Professional Documents
Culture Documents
PROPOSAL Fakhrurrazi 180170100
PROPOSAL Fakhrurrazi 180170100
Diusulkan Oleh,
Fakhrurrazi
180170100
Fakhrurrazi
180170100
Menyetujui,
Mengetahui,
Ketua Jurusan Informatika
i
DAFTAR ISI
DAFTAR TABEL................................................................................................. iv
ii
BAB III METODE PENELITIAN ......................................................................18
iii
DAFTAR GAMBAR
Gambar 2.2 Bentuk Dasar Sidik Jari (a) Arch, (b) Loop, (c) Whorl ......................11
Gambar 2.3 Klasifikasi Sidik Jari : (a), (b), (c), (d), (e) ........................................11
iv
DAFTAR TABEL
Tabel 2.1 Peluang perubahan cuaca pada hari yang berurutan ..............................14
v
BAB I
PENDAHULUAN
Peran sidik jari sebagai salah satu senjata ampuh yang digunakan oleh pihak
kepolisian dalam mengungkap berbagai tindak kejahatan sampai saat ini masih
belum tergantikan. Seperti kita ketahui, sidik jari sudah sejak lama digunakan untuk
mengenali ciri-ciri khusus seseorang. Dimana ciri-ciri tersebut hanya dimiliki oleh
individu dan tidak ada seorang pun yang memiliki kesamaan secara persis dengan
orang lain (Beatrice, 2009).
Dalam dunia kepolisian, sidik jari juga menjadi suatu hal yang penting dalam
hal mengidentifikasi identitas seseorang. Sidik jari menjadi suatu karakteristik
fisiologis yang mungkin dapat ditemukan di tempat kejadian perkara sebuah
kriminalitas. Umumnya, di negara maju, pihak kepolisian mereka telah memiliki
basis data citra sidik jari yang terkomputerisasi, yang dapat digunakan untuk
mencocokkan dengan citra sidik jari laten yang ditemukan.
Di Indonesia, Direktorat Reserse Kriminal Umum Polda Aceh, memiliki
divisi Identifikasi, yang bertugas untuk mengidentifikasi identitas seseorang. Salah
satu sub divisinya bertugas untuk melakukan identifikasi sidik jari laten. Sidik jari
laten yang ditemukan harus dibandingkan dengan basis data sidik jari yang telah
dikumpulkan. Akan tetapi, sidik jari ini harus dibandingkan secara manual,
sehingga proses untuk mencari identitas suatu sidik jari akan sangat memakan
waktu. Oleh karena itu, sangat penting bagi mereka, untuk mengembangkan suatu
aplikasi yang dapat membantu untuk mengidentifikasi sidik jari secara cepat.
Identifikasi forensik merupakan upaya yang dilakukan dengan tujuan membantu
penyidik untuk menentukan identitas seseorang. Penentuan identitas korban
seperti halnya penentuan identitas tersangka pelaku kejahatan merupakan bagian
terpenting dalam penyidikan. Identifikasi tersebut penting sekali dilakukan
terhadap korban meninggal karena merupakan perwujudan HAM dan
penghormatan terhadap orang yang sudah meninggal. Kitab Undang-Undang
Hukum Acara Pidana (KUHAP) Pasal 133 ayat tiga tertulis “Mayat yang dikirim
1
2
kepada ahli kedokteran kehakiman atau dokter pada rumah sakit harus
diperlakukan secara baik dengan penuh penghormatan terhadap mayat tersebut dan
diberi label yang memuat identitas mayat, dengan diberi cap jabatan yang
dilekatkan pada ibu jari kaki atau bagian lain badan mayat tersebut”. Dengan
demikian, dapat dipahami bahwa proses identifikasi merupakan hal yang penting
untuk dilaksanakan sebelum proses selanjutnya yaitu pemeriksaan mayat (otopsi).
Banyak kasus kriminal yang berhasil diungkap oleh Kepolisian dengan
bantuan sidik jari. Tidak seperti metode interogasi, keterangan saksi, atau simulasi.
Hasil penyidikan sidik jari sulit dibantah, karena proses analisis seorang ahli
merujuk langsung pada ilmu ilmiah yang telah disepakati bersama akan
keabsahannya. Jumlah prestasi yang berhasil ditorehkan kepolisian ternyata tidak
semudah teorinya, dalam satu kasus selalu muncul banyak kendala yang dihadapi
seperti lamanya proses pengambilan sidik jari, bentuk sidik jari yang tidak utuh
(terdistorsi), lamanya waktu pencocokan sidik jari satu dengan yang lain dll.
Menyatakan bahwa terdapat dua hambatan yang sering dihadapi penyidik
yaitu Hambatan dari Luar dan Hambatan dari Dalam. Beberapa contoh Hambatan
dari Luar adalah jejak yang ditinggalkan di tempat kejadian menunjukan bentuk
yang tidak sempurna, hampir semuanya memiliki kekaburan atau noda, tidak
sedikit sidik jari tertinggal merupakan sidik jari orang yang mungkin tidak
bersangkutan sama sekali. Sedangkan Hambatan dari Dalam bisa dalam bentuk
perbedaan pendapat para ahli, kurangnya bekal pengetahuan serta keterampilan
yang dimiliki petugas (Setyowarman 2011).
Berbeda dengan pengenalan sidik jari utuh melawan sidih jari utuh seperti
yang digunakan pada absensi fingerprint. Yang sering menjadi perhatian pada
proses identifikasi sidik jari suatu kasus kejahatan adalah bentuk sidik jari yang
tidak karuan, baik secara size (ukuran) maupun secara orientasi (arah). Entah itu
terpotong sebagian, kering, berminyak, terotasi, rusak atau bentuknya tidak
beraturan. Sehingga dibutuhkan keteletian ekstra untuk megungkap siapa pemilik
yang bersangkutan. Hal inilah yang mendasari peneliti untuk membangun sebuah
aplikasi pengenalan sidik jari guna membantu mengatasi permasalahan tersebut
dengan studi kasus terdistorsi sebagian. Dimana sidik jari temuan kondisinya
terpotong sebagian. Didukurng oleh data statistik BPS dengan sekian ribu tindak
3
pidana tiap tahunnya, kasus sidik jari terdistorsi sangat berpeluang masuk ke dalam
daftar 3 bahan diskusi yang harus diselesaikan untuk meningkatkan kualitas
kinerja Kepolisian Republik Indoenesia. Bagi seorang ahli tentu akan terbantu
apabila terdapat alat pendeteksi otomatis yang bisa memepermudah proses
penyidikan. Dan Pengolahan citra sudah lama dimanfaatkan untuk mengeksplorasi
seputar objek gambar digital, salah satunya adalah pengolahan citra untuk
pengenalan sidik jari.
Pada penelitian sebelumnya metode Hidden Markov Model digunakan
sebagai pengidentifikasi pada pengenalan pola sidik jari yang menerapkan
computer vision dan pengenalan pola. Tingkat akurasi mencapai 86% untuk 5 kali
pengujian terhadap 20, 40, 60, 80 dan 100 data training. Penelitian tersebut
memaparkan tentang peracangan dan pengimplementasian perangkat lunak yang
dapat mengidentifikasi sidik jari manusia. Alur prosesnya terdiri dari binerisasi,
erosi, skeletonisasi, ekstraksi fitur dan parameter HMM. Dari hasil pengujian
didapatkan kesimpulan bahwa HMM dapat diimplemetasikan ke dalam sistem
pengenalan sidik jari.
Oleh karena itu, dalam penelitian ini penulis menggunakan metode Hidden
Markov Model yang memiliki banyak keunggulan dalam bidang pengenalan dan
klasifikasi, diantaranya adalah beberapa jurnal menemukan bahwa pada
pengenalan retina dengan metode HMM memiliki tingkat akurasi mencapai 100%.
2.1. Citra
Citra (image) adalah gambar pada bidang dua dimensi 𝑓(𝑥, 𝑦), di mana 𝑥 dan
y adalah koordinat bidang datar, dan akar fungsi f di setiap pasangan koordinat
(𝑥, 𝑦) disebut intensitas atau level keabuan (grey level) dari gambar di titik itu.
(Hermawati, 2013).
Dalam pengertian yang lebih khusus, citra adalah gambaran visual mengenal
suatu objek atau beberapa objek (Kadir, 2013). Dari sudut pandang matematis, citra
merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dua
dimensi. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian
dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik,
misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya,
sehingga bayangan objek yang disebut citra tersebut terekam.
Citra di dalam komputer disusun atas sejumlah piksel. Sebuah piksel dapat
dibayangkan sebagai sebuah titik. Setiap piksel mempunyai koordinat, yang
dinyatakan dengan bentuk (𝑥, 𝑦) dengan 𝑦 menyatakan baris dan 𝑥 menyatakan
kolom. Umumnya, koordinat pojok kiri-atas dinyatakan dengan (0,0). Dengan
demikian, jika suatu citra berukuran M baris dan N kolom atau biasa dinyatakan
sebagai M x N, koordinat piksel terbawah dan terkanan berada di koordinat (M-
1,N-1) (Kadir, 2013).
6
7
2.4. Biometrika
Biometrika (berasal dari bahasa Yunani bios yang artinya hidup dan metron
yang artinya mengukur) secara umum adalah studi tentang karakteristik biologi
yang terukur. Dalam dunia teknologi informasi, biometrika relevan dengan
teknologi yang digunakan untuk menganalisa fisik dan kelakuan manusia dalam
autentifikasi.
Sebuah sistem biometrika pada dasarnya system pengenalan pola yang
mengakui seseorang berdasarkan vector fitur yang berasal dari karakteristik
fisiologis atau perilaku yang dimiliki seseorang. Tergantung pada konteks aplikasi,
sistem biometrika biasanya beroperasi di salah satu dari dua mode: verifikasi atau
identifikasi. Dalam modus verifikasi, system memvalidasi identitas seseorang
dengan membandingkan ciri-ciri biometrika yang sudah disimpan dalam database.
Verifikasi identitas biasanya digunakan untuk pengakuan positif, dimana
tujuannya adalah untuk mencegah banyak orang dari menggunakan identitas sama.
Dalam modus identifikasi, system mengakui seorang individu dengan mencari
database seluruh template untuk perbandingan. Sistem melakukan perbandingan
satu ke banyak data untuk membangun identitas seseorang. Identifikasi biasanya
digunakan untuk pengakuan negatif, dimana tujuannya untuk mencegah satu orang
menggunakan beberapa identitas. Sementara metode pengakuan tradisional
password, pin, tombol, dan token bekerja untuk pengakuan positif, hanya
biometrika dapat digunakan untuk pengakuan negative.(Prabhakar, S. , Pankanti, S.
, and Jain, A 2003).
Tidak semua bagian tubuh atau perilaku seseorang dapat digunakan sebagai
biometrika. Ada beberapa persyaratan yang harus dipenuhi agar bagian-bagian
tubuh atau perilaku manusia dapat digunakan sebagai biometrika, antara lain :
1. Universal (universality), artinya karakteristik yang dipilih harus dimiliki oleh
setiap orang.
2. Membedakan (distinctiveness), artinya karakteristik yang dipilih memiliki
10
berbeda-beda. Bahkan, bayi kembar dalam satu kandungan pun tidak akan
mempunyai sidik jari yang sama (Richo, 2013).
Sidik jari terdiri dari dua pola yiatu ridge (bukit) dan valley (lembah) dimana
ridge adalah yang berwarna hitam dan lembah yang berwarna putih. Secara umum,
bentuk guratan sidik jari hanya adal tiga yaitu busur (arch, sangkutan (loop), dan
lingkaran (whorl), ketiganya dibedakan oleh core dan delta. Selebihnya dari ketiga
bentuk pokok tersebut, hanya sebatas varian dan kombinasi bentuk dasarnya
(Nivedita, 2013).
Gambar 2.2 Bentuk Dasar Sidik Jari (a) Arch, (b) Loop, (c) Whorl
Secara ilmiah sidik jari diproduksi oleh kulit friksi yaitu telapak tangan dan
tapak kaki yang membentuk suatu pola. Kelenjar keringat pada kulit menghasilkan
keringat dan sebum. Ketika kulit menyentuh suatu permukaan akan meninggalkan
suatu kesan berminyak (sidik jari). SIdik jari tersebut dapat dilihat dengan
menebarkan suatu bedak dan akan membekas selama bertahun-tahun apabila tidak
dibersihkan. Sehingga sidik jari sangat membantu dalam pemecahan sebuah kasus.
(Setyowarman, 2011).
Gambar 2.3 Klasifikasi Sidik Jari :(a) Kering, (b) Kotor,(c) Berminyak,
(d) Rotasi, (e)Terpotong Sebagian
1. Definisi
Membiarkan 𝑿𝒏 dan 𝒀𝒏 menjadi proses stokastik dan 𝒏 ≥ 𝟏. Pasangan
tersebut (𝑿𝒏 , 𝒀𝒏 adalah model Markov tersembunyi jika
2. Terminologi Status
proses 𝑿𝒏 (resp. 𝑿𝒕 ) disebut keadaan tersembunyi, dan 𝐏(𝒀𝒏 ∈ 𝑨 | 𝑿𝒏 = 𝒙𝒏 )
(resp. 𝐏(𝒀𝒕 ∈ 𝑨 | 𝑿𝒕 = 𝑩𝒕 ) disebut probabilitas emisi atau keluaran.
peluang transisi.
Dengan mengetahui distribusi inisial dan peluang transisi, suatu rantai markov
dapat dikenali secara lengkap, seperti terlihat pada persamaan berikut:
=⋯
(2)
𝑃(𝑄0 = 𝑖0 )disebut peluang inisial. 𝜋(0) = (𝜋0 (0), 𝜋1 (0), … ) dimna 𝜋𝑗 (0) =
𝑃(𝑄0 = 𝑠𝑗 ) disebut distribusi inisial. Sebagai gambaran, perhatikan contoh berikut:
Contoh 1
Misalkan cuaca dalam satu hari dapat dikelompokan menjadi cerah,hujan,
dan berawan. Perubahan cuaca dalam hari yang beruntun di nyatakan dalam
peluang pada tabel berikut:
Cuaca besok
Cuaca Hari ini
Cerah hujan berawan
cerah 0.8 0.05 0.15
Jika cuaca pada hari pertama (𝑡 = 1) adalah cerah ,berapa peluang cuaca pada 5
hari berikutnya cerah-hujan-berawan-hujan-hujan.
15
Jawab: Misalkan state 1(𝑠1): cerah, state 2(𝑠2): hujan, state 3(𝑠3 ): berawan.
Dengan menggunakan persamaan (2) diperoleh :
𝑃( 𝑄0 = 𝑠1, 𝑄1 = 𝑠1 , 𝑄2 = 𝑠2 , 𝑄3 = 𝑠3 , 𝑄4 = 𝑠2 , 𝑄5 = 𝑠2 )
= (1)(0.8)(0.05)(0,2)(0,3)(0,6) = 0,00144
2.8. Flowchart
Flowchart adalah representasi grafik dari sebuah proses. Flowchart
menggambarkan langkah-langkah dari proses untuk mendeteksi wajah dan ekspresi
wajah. Diagram alir atau flowchart merupakan bagan yang memperlihatkan urutan
dan hubungan antar proses beserta intruksinya. Fungsinya adalah memberikan
gambaran garis secara garis besar untuk program atau aplikasi yang dibuat. (Vina
Sagita, 2013).
16
Flowchart adalah penyajian yang sistematis tentang proses dan logika dari
kegiatan penanganan informasi atau penggambaran secara grafik dari langkah-
langkah dan urut-urutan prosedur dari suatu program. Flowchart menolong analis
dan programmer unruk memecahkan masalah kedalam segmen-segmen yang lebih
kecil dan menolong dalam menganalisis alternatif-alternatif lain dalam
pengoprasian. System flowchart adalah urutan proses dalam sistem dengan
menunjukan alat media input, output serta jenis media penyimpanan dalam proses
pengolahan data. Program flowchart adalah suatu bagan dengan simbol-simbol
tertentu yang menggambarkan urutan proses secara detail dan hubungan antara
suatu proses (instruksi) dengan proses lainnya dalam suatu program. Keuntungan
dari flowchart adalah:
1. Membantu untuk mengidentifikasi adanya bottleneck pada sebuah proses
secara cepat.
2. Membantu meningkatkan efisiensi sebuah proses, karena dengan adanya
flowchart maka dapat terlihat proses-proses yang kurang efisien.
operasi atau proses yang akan dilakukan. Simbol-simbol ini merupakan sebuah
bahasa yang digunakan untuk memvisualisasikan masalah sehingga lebih mudah
untuk dibaca dan dimengerti.
Tabel 2.2 Simbol-simbol dalam flowchart
Menunjukkan kegiatanproses
Proses
dalam sistem
Menunjukkan adanya
Kondisi keputusan atau kondisi
tertentu
Menunjukkan arah
Garis alir
berjalannya proses
BAB III
METODE PENELITIAN
18
19
Bicego, M., U. Castellani, and V. Murino, (2003) "Using Hidden Markov Models
and wavelets for face recognition." In Image Analysis and Processing,
2003. Proceedings. 12th International Conference on, pp. 52 - 56. IEEE.
Elmezain, Mahmud dkk (2009). “A Hidden Markov Model-Based Isolated and
Meaningful Hand Gesture Recognition”, International Journal of Electrical,
Computer, and Systems Engineering 3:3 2009
Fatta, Hanif Al (2007) “Konversi Format Citra RGB ke Format Grayscale
Menggunakan Visual Basic’, Yogyakarta
Fadlisyah. 2014. Sistem Pendeteksian Wajah Pada Video Menggunakan Jaringan
Adaptive Linear Neuron (ADALINE). Tesis. Universitas Sumatra Utara.
Fadlisyah & Rizal. 2011. Pemograman Computer Vision Menggunakan Delphi +
Vision Lab VCL 4.0.1. Yogyakarta: Graha Ilmu.
Prasetyo, M. Eko Budi (2010). “Teori Dasar Hidden Markov Model”. Sekolah
Teknik Elektro dan Informatika Institut Teknologi Bandung, Bandung.
Fadlisyah dan Rizal. (2011). Pemrograman Computer Vision pada Video, Penerbit
Graha Ilmu. Yogyakarta.
Imam Romanu (2017). Citra Sidik Jari Terdistorsi; Filtering; Overlapping Window;
Wavelet; Distorted Fingerprint Image; Filtering; Wavelet, Malang
Jin Fei Lim, Renee Ka Yin Chin (2013). "Enhancing Fingerprint Recognition Using
MinutiaeBased and Image-Based,"
Pandiangan, Harmuda, (2016). “Prediksi Sekuens DNA Berdasarkan Data Ekspresi
Gen Menggunakan Model Hidden Markov”. Tesis, Jurusan Matematika –
MIPA, Institut Teknologi Sepuluh Nopember, Surabaya.
Prabhakar, S. , Pankanti, S. , and Jain, A ( 2003). “Biometric Recognition: Security
and Privacy Concerns”, Proc IEEE Computer Society, IEE Press, p.33.
Sutoyo. T. et al. (2009). “Teori Pengolahan Citra Digital”, Penerbit ANDI,
Yogyakarta.
22