ISSN: 1693-6 930                                                          1      Identifika s i Sidik Jari Me ng guna ka n Teknik Pen c o c o k an …… (R. Ri zal Isn anto)  IDENTI FIKASI SIDIK JARI MENGGUNAKAN  TEKNIK PENCOCOKAN  TEMPLATE  TAPIS GABOR      R. Rizal Isna nto, Achm ad  Hida y a tno,  Muhammad  Nur Hadi   Jurusan Te kn ik Elektro, Fa kulta s  Te knik,   Universitas Dipo nego ro, Semara ng   Jl. Prof. H. Sudha rto, S.H., Tembalan g, Semara ng, Jawa Te nga h   e-mail: ri zal_i s nanto@yahoo.com,  ri zal @ elektro.ft.undip.ac.id       A b st r a k  Sistem  autentika s i m engguna ka n pol a sidi k jari t e lah terb ukti  aku r a s inya  seb agai  identifika s i  sese ora ng. Id entifika s i pol a sidi k  ja ri se cara signif i kan oleh  m a ta  sulit  u n t u k   dilakukan. Pa da pe nelitian  ini dira ncang  sistem   ya ng  dapat m enge nali sebua h ci tra sidi k ja ri d a n   m engenali si apa  p e m ilikn y a.  La ng kah - lang kah pen gem banga n aplikasi n ya  m e liputi:  akui sisi   data, segm e n tasi, ekstra ksi  ciri, da n identifika s i.  Metode u n tu k ekstraksi ciri citra  sidi k jari  m engguna ka n tapi s Ga b o r. Ta pis i n i  akan m ena pis data citra  yang dim a su kkan  m enj adi  bebe rap a  te m p late, kem udian  akan d i bandi ngkan  deng an tem p late ya ng  su dah tersim pa n di  basi s d a ta. Pem ilihan tem p late dila ku kan de nga n  m e m bandingkan  ve kto r   ciri da ri tem p late  terse but de n gan tem p late pada ba si sd ata. Tem p late yan g  m e m i liki jara k Eu clidean m i nim u m  dipilih se bag ai sidik ja ri yang dikenali.  Pada  penelit ian ini digun aka n  160 cit r a sidik ja ri yang  terdiri  ata s   15  re spon de n   untu k  b a s isdata  den g an tiap  resp onde n di am bil 10  data  d a n   ditam bah 10  citra di  lua r  re spo nde n t e rsebut.  Da ri  pen elitian  d i perol eh  ke si m pulan ba h w a   sistem  m e m i liki pro s e n tase tingkat ke b e rha s ila n dal am   m engena li sidik ja ri se besar 91,3 3 3 %   untuk pe nguji an tan pa  dat a di l u a r  respond en  dan  tanpa nilai a m bang;  serta   90,62 5%  u n t uk   peng ujian de ngan m enyert a ka n data di l uar respon de n dan de nga n  nilai am bang  51,355.     K a ta-kunci :   sidi k jari,  ek st rak s i ci ri,  Gab o r,  E u clid ean       1. PEN DA HU LU AN  Ciri  kha s  yan g  dimiliki  su a t u gurata n  p o la si dik j a ri  berb eda  anta r a  satu o r an g den gan   oran g lain. Sifat kha s  yang  dimiliki ole h  sidik jari a n tara lain[1]:  a.  Peren n ial nat ure , yaitu gu ratan - gu ratan  pada  sidi k j a ri yang  mel e kat p ada  ku lit manusi a   seum ur hi dup .  b.  Imm u tability , yaitu sidik jari se se orang tida k p e rna h  be rub ah, ke cuali  menda patkan   ke cela ka an yang seriu s .   c.   Individ uality ,  pola si dik ja ri adala h  unik  d an berbed a u n tuk setiap orang.   Perbe daa n p o la da ri si dik jari terse but  bisa  digu na kan  se bag ai  identifika s i  sese ora ng.  Pola adala h   entitas yang t e rdefini s i da n  dapat diide n t ifikasi mel a lu i ciri-ci r inya. Ciri -ci r i terse but  digun akan u n tuk mem b e dakan su atu pola den gan   pola lainnya .  Ciri yang bagu s adala h  ciri   yang memili ki  daya pem be da yang ting g i , sehin gga p engel ompo ka n pola  berda sarkan  ciri yan g   dimiliki da pat dilakukan de ngan  kea k u r a t an yang ting gi[6].  Alihrag a m Fo urie r merupa kan ali h ra ga m matematis yang paling  seri ng dite ra pka n  untu k   menge kstra k si  kand ung a n  fre k ue nsi   dari  se bua h  sinyal[2]. Alihrag a m F ourier h anya d a pat  membe r ikan i n forma s i  siny al dala m   ka wasa n fre k u e n s i tan pa m e n gacu pa da  kawa sa n wakt u.  Penelitian m enge nai mod e l panda ng  manu sia me ngu sul k an sa jian intern al spa s ial/fre k u ensi  yang mam p u  melindu ngi  baik i n form asi global m a u pun lo kal. De ngan  alihrag a m Fou r ie r, tidak  dimung kin k a n  untuk mel a ku kan a nali s is sp asi a l/sp a s ial-f r e k ue nsi .   Berla w an an deng an Fou r ier, STFT  (Short Tim e  Fourie r Tran sform )  dapat  mencapai   fungsi  spa s ial - fre k ue nsi d a n  didefini s ika n  seb agai b e rikut:    dt t j t g t s STFT ) exp( ) ( ) ( ) , (  .........................................................................  (1)    Evaluation Warning : The document was created with Spire.PDF for Python.
                        ISSN: 1693-693 0     TELKOM NIKA   Vol. 5, No. 1,  April 2007 :  1 - 8   2 Dari  defini s i  ini, STFT  d apat dii n terp retasi ka n  se bagai  alih rag a m Fo uri e r  dari  sinya l   deng an jend e l a   t g . STFT dengan jen dela  Gau ssi an disebut alihraga m Gabor. Alihrag a m  Gabo r d apat  dipan dang  se bagai  sinyal  yang  di ko nvol usi deng an b ank-tapi s,  de ngan   tangg a pan  impuls dala m   ka wa san wa ktu  ad alah G aussia n  yang  dimodul asi  d enga n gel om bang  sin u s  d a n   ko sinu s.   Penelitian ini bertuju an unt uk mem buat suatu p e ra ng kat luna k yan g  bisa me ng enali pola   citra  sidi k ja ri man u si a  se cara auto m atis d enga n meng gun a k an te kni k   pen co co kan  dari   template yan g  diha sil k an  oleh tapi s  Ga bor. Ta pis ini  aka n  me napi s data  citra y ang di ma sukkan   menjadi  beb erap a templ a te, yang na ntinya akan di bandi ng kan  deng an tem p late yang  su dah   tersim pan di  basi s data.  Perba nding a n  dilakukan  deng an men ggun akan jarak Eu clidea n  dan  pro s e s  identif ika s i dila ku ka n deng an me milih jara k Eu clide an yang  paling  ke cil.      2. METODE  PENELITIAN  Diag ram  alir  sistem  dan  al ur p r o s e s  ide n tifikasi  sidi k  jari pa da p e n e litian ini a dal ah sepe rti  ditunju k kan p ada Gam b a r  1 dan 2 be rikut.        Gamba r  1. Di agra m  alir si stem  identifika s i si dik jari         Gamba r  2. Alur proses id e n tifikasi  citra  sidi k jari       2.1.  Akuisisi Data Citra   Akuisi si d a ta  citra dila ku kan d eng an  mengg una kan alat pem indai khu s u s  sidik j a ri.  Pemindai  ya ng di gun aka n  ad alah   Fi ngerpri n t Scanne r fo r S e cu rity Syste m  denga n  merk   Billionton . Senso r  alat ini  beru k u r a n  6,5mm x 6,5m m. Citra  sidik jari yang  dih a sil k an b e rukura n   144x14 4 piksel denga n re solu si 500 P P I ( pixel pe r inch ). Form at citra dalam  bentu k   Wind ows  Bitm ap Graphics  (*.bmp ).   Re spo nden   atau pe milik data be rjum lah 20  ora n g  deng an p e ri ncia n 15  ora ng untu k   dijadi kan b a sisdata  (selan jutnya diseb u t Re spo nde n A) da n 5  oran g untu k   data uji di lu ar  basi s d a ta (di s eb ut Respo nden  B).  Unt u k tia p   Re sp onde n A, di a m bil 10  d a ta  citra,  se dang kan  untuk tiap  Re spo nde n B diambil 2 data  citra.  Total da ta yang didap at berjuml ah  160 citra.  Citra yang di ambil sa at akuisi si tidak  se muanya bi sa  digun akan.  Beberapa al asan citra  tidak bi sa dig una kan di sini  dise bab kan  karen a :  Mulai  Akuisisi data citr a  Ek strak s i ciri   Identifikasi   Basis Data   Seg m entasi cit r a   Si m p an?   Y  T  Identifikasi   Selesai   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOMNI KA    ISSN: 1693-6930     ■     Identifika s i Sidik Jari Me ng guna ka n Teknik Pen c o c o k an …… (R. Ri zal Isn anto)  3 i i i i i V M y x I x V M V M y x I x V M y x N ) ) ) , ( ( ) ) ) , ( ( ) , ( 2 0 0 2 0 0 a.  Kesala han d a l am pend eteksian titik a c ua n,  b.  Letak titik a c ua n yan g   terletak di   pinggi r  citra  yang m e n y ebab kan  area lin gkara n   segm enta s i terpoto ng.   Citra yang m e menu hi sya r at adala h  cit r a y ang leta k titik acuan n y a benar  (bi s a terlihat  deng an m a ta  bia s a) da n le taknya  di d a l a m  citra tid a k memb uat lin gka r an  segm entasi  terp oto ng,  sep e rti ditunj ukkan p ada  Gamba r  3,  4 dan 5.           (a)      (b)     Gambar 3. Citr a  den ga n  kesal aha n leta k titik acuan;   (a) Citra masukan; (b) Lingkaran  segme n tasi       (a)      (b)     Gambar 4. Citr a  den ga n  lingk ara n  segm entasi terp oton g;  (a) Citra masukan; (b) Lingkaran  segmentasi        (a)      (b)     Gambar 5. Citr a   yang mem e n uhi  s y ar at; (a) Citra masukan; (b)  Lin g kara n seg m entasi       Citra - citra yang meme nuh i syarat ke m udian di pili h kemb ali untu k  data citra yang akan   diolah, b a ik itu se bag ai da ta simp an m aupu n dat a  u ji. Jumla h  dat a yang  diam bil se banya k   10   c i tr a  u n t uk  tiap  R e s p on d en A.   Metode yang  diguna kan d a lam pemilih an data ci tra yang akan di simpa n  dala m  basi s dat a   adala h  den g an mem band ingkan satu  data citra de ngan d a ta cit r a yang l a inn y a. Data den gan   nilai re rata p a ling kecil m e rup a kan dat a yang disi m pan ke dala m  basi s data  yang mewa kili  pemilik d a ta tersebut.     2.2. Segmenta si  Citra   Segmenta s i  dilakukan  untuk memil i h dan  me misah k a n  o b jek  da ri ci tra secara   ke selu ruh an. Obje k terseb ut merup a kan  bagian d a ri citra yang aka n  diolah ata u  dianali s is.     2.2.1.  Penentuan T i tik Acua n ( Refer e nce Poi n t )  Titik acuan  d a ri cit r a si dik jari didefini s i k an  seb agai  titik maksimu m  ku rva pad a guratan   berb entu k  ko nkaf. Did e finisikan se pe rti ini ka re na pada si dik j a ri manu sia  selai n  memili ki   gurata n   be rb entuk kon k af juga  terkad an g ada yang m e miliki be ntuk konve ks[4].     2.2.2. Teselasi  Ci tr a  Tesel a si  citra  adala h  me mbagi  citra  kedalam   se kt or-se k tor. Se ktor-sekto r y ang di buat  memiliki b ent uk ling k a r an  deng an titik a c ua n se bag ai  titik pusat lin gka r an.     2.3.  Ekstra ksi Cir i  dengan Ta pis Gabor   2.3.1. Normalisasi   Sebelum dil a ku kan p ena pi san, obj ek ya ng su dah di d apat, dinorm a lisa s i secara terpi s ah   tiap se kto r n y a ke d a la m ko nsta nta  rerata da n  varian s. Normali s a s i di guna ka n unt uk  menghil ang kan efek g ang guan  sen s o r  dan de rajat keabu an pa da  perb eda an te kan an si dik ja ri.  Misal  I ( x ,  y ) meru pa kan n ilai  ke abu an pada piksel   ( x ,  y ),  M i  d an  V i   perkiraan rerata dan   varian s da ri  sektor  Si , dan  N i ( x ,  y ) ad ala h  nilai d e raj a t kea bua n yan g  tern ormali sasi, ma ka  unt uk  tiap se ktor  S i  maka:           jika  I ( x, y) > M i      yang  lain  ..........................................................  (2)        deng an  M 0  dan  V 0  merup a k an nil a i re rat a  dan varia n s yang diingin k an.  Evaluation Warning : The document was created with Spire.PDF for Python.
                        ISSN: 1693-693 0     TELKOM NIKA   Vol. 5, No. 1,  April 2007 :  1 - 8   4 2.3.2. Tapis  Gabo r   Tapis  Gab o r  yang dibu at adala h  tapis  Gabo r sim e tri s , yaitu tapis  yang be rpu s at di (0,0).  Persamaa n u m um tapis G abor d a lam  kawa sa n sp asi a l seb agai b e r ikut.     ) ' 2 cos( 2 1 exp ) , ; , ( 2 ' 2 ' 2 ' 2 ' fx y x f y x G y x  ..............................................................  (3)    cos sin ' y x x  ..........................................................................................................  (4)    sin cos ' y x y   .......................................................................................................... (5)      2.3.3.  Ekstra ksi Ve ktor Ciri   Ciri yang  dig una kan a dal ah nilai AAD ( Ave r ag e Absol u te De vi ation ) ata u  simpang an  rerata da ri tiap se ktor. Den gan  ) , ( y x F i  merupa kan  citra dita pis a r ah   untuk sekto r   S i , nilai   ciri  i V  adalah si mpang an mut l ak re rata d a ri  rerata yan g  didefini s ika n :    i n i i i i P y x F n V ) , ( 1  .......................................................................................  (6)    deng an  n i  ad alah jumla h  p i ksel pad a  S i  dan                    i P adal a h  rerata nilai  piksel da ri  ) , ( y x F i  pada sekto r   S i .    2.4.  Klasifika si dengan J a rak  Euclidean   Penco c o k a n   sidi k jari di da sarka n  pa da  perhitu nga n j a ra k  Euc l idean  anta r  ko d e  sidi k jari.    Jar a k  Euc lidea n  ditentu k an  denga n rum u s seba gai b e rikut.    n i i i vd vi d 1 2 ) (  ...................................................................................................  (7)    deng an   d ε   : jarak Euclidean    vi   :  v e kt or ciri m a su ka n     vd   :  v e kt or ciri b a si sdat a     i   : jumlah vektor ci ri     2.5. Manajemen  Basisd ata   Perangkat lunak juga diranca ng dengan fasilitas untuk m eng atur  basi s data. Pada intinya  dalam p engat uran  ba sisd at a ini adala h  p engol ahan te rhad ap  kode  sidi k jari yan g  diperoleh d a r i  setiap e k stra ksi  citra. Fa sil i tas yang ad a  pada pe ngat uran b a si sd ata antara lai n : fasilitas tamb ah  data dan fa sil i tas hap us d a t a.    2.6. Hasil  Identifi kasi   Ha sil ide n tifikasi  dipe role h  den gan  ca ra men gambil  data d eng a n  nilai j a ra k  Euclidean   paling  ke cil. Ha sil identifikasi dib eda ka n menjadi : di ken a li ben ar,  diken a li sal a h, tidak di ke nali  bena r dan tid a k di ken a li sa lah.      3.  HASIL D A N  PEMBA HAS AN   Peran g kat lunak yang di b uat mempun yai sebua h jendel a utam a dan beb erapa jend ela  pend ukung. Jen dela uta m a  me rup a kan  jen del a   yang digun akan  u n tuk prose s  berj a la nnya   sistem uta m a ,  sedan gkan jendel a pend u k un g di gun akan untu k  pro s es-proses ya ng mend ukun g  sistem  utama .  Tampilan je ndela utam a ditunju k kan p ada Gam b a r  6.  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOMNI KA    ISSN: 1693-6930     ■     Identifika s i Sidik Jari Me ng guna ka n Teknik Pen c o c o k an …… (R. Ri zal Isn anto)  5     Gamba r  6. T a mpilan je nd ela Utama       Selain je ndel a utama  di  atas te rda pat ju ga je ndela  pe ndu kun g , ant ara l a in: je nd ela Ve kto r   Ciri, jend ela  Jarak Eu clide an, jendela T a mbah  Data,  jendela Hap u s Data, jen dela Paramet e r,  jendel a Direkt ori Data, jen d e la Zoom, jen dela Inform asi, dan jendel a  Bantuan.      3.1.  Pengujian T a npa Nilai Ambang   Pada p eng uji an ini tid a k  mengg una ka n nilai  amb a ng, sehing ga  sem ua  citra  masukan  pasti  aka n  di ken a li seba g a i salah  satu  data d a ri  ba sisdata. Pad a  pen gujia n i n i Re sp ond e n  B  tidak diikutka n karena pa sti akan di ke nali seb agai  sala h satu Resp ond en A. Dari pen guji a n   yang dila ku kan terhad ap  semu a d a ta  yang ad a, di dapat kan  nila i jara k Eu clid ean  sep e rti p ada   Tabel 1.   Prosenta s e ti ngkat kebe rh asila n da ri  p enguji an te rsebut di  atas  bisa  dihitun g  se bag ai  beri k ut:    % 100 % Data Benar an Keberhasil         % 100 150 137          = 91,333%       3.2.  Pengujian d e ngan  Nilai Ambang   Nilai amb ang  disini di pilih d a ri pen gujia n tanpa nilai a m bang. Jarak dari su atu da ta yang  paling b e sa r  dan ha sil ide n tifikasi nya b enar a dal a h  n ilai yang digu nakan seba g a i nilai amba ng.  Dari p eng ujia n tanpa nilai  amban g, dida patka n nilai tersebut da ri  Dat a  07  mili k Re spo nden A   bern a ma  Lilik , yaitu sebe sar 5 1 ,355.   Pada pen guj ian ini data  Re spo nden  B diik utkan. Penggu naa n  nilai amban g 51,355   terse but me mbuat pe rub ahan p ada  hasil p eng uji an. Perub a h an terseb ut bisa dili hat  pada     Tabel 2.   Evaluation Warning : The document was created with Spire.PDF for Python.
                        ISSN: 1693-693 0     TELKOM NIKA   Vol. 5, No. 1,  April 2007 :  1 - 8   6 Tabel 1. Ha sil  penguji an re spo nde n A tanpa nilai am b ang   Respond en A   Jarak   Euclide a n   Status  Dikenali   Hasil   Identifik asi   01.   Aries   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   37,852   24,732   38,179   34,709   26,569   0  33,016   29,995   35,596   38,581   Aries   Aries   Aries   Aries   Aries   Aries   Aries   Aries   Aries   Aries   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   02.   Co y o   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   46,633   39,911   41,556   40,347   0  30,887   32,053   43,295   32,379   34,432   Co y o   Co y o   Co y o   Hanif   Co y o   Co y o   Co y o   Co y o   Co y o   Co y o   Benar   Benar   Benar   Salah   Benar   Benar   Benar   Benar   Benar   Benar   03.   Farkhan   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   30,786   43,000   37,835   43,269   27,200   41,168   39,780   0  43,810   40,293   Farkhan   Yudi   Farkhan   His y am   Farkhan   Farkhan   Farkhan   Farkhan   Farkhan   Farkhan   Benar   Salah   Benar   Salah   Benar   Benar   Benar   Benar   Benar   Benar   04.   Hanif   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   43,923   47,525   40,921   43,225   43,400   29,207   41,267   40,065   15,640   0  Luthfi   Yudi   Hanif   Hanif   Hanif   Hanif   Hanif   Hanif   Hanif   Hanif   Salah   Salah   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   05.   His y a m   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   42,142   25,784   0  24,259   28,755   34,662   34,153   32,374   32,547   24,704   Pramono   His y a m   His y a m   His y a m   His y a m   His y a m   His y a m   His y a m   His y a m   His y a m   Salah   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   06.   Lilik   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   0  29,187   36,700   38,318   30,855   39,889   51,355   51,969   39,178   33,163   Lilik   Lilik   Lilik   Lilik   Lilik   Lilik   Lilik   M u slimin  Lilik   Lilik   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Salah   Benar   Benar   07.   Luthfi   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   32,635   36,114   0  26,072   29,125   26,657   31,421   25,342   20,747   30,488   Luthfi   Luthfi   Luthfi   Luthfi   Luthfi   Luthfi   Luthfi   Luthfi   Luthfi   Luthfi   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   08.   Ma m a n   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   43,314   49,439   49,845   37,535   32,278   16,934   0  50,495   38,589   34,184   Ma m a n   Ma m a n   Luthfi   Ma m a n   Ma m a n   Ma m a n   Ma m a n   Yoko   Ma m a n   Ma m a n   Benar   Benar   Salah   Benar   Benar   Benar   Benar   Salah   Benar   Benar         Respond en A   Jarak   Euclide a n   Status  Dikenali   Hasil   Identifik a si  09.   M u slimin   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   40,877   43,344   39,313   48,759   28,068   34,669   0  47,033   37,012   50,250   M u slimin   M u slimin   M u slimin   M u slimin   M u slimin   M u slimin   M u slimin   M u slimin   M u slimin   M u slimin   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   10.   Nur Hadi   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   29,962   42,204   24,005   35,768   32,790   0  31,030   26,892   29,054   22,861   Nur Hadi   Nur Hadi   Nur Hadi   Nur Hadi   Nur Hadi   Nur Hadi   Nur Hadi   Nur Hadi   Nur Hadi   Nur Hadi   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   11.   Pramon o   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   34,934   35,160   24,542   6,918   0  42,893   32,248   35,301   34,423   47,197   Pramon o   Pramon o   Pramon o   Pramon o   Pramon o   Pramon o   Pramon o   Pramon o   Pramon o   Yudi   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Salah   12.   Prio   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   30,823   39,645   34,864   37,267   36,207   46,914   38,074   34,508   30,211   0  Prio   Prio   Prio   Prio   Prio   Yudi   Prio   Prio   Prio   Prio   Benar   Benar   Benar   Benar   Benar   Salah   Benar   Benar   Benar   Benar   13.   Sigit   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   33,107   27,309   46,066   0  25,214   36,788   42,959   34,476   40,544   41,822   Sigit   Sigit   Yudi   Sigit   Sigit   Sigit   His y am   Sigit   Sigit   Sigit   Benar   Benar   Salah   Benar   Benar   Benar   Salah   Benar   Benar   Benar   14.   Yoko   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   38,432   34,848   45,441   39,137   25,819   0  25,337   37,714   33,184   44,823   Yoko   Yoko   Yoko   Yoko   Yoko   Yoko   Yoko   Yoko   Yoko   Yoko   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   15. Y u d i   Data 01   Data 02   Data 03   Data 04   Data 05   Data 06   Data 07   Data 08   Data 09   Data 10   38,092   37,025   25,289   35,717   35,159   28,890   25,023   29,412   27,879   0  Yudi   Yudi   Yudi   Yudi   Yudi   Yudi   Yudi   Yudi   Yudi   Yudi   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar   Benar     Evaluation Warning : The document was created with Spire.PDF for Python.
ISSN: 1693-6 930                                                          7      Identifika s i Sidik Jari Me ng guna ka n Teknik Pen c o c o k an …… (R. Ri zal Isn anto)  Tabel 2. Ha sil  penguji an de ngan nil a i am bang 5 1 ,355   R e s p on de n  A   d a n   B  Jarak  Euclidea n   Status  Dike nali   Hasil   Ident i fikasi   06. Lilik   Data 09   51,969   Tidak Dikena l i   Salah  Data Lua r 1   Data 01   Data 02   59,673   57,758   Tidak Dikenali  Tidak Dikenali  Benar   Benar   Data Lua r 2   Data 01   Data 02   54,884   54,633   Tidak Dikenali  Tidak Dikenali  Benar   Benar   Data Lua r 3   Data 01   Data 02   63,676   60,879   Tidak Dikenali  Tidak Dikenali  Benar   Benar   Data Lua r 4   Data 01   Data 02   51,143   50,690   Yoko  Maman   Salah  Salah   Data Lua r 5   Data 01   Data 02   56,279   53,567   Tidak Dikenali  Tidak Dikenali  Benar   Benar       Pada  Data 09  Re sp ond en  A bern a ma  Lilik  tidak m engal ami pe rubah an h a sil  identifika s i,  yaitu tetap  diidentifikasi   Salah . Tet api  status d i ken a linya  b e rub a h  da ri  dikenali  se bagai  Muslimin  menjadi  Tidak Dikenali . De ngan nilai a m bang 5 1 ,35 5  ini, prosent ase u n tuk si stem  tanpa me ngi kutkan d a ta  luar tida k beru bah.  Tetapi jika  mengi kutkan  data lua r , hasil  perhitu nga nn ya menjadi seperti be ri kut.    % 100 % Data Benar an Keberhasil        % 100 160 145         =  90,62 5%      4. SIMPU L AN  Berda s a r kan  hasil d an pe mbaha sa n di atas, dap at diambil ke sim p ulan seba gai  beri k ut:  1.  Peran g kat lu nak si stem  id entifika s i  sidi k  ja ri  den gan  tapis Ga bo r yang  diran c ang  berha sil  mengid entifikasi si dik ja ri d enga n bai k.  2.  Nilai amb a n g  memiliki p enga ruh p a d a  hasil id ent ifikasi. Sema kin be sa r nil a i amban g  sema kin  be sar d a ta di ke nali seba gai  data pa da  b a si sdata, b a i k  di ken a li be nar m aup un  dike nali sal a h, begitu jug a  seb a liknya.  Tanpa nilai  amban g, se mua data m a su ka n akan  dike nali seba gai sal ah satu data pad a b a si sdata.   3.  Ha sil p enguji an tan pa  dat a lua r   (de nga n mau pun  ta npa  nilai a m b ang) dip e role h prosenta s e  tingkat  ke berhasil an  se be sar 91,3 33%,  se dan gkan  hasil  pe nguji an d eng an  d a ta lua r  d an  nilai amba ng  51,355 di pero l eh pro s e n tase tingkat keb e rha s ila n se b e sa r 90,62 5 % .      DAF TA R PU STAK A   [1] Elvayandri,  “Sistem  Ke amanan  Ak ses Men g g unaka n Pola Sidik Jari Berbasis   Jaringan Sy araf Tiru an“ ,  Projek A k hir  Tekni k  Ele k tro, Institut Teknologi Ban d u ng, 2001.   [2]  J a in, A.K.,   “ Fundamen t a l s of Digital Image Proce ssing” , Pre n tice Hall of India, 1989.   [3]  Jain, A.K., S. Phabhakar,  L. Hong, and S. Panka n ti,  “Filterba nk-Bas ed Fingerprin t   Matchin g ” , IEEE Transactions on Image Processing, 2000.   [4] Mas t ers ,   T.,   “Signal a nd Image  Processin g   w i th Neur al Net w o r k s . A C++   Sourcebo o k ” , Joh n  Wiley  & Sons, Inc., 1994.   [5]  Munir,  M. U. and Javed, M.Y.,  “Finge rprint M a tc h i ng using  G a bor Filters ” , College of  Electri c al a n d  Me cha n ica l  Engine erin g, Na tion al University  Scien c e and  Tech nolo g y,  Ra walpin di, Paki stan, 200 4 .   [6]  Rehan, N. and Rashid, K.,  “Multi-ma t c h er Bas e d F i ngerp rint Id entific a tion  Sy stem ” ,  Dep a rtme nt of  Com pute r  Scien c e,  Inte rnatio n a l Isl a mic  Universit y , Islamaba d, Paki stan,  2004.   Evaluation Warning : The document was created with Spire.PDF for Python.
                        ISSN: 1693-693 0     TELKOM NIKA   Vol. 5, No. 1,  April 2007 :  1 - 8   8 [7] Sc halk o ff,  R. J .,  “Digi t al Image Proc e ssing an d Computer Visi on” ,  John  Wi ley & Sons,  Inc., 1989.   [8] Wah ana -Kom puter,  “Pemr ograman Bo rland  Delphi 7.0” , ANDI, Yogyakarta, 20 03.  [9]  Wan g , P.,  S.N. Yanush k evich, and  V.P. Shmerko,  “Using  Polar Transform o f   Orientation   Map in  The  Task  of Gen e ration  of Sy nthe tic Fing erprints” , Depertment  of   Electri c al an d  Compute r  Engine erin g, University of Calgary, Ca na da, 2005.   [10] .... .... ... .,  “Image Proce s s ing Toolbo x Use r ’s Gu ide” , The MathWork s ,  Inc ., Natick ,   MA.,1998.    Evaluation Warning : The document was created with Spire.PDF for Python.