PENERAPAN EUCLIDEAN DISTANCE PADA PENGENALAN POLA

CITRA SIDIK JARI

(Studi Kasus: Pengenalan pola citra sidik jari berdasarkan tujuh tipe

acuan) Ainul Rahayuningtias, Rio Tasauffirmansyah

Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Jember

Jl. Kalimantan 37 Jember 68121, Indonesia

e-mail : Ainulrhy88@gmail.com, riotasauffirmansyah1999@gmail.com

Abstrak : Sidik jari (fingerprint) merupakan hasil reproduksi tapak jari baik yang sengaja diambil,
dicapkan dengan tinta, maupun bekas yang ditinggalkan pada benda karena pernah tersentuh kulit telapak
tangan atau kaki. Setiap manusia memiliki sidik jari yang berbeda-beda, karena itu seiring perkembangan
zaman dan teknologi yang semakin canggih, sidik jari tidak hanya menjadi dokumen negara, melainkan
banyak digunakan dalam sistem pengamanan. Seperti pada perangkat kerja dan sehari-hari, misalnya pada
komputer, handphone dan masih banyak lagi. Beberapa orang masih belum mengerti bahwa sidik jari kita
memiliki beberapa tipe atau jenis, oleh karena itu untuk mengetahui tipe-tipe tersebut dengan pengenalan
pola sidik jari menggunakan euclidean distance. Euclidean distance merupakan perhitungan jarak dari dua
buah titik dalam euclidean space. Penerapan euclidean distance pada pengenalan pola citra sidik jari
adalah pencocokan data citra sidik jari yang digunakan berdasarkan data tipe atau jenis pattern secara
umum berjumlah tujuh, yang dicocokan dengan melihat nilai (jarak) terkecil antar masing-masing.
Berdasarkan data citra uji sebanyak 34 diperoleh kecocokan sebesar 17,65%.

Kata kunci: Sidik jari, Pengenalan pola , Euclidean distance.

Abstract : Fingerprint are the result of reproduction of the sole of the finger is deliberately taken,
stamped with ink, as well as the former left on the object because it was never touched the skin of the sole
or foot. Every human being has different fingerprints, because the sophisticated increasing of era and
technology, fingerprints are not only state documents but are widely used in security systems. Such as on
the device and everyday, for example on computers, Mobile and many more. Some people still do not
understand that our fingerprints have some type or type, therefore to know those types with fingerprint
pattern recognition using euclidean distance. Euclidean distance is a distance calculation of two points in
the Euclidean space. The application of Euclidean Distance on fingerprint image recognition is
fingerprint image matching data
which is used based on data of type or type of pattern in general amounted to seven, which is matching by
seeing the smallest value (distance) between each. Based on the test image data of 34 obtained a match of
17.65%.

Keywords: Fingerprint, Pattern recognition, Euclidean distance.

1. PENDAHULUAN

Sidik jari merupakan struktur genetika berbentuk rangka yang sangat detail pada diri manusia
dan tidak dapat dihapus atau diubah sampai kapan pun. Sidik jari adalah simbol yang
menandakan bahwa tidak ada pribadi yang sama di dunia ini, bahkan untuk kembar identik
sekalipun. Beberapa keunikan dan karakteristik sidik jari di antaranya memiliki sifat yang
spesifik. Setiap orang memiliki pola sidik jari yang berbeda antara satu dengan lainnya, bahkan
sidik jari pada tangan seseorang memiliki pola yang berbeda di setiap jarinya. Kemudian sidik
jari bersifat permanen dan relatif mudah diklasifikasikan. Meskipun bersifat spesifik, namun
struktur pada sidik jari tidak acak, hal ini tentunya menjadi keunikan tersendiri sehingga untuk
keperluan tertentu mudah diklasifikasikan. Richa (2012)

Data sidik jari digunakan dalam penelitian dikarenakan pengenalan sidik jari semakin banyak
digunakan dalam teknologi, terutama di bidang digital, yang membuat perubahan cukup besar.
Disamping itu peralatan canggih sehari-hari seperti handphone, komputer, dan laptop sebagian
besar sudah menggunakan pengaman berbasis sidik jari (fingerprint) sebagai identifikasi, bahkan
sekarang tak jarang menemukan kampus-kampus yang sudah menggunakan sidik jari sebagai
absensi mahasiswa.

Metode Euclidean Distance digunakan dalam penelitian sebagai metode analisa untuk
memecahkan masalah, karena euclidean distance adalah suatu metode pencarian kedekatan nilai
jarak dari dua buah variabel. Jarak euclidean adalah perhitungan jarak dari dua buah titik dalam
Euclidean space, diperkenalkan oleh seorang matematikawan dari Yunani. Untuk mempelajari hubungan
antara sudut dan jarak. Euclidean ini biasanya diterapkan pada dua dimensi dan tiga dimensi. Tapi juga
sederhana jika diterapkan pada dimensi yang lebih tinggi.

Proses Euclidean Distance dilakukan dengan cara membandingkan kedekatan nilai jarak dari dua
buah variabel yaitu antara citra uji dengan citra acuan untuk mencari nilai jarak terdekat. Hasil
perhitungan yang digunakan sebagai perbandingan adalah nilai yang paling kecil (jarak yang paling
dekat). Metode Euclidean
Distance dipilih sebagai metode untuk menganalisis permasalahan yang ada yaitu karena peneliti ingin
melihat bagaimana pola-pola citra sidik jari yang digunakan dapat dikenali dan dicocokan satu sama lain,
serta memberikan gambaran akurasi yang didapat dari pengenalan pola citra sidik jari tersebut. Peneliti
menggunakan tujuh acuan atau jenis sidik jari yaitu plain arch, tented arch, ulnar loop, radial loop, plain
whorl, Central pocket loop whorl, dan Double loop whorl serta menggunakan software MATLAB
R2015a, dan Microsoft Excel.

2. TINJAUAN PUSTAKA

a. Jarak Euclidean
Jarak euclidean merupakan jarak yang paling umum yang digunakan untuk data numerik, untuk dua
titik data x dan y dalam ruang d-dimensi. Dalam Jannah (2010) bentuk umum euclidean distance (d)
dapat diperoleh dengan :

𝑥 = (𝑥1,𝑥2, … , 𝑥𝑛 )

𝑦 = (𝑦1,𝑦2, … , 𝑦𝑛 )

𝑑(𝑥, 𝑦) = √(𝑦1 − 𝑥1)2 + (𝑦2 − 𝑥2)2 + ⋯ + (𝑦𝑛 − 𝑥𝑛)2

Point x y Point p1 p2 p3
p1 p2 p3 p4
p1 p2 0 2 p4 0 2.828 3.162 5.099
p3 2 0 2.828 0 1.414 3.162
p4 3 1 3.162 1.414 0 2
5 1 5.099 3.162 2 0

(a) (b)

Gambar 1.1 Contoh matriks jarak

(sumber Ali Anshari, 2016)

 Pada dua dimensi, misalkan ada 2 titik koordinat (𝑥11,𝑥21) dan (𝑥12,𝑥22), maka dapat diketahui jarak
euclidean (d) tersebut seperti contoh berikut:

𝑑(𝑃1, 𝑃2) = √(𝑥21 − 𝑥11)2 + (𝑥22 − 𝑥12)2 (1.1)

atau dapat juga dibentuk persamaan sebagai beirkut :

𝑑𝑖𝑗 = √∑𝑚 (𝑥𝑖𝑘 − (1.2)

𝑥𝑗𝑘)2
𝑘=1

Ket :

𝑑𝑖𝑗 = jarak euclidean obyek data ke-i dan obyek data ke-j

𝑚 = banyaknya peubah/ parameter yang digunakan

𝑥𝑖𝑘 = obyek data ke-i pada peubah ke-k

𝑥𝑗𝑘 = obyek data ke-j pada peubah ke-k

Mengacu pada gambar 1.1 (a) terdapat 4 point koordinat citra, dengan masing-masing koordinat (𝑥,
𝑦) memiliki nilai acak, kemudian dicari nilai jaraknya dengan menggunakan rumus (1.1) dengan hasil
perhitungan masing-masing koordinat yang direpresentasikan dalam bentuk matriks (b), pada rumus (1.2)
merupakan rumus untuk contoh pada dua dimensi.

b. Citra digital

Citra digital dapat dinyatakan sebagai suatu fungsi dua dimensi 𝑓(𝑥, 𝑦), dengan 𝑥 maupun 𝑦 adalah
posisi koordinat sedangkan f merupakan amplitudo pada posisi (𝑥, 𝑦) yang sering dikenal sebagai
intensitas atau grayscale. Nilai dari bentuknya adalah diskrit mulai dari 0 sampai 255. Untuk pemrosesan
citra digital, maka citra analog harus dikonversi terlebih dahulu kedalam bentuk citra digital. Proses
scanning menggunakan scanner merupakan salah satu proses konversi dari suatu citra analog menjadi
citra digital. Proses pengambilan atau penangkapan suatu obyek menggunakan kamera digital akan
langsung menghasilkan citra digital. Ada dua jenis citra digital, citra diam (still image) dan citra bergerak
(moving image). Purnomo & Muntasa (2010)

Untuk mengenali obyek dalam citra dibutuhkan parameter-parameter yang mencirikan obyek
tersebut. Ciri yang dapat digunakan untuk membedakan obyek satu dengan obyek lainnya di antaranya
adalah ciri bentuk, ciri ukuran, ciri geometri, ciri tekstur, dan ciri warna. Masing-masing obyek
diekstrak cirinya
berdasarkan parameter-parameter tertentu dan dikelompokkan pada kelas tertentu. Misalnya untuk
mencirikan ukuran suatu obyek yang termasuk dalam kelas ukuran besar maka digunakan parameter luas
dan keliling. Nilai dari parameterparameter tersebut kemudian dijadikan sebagai data masukan dalam
proses identifikasi/ klasifikasi.

c. Citra Sidik Jari

Sebuah citra dapat didefinisikan sebagai fungsi dua dimensi 𝑓(𝑥, 𝑦), di mana x dan y adalah
koordinat spasial, dan amplitudo dari f pada sembarang pasangan koordinat (𝑥, 𝑦) disebut intensity
(intensitas) atau gray level (level keabuan) dari citra pada titik tersebut. Ketika x, y dan nilai intensitas
dari f adalah semua terbatas, discrete quantities, kita sebut citra tersebut digital image (citra digital). Citra
digital terdiri dari sejumlah elemen tertentu, setiap elemennya mempunyai lokasi dan nilai tertentu.
Elemen-elemen ini disebut picture elements, image elements, pels,dan pixel. Piksel adalah istilah yang
sudah digunakan secara luas untuk menyatakan elemen citra digital. Prasetyo (2012)

3. METODOLOGI PENELITIAN

3.1 Populasi sasaran

Populasi sasaran yang akan diteliti berupa gambar yang diambil sejumlah 34 citra sidik jari dari 34
data citra dalam bentuk/ format jpg, kemudian diolah menggunakan software pemrograman Matlab versi
R2015a.

3.2 Proses Pengambilan Data

Data yang ada merupakan data sekunder. Data yang ada berupa citra sidik jari yang diubah dalam
format jpg kemudian dengan ukuran yang sudah disamakan.

3.3 Metode Analisa Data

Metode analisis data yang digunakan pada penelitian ini adalah menggunakan Euclidean Distance
untuk melihat pencocokan dan pengenalan pola citra sidik jari dengan membandingkan antara citra uji
dengan citra acuan untuk mencari nilai jarak terdekat. Data citra uji yang digunakan sejumlah 34 dengan
data citra acuan yang berjumlah 7 serta memberikan gambaran akurasi yang didapat dari pengenalan
pola citra sidik jari tersebut.
3.4 Rancangan Penelitian
Proses rancangan penelitian agar berjalan sistematis dengan langkah langkah sebagai berikut :

Mulai

Pre-Processing

Dinyatakan dalam bentuk matriks

Menghitung jarak Euclidean antara citra uji dengan citra

Hasil perhitungan jarak euclidean

Analisis

Selesai