikenali Dengan Rotasi 15°… 47 Gambar 4.4 Tampilan Aplikasi Untuk Citra yang Tidak Dikenali ... 48
Gambar 4.5 Workspace Ekstraksi Fitur Database ... 52
Gambar 4.6 Workspace Load Citra Uji ... 52
(8)
x Universitas Kristen Maranatha
DAFTAR TABEL
Tabel 2.1 Perbandingan penggunaan vena dengan teknik biometrik yang lain ... 9
Tabel 2.2 Pengelompokan Cahaya Inframerah ... 10
Tabel 2.3 Operator Aritmatika.. ... 28
Tabel 2.4 Operator Relasional ... 29
Tabel 2.5 Operator Logika ... 30
Tabel 3.1 Penamaan File Citra Referensi... 39
Tabel 3.2 Pengujian untuk menentukan nilai Threshold... 43
Tabel 3.3 Pengujian untuk menentukan batas nilai minimal pengenalan ... 44
Tabel 3.4 Penjelasan Rancangan Tampilan Perangkat Lunak ... 45
Tabel 4.1 Pengujian menggunakan citra yang ada dalam database ... 49
Tabel 4.2 Pengujian citra uji yang tidak ada dalam database dari individu yang ada dalam database dengan perubahan rotasi sebesar 0°,15° dan 30° ... 51
(9)
1 Universitas Kristen Maranatha
BAB I
PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika penulisan dari Tugas Akhir ini.
I.1 Latar Belakang Masalah
Teknologi biometrik belakangan ini telah menjadi teknologi yang dapat diandalkan untuk memberikan tingkat keamanan yang tinggi dalam sistem pengenalan seseorang. Biometrik memiliki karakteristik seperti, tidak dapat hilang, tidak dapat lupa dan tidak mudah dipalsukan karena keberadaanya melekat pada manusia, satu dengan yang lain tidak akan sama, maka keunikannya akan lebih terjamin. Di antara berbagai teknik biometrik beserta karakteristiknya yang digunakan untuk mengenali seseorang, biometrik tangan menjadi salah satu teknik yang paling banyak digunakan dan paling berhasil. Bagian-bagian dari tangan yang sering digunakan untuk pengenalan identitas seseorang adalah geometri tangan, sidik jari, garis telapak tangan, garis-garis pada ruas jari dan pembuluh darah. Pemindai sidik jari memerlukan jari untuk menyentuh alat pemindainya, yang bisa meninggalkan jejak dan dapat mempengaruhi akurasi ataupun berpotensial untuk menyebarkan bakteri. Sedangkan sistem yang memindai iris mata tidak dapat digunakan bagi yang peka, karena membutuhkan berkas inframerah untuk disinari ke mata sehingga membuat berkas dari pembuluh darah. Alat pemindai iris juga dapat terhambat oleh kelopak mata atau bulu mata. Teknologi biometrik dikembangkan karena dapat memenuhi dua fungsi yaitu identifikasi dan verifikasi. Verifikasi adalah sistem mengesahkan identitas seseorang dengan membandingkan data biometrika yang diperoleh dengan data biometrikanya sendiri yang telah disimpan sebelumnya dalam
database, sedangkan identifikasi adalah sistem mengenali individu dengan
mencari data semua pengguna di dalam database untuk mencari satu kecocokan. Pada tugas akhir ini penulis akan mencoba membuat aplikasi pengidentifikasi seseorang dengan menggunakan teknik biometrik berdasarkan
(10)
Bab I Pendahuluan
2
Universitas Kristen Maranatha pada pola pembuluh darah bagian punggung tangan manusia. Biometrik pembuluh darah tangan menjadi salah satu teknik yang memiliki tingkat keamanan menengah[9]. Jenis teknik biometrik ini dipilih karena setiap orang memiliki pola pembuluh darah yang unik, walau pada orang kembar sekalipun. Pembuluh darah bagian punggung tangan lebih sulit untuk diduplikasi dan tidak akan berubah kecuali telah mengalami proses operasi, pembesaran bentuk pembuluh darah dan orang yang mempunyai penyakit varises. Tetapi pola dasar pembuluh darah tidak akan pernah berubah. Selain itu kondisi eksternal permukaan tangan seperti berminyak, basah robek atau kotor tidak akan mempengaruhi struktur dari pembuluh darah. Teknik biometrik ini menawarkan alternatif yang lebih aman dibandingkan dengan pemindaian sidik jari, iris dan geometri tangan.
Terdapat banyak metode yang sudah dikembangkan untuk pengenalan pola pembuluh darah. Pada tugas akhir ini metode yang dipilih oleh penulis untuk pengenalan pola pembuluh darah adalah ekstraksi fitur menggunakan SURF. Hal ini dikarenakan metode tersebut memiliki ketahanan/invariant terhadap penskalaan, rotasi dan perubahan sudut pandang citra tiga dimensi. SURF juga tahan terhadap perubahan intensitas pencahayaan dan noise.
I.2 Identifikasi Masalah
Berdasarkan latar belakang di atas, masalah utama yang akan diangkat pada Tugas Akhir ini adalah merancang aplikasi untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah dengan ekstraksi fitur SURF menggunakan bahasa pemrograman MATLAB (Matrix Laboratory).
I.3 Perumusan Masalah
Permasalahan yang akan dibahas dalam Tugas Akhir ini meliputi :
1. Bagaimana merancang aplikasi untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF pada bahasa pemrograman MATLAB?
2. Bagaimana tingkat keberhasilan aplikasi yang dirancang untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah?
(11)
Bab I Pendahuluan
3
Universitas Kristen Maranatha I.4 Tujuan
Tujuan yang ingin dicapai dari Tugas Akhir ini adalah :
1. Merealisasikan aplikasi untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF menggunakan bahasa pemrograman MATLAB.
2. Mengetahui tingkat keberhasilan dari aplikasi dalam mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan False
Rejection Rate (FRR).
I.5 Pembatasan Masalah
1. Jumlah citra yang akan digunakan adalah:
a. Masing-masing 5 citra dari 10 orang yang berbeda sebagai citra referensi atau database.
b. Masing-masing 3 citra dari 10 orang yang berbeda sebagai citra uji yang tidak ada dalam database dari individu yang ada dalam
database.
2. Jarak pengambilan citra antara objek dengan kamera adalah 25-30 cm. 3. Posisi tangan harus dikepal.
4. Pengambilan dan pengolahan citra tidak dilakukan secara real-time. 5. Ukuran citra yang digunakan adalah 200x200 piksel.
6. Pembuatan aplikasi menggunakan perangkat lunak MATLAB R2013a.
I.6 Sistematika Penulisan
Penyusunan laporan tugas akhir terdiri dari lima bab sebagai berikut :
Bab I. Pendahuluan
Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah, identifikasi masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.
Bab II. Landasan Teori
Pada bab ini akan dibahas mengenai teori-teori penunjang yang akan digunakan untuk merancang aplikasi identifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF, antara lain
(12)
Bab I Pendahuluan
4
Universitas Kristen Maranatha pengertian pembuluh darah, teknologi biometrik, sinar inframerah, citra digital, ekstraksi fitur, transformasi citra, perangkat lunak MATLAB dan
Graphical User Interface (GUI).
Bab III. Perancangan Perangkat Lunak
Bab ini berisi penjelasan desain yang akan dilakukan dalam membuat perangkat lunak untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF.
Bab IV. Pengujian dan Analisa Data
Bab ini berisi data pengamatan hasil pengujian program, perhitungan tingkat keberhasilan metode yang digunakan berdasarkan False Rejection
Rate (FRR), dan analisa dari data hasil pengujian program.
Bab V. Kesimpulan dan Saran
Pada bab ini berisi kesimpulan dari Tugas Akhir dan saran-saran yang perlu dilakukan untuk pengembangan di masa mendatang.
(13)
56 Universitas Kristen Maranatha
BAB V
KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari hasil penelitian dan analisis dari Tugas Akhir ini serta saran untuk pengembangan “Identifikasi Seseorang Berdasarkan Citra Pembuluh Darah Menggunakan Ekstraksi Fitur Speeded Up Robust Features (SURF)”.
V.1 Kesimpulan
1. Pembuatan program untuk identifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF berhasil direalisasikan menggunakan bahasa pemrograman MATLAB R2013a.
2. Dari hasil pengamatan terhadap pengujian program pada tabel 4.1 didapatkan persentase False Rejection Rate (FRR) sebesar 2% dan pada tabel 4.2 didapatkan persentase False Rejection Rate (FRR) sebesar 23,333%. Dari dua tabel pengamatan tersebut menunjukan bahwa metode ekstraksi fitur SURF memberikan akurasi yang cukup baik.
3. Dari pengujian pada tabel 4.2, dilakukan perubahan rotasi citra sebesar 0°,15° dan 30°. Hal ini membuktikan bahwa metode ekstraksi fitur SURF tidak invarian terhadap rotasi 0°,15° dan 30° serta perubahan sudut pandang.
V.2 Saran
1. Untuk mendapatkan citra pembuluh darah yang lebih jelas sebaiknya digunakan kamera dengan resolusi dan inframerah yang lebih baik.
2. Dapat dikembangkan agar invarian terhadap rotasi dengan metoda U-SURF.
(14)
57 Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1]. Vikri Ahmad Fauzi. 2013. Identifikasi seseorang berdasarkan citra pembuluh darah
menggunakan ekstraksi fitur Scale Invariant Features Transform (SIFT). Bandung:
Program Studi Teknik Elektro Universitas Kristen Maranatha Bandung. [2]. Andrianto Heri.(2009). Diktat Kuliah Bahasa Pemrograman. Bandung: Universitas Kristen Maranatha
[3]. Biometrics Foundation Documents
www.biometrics.gov/Documents/biofoundationdocs.pdf diakses tanggal 30 Agustus 2014.
[4]. Darmawan Aan.(2007). Diktat Kuliah Pengolahan Citra Dijital. Bandung: Universitas Kristen Maranatha
[5]. Bay, H., Tuytelaars,T. & Van Gool, L.(2006) SURF: Speeded Up Robust Features. Proceedings of the ninth European Conferences on Computer Vision.
[6]. D.Lowe, Distinctive image features from scale-invariant keypoints, International
Journal of Computer Vision, 60(2), 91-110, 2004.
[7]. Brown, M., Lowe, D.: Invariant Features from Interest Point Groups. In: BMVC. 2002.
[8]. Prijono, Agus dan Marvin Ch. Wijaya (2007). Pengolahan Citra Digital Menggunakan Matlab Image Processing Toolbox. Bandung:INFORMATIKA. [9]. Putra Darma (2009). Sistem Biometrika. Yogyakarta: Andi.
[10]. SYRIS. (2004). Technical Document About FAR, FRR and ERR. SYRIS Technology Corp
[11]. Vein Biometric - Universitas Gadjah Mada
www.mti.ugm.ac.id/~anjik/si/Tgs-3.pdf diakses tanggal 5 Oktober 2014.
[12]. Watanabe,M., Endoh, T., Shiohara, M. and Sasaki, S. (2005). Palm vein authentication technology and its applications, Proc. of Biometrics Symposium, 37-38.
[13]. http://www.aishack.in/2010/05/sift-scale-invariant-feature-transform diakses tanggal 3 September 2014.
[14]. http://blog.stikom.edu/yusron/2011/05/12/pengertian-citra/diakses tanggal 3 September 2014.
(15)
58 Universitas Kristen Maranatha diakses tanggal 2 September 2014.
[16]. http://ourn0tes.wordpress.com/2010/03/17/pengertian-infrared/ diakses tanggal 4 September 2014.
[17]. http://www.vlfeat.org/index.html diakses tanggal 5 September 2014. [18]. http://en.wikipedia.org/wiki/Vein diakses tanggal 10 Agustus 2014.
[19]. http://www.cmeri.res.in/rnd/srlab/cvision/hybrid%20approach.php diakses tanggal 24 September 2014.
(1)
Bab I Pendahuluan
2
Universitas Kristen Maranatha
pada pola pembuluh darah bagian punggung tangan manusia. Biometrik pembuluh darah tangan menjadi salah satu teknik yang memiliki tingkat keamanan menengah[9]. Jenis teknik biometrik ini dipilih karena setiap orang memiliki pola pembuluh darah yang unik, walau pada orang kembar sekalipun. Pembuluh darah bagian punggung tangan lebih sulit untuk diduplikasi dan tidak akan berubah kecuali telah mengalami proses operasi, pembesaran bentuk pembuluh darah dan orang yang mempunyai penyakit varises. Tetapi pola dasar pembuluh darah tidak akan pernah berubah. Selain itu kondisi eksternal permukaan tangan seperti berminyak, basah robek atau kotor tidak akan mempengaruhi struktur dari pembuluh darah. Teknik biometrik ini menawarkan alternatif yang lebih aman dibandingkan dengan pemindaian sidik jari, iris dan geometri tangan.
Terdapat banyak metode yang sudah dikembangkan untuk pengenalan pola pembuluh darah. Pada tugas akhir ini metode yang dipilih oleh penulis untuk pengenalan pola pembuluh darah adalah ekstraksi fitur menggunakan SURF. Hal ini dikarenakan metode tersebut memiliki ketahanan/invariant terhadap penskalaan, rotasi dan perubahan sudut pandang citra tiga dimensi. SURF juga tahan terhadap perubahan intensitas pencahayaan dan noise.
I.2 Identifikasi Masalah
Berdasarkan latar belakang di atas, masalah utama yang akan diangkat pada Tugas Akhir ini adalah merancang aplikasi untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah dengan ekstraksi fitur SURF menggunakan bahasa pemrograman MATLAB (Matrix Laboratory).
I.3 Perumusan Masalah
Permasalahan yang akan dibahas dalam Tugas Akhir ini meliputi :
1. Bagaimana merancang aplikasi untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF pada bahasa pemrograman MATLAB?
2. Bagaimana tingkat keberhasilan aplikasi yang dirancang untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah?
(2)
Bab I Pendahuluan
3
Universitas Kristen Maranatha I.4 Tujuan
Tujuan yang ingin dicapai dari Tugas Akhir ini adalah :
1. Merealisasikan aplikasi untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF menggunakan bahasa pemrograman MATLAB.
2. Mengetahui tingkat keberhasilan dari aplikasi dalam mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan False Rejection Rate (FRR).
I.5 Pembatasan Masalah
1. Jumlah citra yang akan digunakan adalah:
a. Masing-masing 5 citra dari 10 orang yang berbeda sebagai citra referensi atau database.
b. Masing-masing 3 citra dari 10 orang yang berbeda sebagai citra uji yang tidak ada dalam database dari individu yang ada dalam database.
2. Jarak pengambilan citra antara objek dengan kamera adalah 25-30 cm. 3. Posisi tangan harus dikepal.
4. Pengambilan dan pengolahan citra tidak dilakukan secara real-time. 5. Ukuran citra yang digunakan adalah 200x200 piksel.
6. Pembuatan aplikasi menggunakan perangkat lunak MATLAB R2013a.
I.6 Sistematika Penulisan
Penyusunan laporan tugas akhir terdiri dari lima bab sebagai berikut : Bab I. Pendahuluan
Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah, identifikasi masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.
Bab II. Landasan Teori
Pada bab ini akan dibahas mengenai teori-teori penunjang yang akan digunakan untuk merancang aplikasi identifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF, antara lain
(3)
Bab I Pendahuluan
4
Universitas Kristen Maranatha
pengertian pembuluh darah, teknologi biometrik, sinar inframerah, citra digital, ekstraksi fitur, transformasi citra, perangkat lunak MATLAB dan Graphical User Interface (GUI).
Bab III. Perancangan Perangkat Lunak
Bab ini berisi penjelasan desain yang akan dilakukan dalam membuat perangkat lunak untuk mengidentifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF.
Bab IV. Pengujian dan Analisa Data
Bab ini berisi data pengamatan hasil pengujian program, perhitungan tingkat keberhasilan metode yang digunakan berdasarkan False Rejection Rate (FRR), dan analisa dari data hasil pengujian program.
Bab V. Kesimpulan dan Saran
Pada bab ini berisi kesimpulan dari Tugas Akhir dan saran-saran yang perlu dilakukan untuk pengembangan di masa mendatang.
(4)
56 Universitas Kristen Maranatha
BAB V
KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari hasil penelitian dan analisis dari Tugas Akhir ini serta saran untuk pengembangan “Identifikasi Seseorang Berdasarkan Citra Pembuluh Darah Menggunakan Ekstraksi Fitur Speeded Up Robust Features (SURF)”.
V.1 Kesimpulan
1. Pembuatan program untuk identifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur SURF berhasil direalisasikan menggunakan bahasa pemrograman MATLAB R2013a.
2. Dari hasil pengamatan terhadap pengujian program pada tabel 4.1 didapatkan persentase False Rejection Rate (FRR) sebesar 2% dan pada tabel 4.2 didapatkan persentase False Rejection Rate (FRR) sebesar 23,333%. Dari dua tabel pengamatan tersebut menunjukan bahwa metode ekstraksi fitur SURF memberikan akurasi yang cukup baik.
3. Dari pengujian pada tabel 4.2, dilakukan perubahan rotasi citra sebesar 0°,15° dan 30°. Hal ini membuktikan bahwa metode ekstraksi fitur SURF tidak invarian terhadap rotasi 0°,15° dan 30° serta perubahan sudut pandang.
V.2 Saran
1. Untuk mendapatkan citra pembuluh darah yang lebih jelas sebaiknya digunakan kamera dengan resolusi dan inframerah yang lebih baik.
2. Dapat dikembangkan agar invarian terhadap rotasi dengan metoda U-SURF.
(5)
57 Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1]. Vikri Ahmad Fauzi. 2013. Identifikasi seseorang berdasarkan citra pembuluh darah menggunakan ekstraksi fitur Scale Invariant Features Transform (SIFT). Bandung: Program Studi Teknik Elektro Universitas Kristen Maranatha Bandung.
[2]. Andrianto Heri.(2009). Diktat Kuliah Bahasa Pemrograman. Bandung: Universitas Kristen Maranatha
[3]. Biometrics Foundation Documents
www.biometrics.gov/Documents/biofoundationdocs.pdf diakses tanggal 30 Agustus 2014.
[4]. Darmawan Aan.(2007). Diktat Kuliah Pengolahan Citra Dijital. Bandung: Universitas Kristen Maranatha
[5]. Bay, H., Tuytelaars,T. & Van Gool, L.(2006) SURF: Speeded Up Robust Features. Proceedings of the ninth European Conferences on Computer Vision.
[6]. D.Lowe, Distinctive image features from scale-invariant keypoints, International Journal of Computer Vision, 60(2), 91-110, 2004.
[7]. Brown, M., Lowe, D.: Invariant Features from Interest Point Groups. In: BMVC. 2002.
[8]. Prijono, Agus dan Marvin Ch. Wijaya (2007). Pengolahan Citra Digital Menggunakan Matlab Image Processing Toolbox. Bandung: INFORMATIKA. [9]. Putra Darma (2009). Sistem Biometrika. Yogyakarta: Andi.
[10]. SYRIS. (2004). Technical Document About FAR, FRR and ERR. SYRIS Technology Corp
[11]. Vein Biometric - Universitas Gadjah Mada
www.mti.ugm.ac.id/~anjik/si/Tgs-3.pdf diakses tanggal 5 Oktober 2014.
[12]. Watanabe,M., Endoh, T., Shiohara, M. and Sasaki, S. (2005). Palm vein authentication technology and its applications, Proc. of Biometrics Symposium, 37-38.
[13]. http://www.aishack.in/2010/05/sift-scale-invariant-feature-transform diakses tanggal 3 September 2014.
[14]. http://blog.stikom.edu/yusron/2011/05/12/pengertian-citra/diakses tanggal 3 September 2014.
(6)
58 Universitas Kristen Maranatha
diakses tanggal 2 September 2014.
[16]. http://ourn0tes.wordpress.com/2010/03/17/pengertian-infrared/diakses tanggal 4 September 2014.
[17]. http://www.vlfeat.org/index.htmldiakses tanggal 5 September 2014. [18]. http://en.wikipedia.org/wiki/Vein diakses tanggal 10 Agustus 2014.
[19]. http://www.cmeri.res.in/rnd/srlab/cvision/hybrid%20approach.php diakses tanggal 24 September 2014.