BAB I
PENDAHULUAN

1.1Latar Belakang
Kebutuhan akan teknologi pengenalan karakteristik alami manusia semakin meningkat sangat cepat dalam beberapa dekade ini, seiring dengan bertambahnya kompleksitas dalam bidang keamanan dan kriminalitas. Untuk mengindentifikasi seseorang dapat dilihat dari ciri–ciri fisik karena setiap orang memiliki ciri–ciri yang unik dan tidak ada yang sama.
Biometrik merupakan cabang matematika terapan yang bidang garapnya untuk mengindentifikasi individu berdasarkan ciri atau pola yang dimiliki oleh individu tersebut, misalnya bentuk wajah, sidik jari, warna suara, retina mata, dan struktur DNA. Sidik jari merupakan salah satu pola yang sering digunakan untuk mengindentifikasi indentitas seseorang karena polanya yang unik, terbukti cukup akurat, aman, mudah, dan nyaman bila dibandingkan dengan sistem biometrik yang lainnya. Hal ini dapat dilihat pada sifat yang dimiliki oleh sidik jari yaitu guratan-guratan pada sidik jari yang melekat pada kulit manusia seumur hidup, sidik jari seseorang tidak pernah berubah kecuali mendapatkan kecelakaan yang serius, dan sidik jari adalah unik dan berbeda untuk setiap orang. Pengenalan pola sidik jari dapat digunakan dalam aplikasi teknologi informasi seperti akses untuk masuk ke suatu gedung atau ruangan yang hanya boleh dimasuki oleh orang–orang tertentu, untuk akses data yang sifatnya rahasia dan terbatas misalnya perbankan dan juga berguna untuk melacak jejak kriminal. Sistem pengenalan pola sidik jari lebih sering digunakan karena tidak mudah dicuri atau digunakan oleh pengguna yang tidak berwenang.
Untuk membuat sistem pengenalan pola sidik jari secara umum ada beberapa tahap yang harus dilakukan yaitu : akuisisi data, preprocessing, ekstraksi ciri, klasifikasi. Sistem ini sudah banyak digunakan di Indonesia, sehingga banyak penelitian tentang pengenalan pola sidik jari yang dikembangkan terus–menerus dengan metode yang lebih sempurna [4,9,7]. Sistem pengenalan pola sidik jari pada [4] menggunakan jaringan syaraf tiruan dengan gabungan dua arsitektur Jaringan Windrow Hoff dan Jaringan Propagansi Balik sebagai klasifikasi sidik jari, kemudian ekstraksi cirinya menggunakan minutiae. Dalam analisisnya dengan menggabungkan arsitektur Jaringan Windrow Hoff dan Jaringan Propagansi Balik memberikan proses pembelajaran yang lebih cepat bila dibandingkan dengan hanya menggunakaan arsitektur jaringan propagansi balik.
Sistem pengenalan pola sidik jari pada [9] menggunakan transformasi wavelet sebagai ekstraksi ciri dan Learning Vector Quantizations digunakan untuk klasifikasi sidik jari. Sistem ini masih kurang baik dalam proses belajarnya membutuhkan waktu yang cukup panjang. Penggunakan algoritma Backpropagation (propagansi balik) dalam proses klasifikasi cederung lama sehingga perlu dicoba untuk menggunakan algoritma jaringan syaraf tiruan yang lain [7].
Dari ketiga penelitian tersebut diketahui bahwa, proses pembelajaran atau training cenderung lambat. Probabilistic Neural Network (PNN) dilihat dari cara pendekatannya merupakan metode pengklasifikasian pola yang menggunakan penggabungan secara statistik dan jaringan syaraf [18]. Pada penelitian ini PNN digunakan untuk mengenali sidik jari dimana diharapkan dapat menghasilkan pengenalan sidik jari yang baik.

1.2Perumusan Masalah
Permasalahan yang muncul dalam melakukan penelitian ini adalah bagaimana melakukan proses pengenalan sidik jari dengan metode Probabilistic Neural Network (PNN).

1.3Batasan Masalah
Batasan–batasan masalah yang dipakai dalam melakukan penelitian ini adalah sebagai berikut :
a.Pengenalan sidik jari hanya dilakukan untuk ibu jari tangan manusia.
b.Gambar sidik jari diambil dengan menggunakan scanner menghasilkan berupa data gambar, gambar sidik jari harus dalam kondisi yang baik dalam arti terdapat batas yang jelas diantara garis sidik jari.
c.Gambar yang dimasukan mempunyai ukuran 394 x 225 piksel.
d.Data sidik jari diperoleh dari 9 orang dimana terdiri dari 4 pria dan 5 wanita. Setiap orang memiliki masing-masing 40 sampel yaitu 20 ibu jari tangan kanan dan 20 ibu jari tangan kiri.
e.Tidak dilakukan rotasi gmbar.

1.4Tujuan dan Manfaat
Tujuan yang ingin dicapai dari penelitian ini adalah membangun prototipe perangkat lunak untuk mengenali sidik jari dengan menggunakan metode Probabilistic Neural Network (PNN).
Manfaat yang diperoleh dari penelitian ini adalah perangkat lunak yang dapat dipakai untuk mengenali sidik jari yang tingkat pengenalannya baik.

1.5Metode Penelitian
Dalam melakukan penelitian ini, ada beberapa tahap yang dilakukan yaitu :

a.Akuisisi Data
Proses akuisisi data merupakan proses pengambilan data gambar, baik itu untuk pelatihan (training) maupun proses pengujian (testing).
b.Analisis dan perancangan algoritma.
Melakukan analisis dari masalah yang ada dan merancang algoritma untuk pengenalan sidik jari.
c.Implementasi
Setelah merancang algoritma, kemudian melakukan impementasi program yang ada, baik itu untuk proses pembuatan pelatihan (training) maupun proses pengujian (testing).
d.Simulasi dan analisa hasil simulasi
Dari hasil implementasi dilanjutkan dengan proses simulasi yaitu pengenalan sidik jari, dimana sebelumnya diperlukan pelatihan (training) untuk sidik jari yang akan dikenali. Kemudian menganalisa hasil simulasi dan mengambil prosentase keberhasilan pengenalan sidik jari.

Gambar 1.1Diagram Alir Metode Penelitian
1.6Sistematika Penulisan
Sistematika penulisan dalam penelitian ini dijelaskan sebagai berikut :
BAB I Pendahuluan
Pada bab ini berisi latar belakang, perumusan masalah, batasan masalah, tujuan dan manfaat, metode penelitian, dan sistematika penulisan.
BAB II Tinjauan Pustaka
Pada bab ini berisi mengenai penelitian serupa yang sudah pernah dilakukan sebelumnya dan menjelaskan teori–teori yang dijadikan landasan dalam menyelesaikan penelitian ini. Teori yang digunakan dalam penelitian ini adalah teori pengolahan citra digital, citra skala keabuan (Grayscale), citra warna (True Color), transformasi fourier, discrete fourier transform (DFT), fast fourier transform (FFT), biometrik, sidik jari, jaringan syaraf, teori bayesian dan probabilistic neural network (PNN).
BAB III Perancangan Sistem
Pada bab ini berisi rincian tentang perancangan sistem yang dimulai dengan akuisisi data, preprocessing, ekstraksi ciri, klasifikasi dan perancangan antar muka.
BAB IV Hasil Percobaan Sistem Pengenalan Sidik Jari.
Pada bab ini berisi hasil percobaan sistem pengenalan sidik jari berdasarkan jumlah data dan mengecilkan ukuran gambar.
BAB V Penutup
Pada bab ini berisi kesimpulan dan saran yang dihasilkan dari penelitian ini.