BAB I

PENDAHULUAN

1.1. Latar Belakang

Sidik jari manusia sering digunakan untuk mengidentifikasi identitas diri
seseorang karena memiliki pola yang unik, setiap orang bahkan saudara
kembarnya memiliki pola sidik jari yang berbeda. Mengidentifikasi identitas diri
seseorang dengan sidik jari terbukti akurat serta mudah bila dibandingkan dengan
sistem identifikasi identitas yang lainnya. Guratan-guratan pada sidik jari manusia
akan melekat seumur hidup dan tidak akan berubah kecuali mendapatkan
kecelakaan yang serius pada jarinya.
Proses pencocokan pola sidik jari biasa digunakan dalam aplikasi teknologi
informasi seperti akses ke ruangan yang hanya boleh dimasuki oleh orang-orang
tertentu, untuk mengakses data yang sifatnya rahasia dan bahkan sekarang
digunakan untuk absensi dosen atau karyawan perusahaan. Oleh karena itu, faktor
teknis yang terkait dengan kualitas gambar sidik jari, resolusi gambar yang
berbeda-beda dan juga posisi geometris sidik jari sangat berperan penting dalam
pembangunan sistem pencocokan pola sidik jari.
Pada kejadian sehari-hari banyak karyawan atau dosen sering terburu-buru
pada saat melakukan absensi sehinga terjadi kegagalan dalam mendeteksi sidik
jari. Hal ini terjadi karena banyaknya jumlah basis data sidik jari yang ada dan
selalu bertambah. Akibatnya karyawan atau dosen harus melakukan absensi sidik
jari berulang-ulang sehingga banyak waktu yang terbuang, untuk mengatasi

masalah tersebut digunakanlah berbagai pendekatan klasifikasi berdasarkan ciri

umum yang tampak pada sidik jari. Klasifikasi ini berfungsi untuk mebatasi ruang
pencarian sidik jari dalam kelas yang sama selama proses identifikasi.
Dari latar belakang di atas maka penulis tertarik untuk membahas proses
pencarian sidik jari dengan mengklasifikasi ke kelas tertentu memanfaatkan PNN
(probalistic neural network). Metode ini dapat mempermudah proses pencarian
dan mendeteksi sidik jari serta mengklasisfikasikan terhadap sejumlah kelas yang
ada. Pengambilan keputusan didasarkan pada hasil perhitungan jarak antara fungsi
kemiripan dari vector ciri.

1.2. Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya, maka yang
menjadi topik permasalahan dalam penelitian ini yaitu :
1. Bagaimana alur pola sidik jari dapat diidentifikasi dengan metode
PNN (probalistic neural network).
2. Bagaimana persentase kecocokan sidik jari dengan metode PNN
(probalistic neural network).
3. Bagaimana alur pola sidik jari diklasifikasikan ke dalam kelas tertentu.
1.3. Batasan Masalah
Berdasarkan rumusan masalah yang telah disebutkan diatas, adapun batasan
masalah dalam penelitian ini adalah :
1. Citra sidik jari yang diuji adalah ibu jari tangan kanan.
2. Citra sidik jari yang diuji hanya citra sidik jari kering.
3. Klasifikasi citra sidik jari menggunakan lima kelas template sidik jari
yaitu plain arch, ulnar loop, radial loop, plain whorl dan double loop.

4. Metode yang digunakan adalah pendekatan PNN (probalistic neural

network).
5. Masukan untuk sistem identifikasi citra sidik jari adalah berkas citra
yang direkam sebelumnya dan keluaran sistem adalah klasifikasi sidik
jari pada kelas yang ada dengan berkas citra sidik jari.
1.4. Tujuan Penilitian
Adapaun tujuan penelitian ini adalah :
1. Menerapkan metode PNN (probalistic neural network) pada proses
klasifikasi alur pola sidik jari.
2. Menghitung persentase kecocokan dengan metode PNN (probalistic
neural network).
3. Mengklasifikasikan hasil pencocokan alur pola kemiringan sidik jari
kedalam masing-masing kelas tertentu.

1.5. Manfaat Penelitian

Adapun manfaat yang ingin dicapai dalam penelitian ini adalah sebagai
berikut:
1. Mempercepat pencarian data saat digunakan pada proses identifikasi.
2. Mengurangi kesalahan pada proses identifikasi.
1.6. Road Map
Sri Suwarno dan Sri Hartati (2010), Deteksi Kemiringan Alur Pola Sidik
Jari dengan Hamming Net Sebagai Dasar Klasifikasi. jurnal ini membahas
tentang sudut kemiringan alur diteliti, dengan harapan dapat dipakai sebagai dasar
klasifikasi yang lebih sederhana dan lebih cepat proses komputasinya. Penelitian
ini menghasilkan klasifikasi dengan ketepatan 63% dari 80 sampel pola sidik jari.

Ifan Hari Pradana Klasifikasi Citra Sidik Jari Berdasarkan Enam Tipe
Pattern Menggunakan Metode Euclidean Distance Pada penelitian ini dilakukan
klasifikasi sidik jari dengan menggunakan metode Euclidean Distance dar data uji
sebanyak 30 gambar tingkat keberhasilan klasifikasi adalah 76,6%.
Gregorius Satia Budhi, Tok Fenny Handayani dan Rudy Adipranata (2008)
Aplikasi Pengenalan Daun untuk Klasifikasi Tanaman dengan Metode
Probalistic Neural Network Pada penelitian ini dikembangkan aplikasi dengan
menggunakan metode Probabilistic Neural Network untuk melakukan pengenalan
daun. Sebagai input data digunakan gambar daun dan dilakukan feature extraction
untuk mendapatkan ciri-ciri yang mewakili bentuk daun. Dari hasil pengujian,
tingkat keakuratan pengenalan mencapai sekitar 70% dengan menggunakan
spread 0.25 hingga 0.5
Windu Purnomo (2011)Klasifikasi Sidik Jari Menggunakan Support Vector
Machine dengan Feature Berbasis Minutie Menggunakan Metode Region Pada
penelitian ini menggunakan 2.695 gambar sidik jari dari NIST. Kinerja klasifikasi
diukur menggunakan 3 kali lipat metode cross validasi. Penelitian ini dicapai
akurasi 79,7%. Seperti yang kita hanya digunakan fitur lokal dalam penelitian ini,
penelitian lebih lanjut perlu dilakukan terutama untuk menyelidiki fitur global.
Minarni (2004) Klasifikasi Sidik Jari dengan Pemrosesan Awal
Transformasi Wavelet penelitian menunjukkan bahwa unjuk kerja pengenalan
meningkat cukup signifikan untuk masukan dengan dimensi yang lebih besar
(64x64) dibandingkan dengan masukan yang lebih kecil (32x32 dan 16x16).

Pengenalan dengan ekstraksi ciri wavelet Daubechies meningkatkan unjuk kerja

sebesar 1% dibandingkan dengan wavelet Haar.

1.7. Sistematika Penulisan

BAB I

PENDAHULUAN
Pada bab I membahas tentang latar belakang penelitian, rumusan
masalah, batasan masalah, tujuan penelitian, manfaat penelitian,
road map serta sistematika penulisan.

BAB II

TINJAUAN PUSTAKA
Pada bab II membahas tentang teori yang menunjang pembuatan
Klasifikasi Alur Pola Sidik Jari dengan Metode PNN (probalistic
neural network).

BAB III

METODOLOGI PENELITIAN
Pada bab III membahas tentang perancangan dan pembuatan
Klasifikasi Alur Pola Sidik Jari dengan Metode PNN (probalistic
neural network).

BAB IV

HASIL DAN PEMBAHASAN

Pada bab IV membahas tentang hasil serta pembahasan dari
Klasifikasi Alur Pola Sidik Jari dengan Metode PNN (probalistic
neural network).

BAB V

PENUTUP

Pada Bab V berisi tentang kesimpulan dan saran dari hasil uji coba
sistem serta saran-saran

mengenai penggunaan sistem untuk

penyempurnaan tugas akhir ini.