IDENTIFIKASI CITRA SIDIK JARI DENGAN METODE PCA DAN 2D-

PCA UNTUK AUTOMATIC FINGERPRINT IDENTIFICATION SYSTEM

(AFIS)

Septiadi Nugraha
Fakultas Ilmu Komputer Universitas Dian Nuswantoro
Jl. Imam Bonjol No.207, Pendrikan Kidul, Semarang Tengah, 50131
Email: dc.cosmicboy@gmail.com

ABSTRAK

Meskipun terdapat banyak kemajuan di dalam pengembangan mesin scanner sidik jari. Tetapi masih banyak hal yang
perlu dibenahi terkait hasil dari mesin scanner sidik jari karena terkadang sidik jari yang dihasilkan tidak akurat karena
dipengaruhi beberapa faktor, misal: tidak meratanya permukaan sidik jari yang menempel, pencahayaan pada bagian
sisi sidik jari yang terlalu gelap atau terlalu terang. Untuk mengatasi masalah tersebut diperlukan metode yang sesuai
untuk meningkatkan kualitas citra sidik jari sehingga mesin scanner dapat mengidentifikasi sidik jari secara akurat
dan mempercepat proses.

Kata Kunci: Scanner, sidik jari, AFIS

 1. PENDAHULUAN
Dalam hidup ini sidik jari bisa dikatakan sebagai tanda pengenal bagi setiap manusia di
dunia, karena setiap manusia memiliki pola sidik jari yang berbeda. Sidik jari digunakan untuk
hampir semua aspek kehidupan seperti: pembuatan tanda pengenal, surat izin mengemudi,
membantu investigasi kriminal. Untuk menunjang kegiatan tersebut diperlukan sebuah mesin yang
dapat mengenali citra sidik jari dengan akurat dan cepat.

Identifikasi citra sidik jari merupakan bidang pengenalan pola (pattern recognition).
Secara garis besar pengenalan pola bertujuan untuk mengekstraksi sebuah citra sehingga didapat
ciri dari citra tersebut. Terdapat berbagai macam metode yang digunakan untuk proses pengenalan
pola seperti PCA dan 2D-PCA. PCA sendiri merupakan metode yang digunakan untuk mereduksi
sebuah dimensi dengan cara transformasi linear sebuah ruang yang memiliki dimensi besar ke
ruang yang memiliki dimensi kecil. Sedangkan 2D-PCA sendiri tidak perlu merubah citra menjadi
vector kolom terlebih dahulu.

Pada penelitian yang dilakukan oleh Danar Putra Pamungkas, Ema Utami, Armadyah
Aborowati pada tahun 2015 mengupas tentang citra tanda tangan yang dapat dikenali dan
dikomparasi menggunakan metode 2D PCA dan 2D LDA, dua meteode tersebut digunakan untuk
mengetahui akurasi dan kecepatan proses pengenalan pada citra tanda tangan. Dengan
menggunakan metode Euclidean Distance untuk mendapatkan jarak terdekat antara dua objek
sehingga dapat diketahui kemiripan citra tanda tangan tersebut. Data citra yang digunakan sendiri
memiliki 6 kondisi kertas antara lain kertas putih polos, kertas bergaris papyrus, bertotol shingle,
tulisan tanda tangan yang miring dan pada lembar blanko e-KTP. Setelah dicoba
hasil dari pengenalan tanda tangan didapatkan akurasi sebagai berikut, 2D PCA dengan rata-rata
78.27% dan dengan menggunakan 2D LDA rata-rata yang didapat adalah 74.33%. Untuk hasil
perhitungan kecepatan dalam pemrosesan citra tanda tangan dengan 2D PCA rata – ratanya sebesar
0.2605504 detik, kemudian dengan 2D LDA rata – rata kecepatannya 0.2401697 detik. [1]
2. METODE PENELITIAN
Pengambilan Citra Sidik Jari
Proses mendapatkan gambar sidik jari dilakukan dengan cara mengambil citra
digital sidik jari dari hasil mesin scan. Citra diambil pada waktu siang hari didalam ruangan
tertutup.
Citra Sidik Jari
Data yang dipergunakan untuk penelitian ini merupakan citra sidik jari dengan
jumlah 15 dengan format JPEG. Data citra sidik jari berukuran 150x150 piksel. Citra yang
digunakan untuk penelitian ini berasal dari kantor Pemerintah Kabupaten Batang.

Gambar 2.1 Citra Sidik Jari

Praproses Data
Sebelum dilakukan praproses, citra yang akan digunakan dirubah terlebih dahulu
model warnanya yang semula RGB menjadi Grayscale, Kemudian ukuran citra yang
semulai 150x150 piksel dilakukan proses resize menjadi ukuran 50x50.

Data Latih dan Uji

Data citra sidik jari dibedakan menjadi 2 yaitu data uji dan data training
Ekstraksi dengan PCA & 2DPCA
Proses ekstraksi ciri citra sidik jari dilakukan dengan menggunakan PCA dan
2DPCA. Dari hasil ekstraksi diperoleh komponen utama berupa vector eigen dan matriks
transformasi. Vektor eigen diperoleh dengan mengambil nilai eigen yang terbesar yang
dianggap mewakili dari kumpulan data yang ada. Vektor eigen ini diperoleh dari matriks
kovarian untuk semua data latih yang ada. Rumus yang digunakan
3. HASIL DAN PEMBAHASAN
Dari hasil uji coba penelitian “Komparasi Citra Tanda Tangan Dengan Menggunakan
Metode 2D-PCA dan 2D-LDA” tingkat akurasi yang didapat menggunakan metode
2DPCA yaitu rata – rata 78.27% dengan rata – rata kecepatan 0.2605504 detik
sedangkan metode 2DLDA yaitu rata – rata 74.33% dengan rata – rata kecepatan
0.2401697 detik.

4. KESIMPULAN
Nilai akurasi maksimal dengan metode 2D PCA didapat pada scenario 1 dengan rata –
rata akurasi 99.6% dan rata – rata nilai kecepatan proses yaitu 0.22308 detik. Sedangkan
untuk nilai akurasi maksimal metode 2D LDA juga terletak di scenario 1 dengan rata – rata
akurasi sebesar 95.4% dan rata – rata kecepatan proses mencapai 0.207432 detik.
Total keseluruhan rata – rata dari 20 skenario untuk nilai akurasi adalah 78.27% dan
kecepatan proses sebesar 0.26055 detik.
 DAFTAR PUSTAKA

[1] E. U. A. A. Danar Putra Pamungkas, "Komparasi Pengenalan Citra Tanda Tangan dengan Metode 2D-
PCA dan 2D-LDA," Citec Journal, vol. II, 2015.

[2] A. P. Matthew Turk, "Eigenfaces for Recognition," Cognitive Neuroscience, vol. 3, no. 1, 1991.

[3] A. K. Erni Yusniar, "Identifikasi Daun Shorea menggunakan KNN dengan Ekstraksi Fitur 2DPCA," Ilmu
Komputer Agri-Informatika, vol. 3, pp. 19-27, 2014.