DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI

Abstract

Sidik jari memiliki dua fitur penting yang disebut fitur lokal (minutiae) dan fitur global (singularities). Fitur lokal terdiri dari bagian-bagian detail dari sidik jari, sedangkan fitur global terdiri alur (ridge), titik pusat (core), dan titik persimpangan (delta). Fitur lokal biasanya digunakan sebagai dasar pencocokan sidik jari, sedangkan fitur global biasanya dipakai untuk dasar klasifikasi. Klasifikasi berdasarkan keberadaan dan posisi core dan delta memerlukan proses komputasi yang rumit dan panjang. Pada penelitian ini sudut kemiringan alur diteliti, dengan harapan dapat dipakai sebagai dasar klasifikasi yang lebih sederhana dan lebih cepat proses komputasinya. Pertama, citra grayscale sidik jari dikonversi menjadi citra biner, kemudian dilakukan proses thinning dan selanjutnya dikonversi menjadi citra bipolar. Kedua, dibuat 12 definisi sudut potongan alur yang melewati blok berukuran 3x3 piksel. Nilai dari piksel-piksel pada ke 12 blok tersebut digunakan sebagai target pelatihan bagi Hamming Network. Dengan memproses setiap blok berukuran 3x3 piksel dari citra sidik jari dengan Hammning Network maka sudut kemiringan potongan alur pada blok tertentu dapat ditentukan. Penelitian ini menghasilkan klasifikasi dengan ketepatan 63% dari 80 sampel pola sidik jari.