MUAS

A. Latar Belakang

Sidik jari merupakan pola kulit yang dimiliki oleh ujung-ujung jari manusia. Pada kenyataannya setiap orang memiliki sidik jari yang berbeda-beda sehingga sidik jari dapat digunakan sebagai alat untuk mengidentifikasi seseorang. Selain itu, sidik jari mempunyai sifat yaitu tidak berubah seumur hidup dan sangat sulit untuk ditiru.

Pengenalan sidik jari secara manual atau dengan kata lain menggunakan mata manusia akan sangat sulit mengingat keterbatasan kemampuan mata manusia serta struktur sidik jari yang sangat sulit untuk dibandingkan dengan struktur sidik jari lain. Penggunaan alat bantu berupa software akan sangat membantu pekerjaan manusia untuk mengidentifikasi suatu pola sidik jari, sehingga pengenalan sidik jari tidak lagi dilakukan secara manual.
 
B. Rumusan Masalah

Permasalahn yang diangkat pada penelitian ini dititik beratkan pada identifikasi sidik jari dengan metode Backpropagation.

C. Tujuan Penelitian

Penelitian ini bertujuan untuk melakukan identifikasi sidik jari menggunakan metode Backpropagation.

D. Tinjauan Pustaka

A. Jaringan Syaraf Tiruan

Jaringan syaraf tiruan merupakan algoritma klasifikasi yang meniru prinsip kerja dari jaringan syaraf manusia. Algoritma ini memetakan data masukan pada layer masukan menuju target pada layer keluaran melalui neuron-neuron pada layer tersembunyi.

Pada layer tersembunyi, data masukan yang telah dihubungkan dengan bobot tersebut kemudian diproses menggunakan fungsi aktivasi. Selanjutnya data hasil olahan dari layer tersembunyi dihubungkan oleh bobot-bobot tersembunyi menuju neuron pada layer keluaran.

Hasil yang diperoleh kemudian dibandingkan dengan data target sehingga diperoleh tingkat kesalahan (error). Apabila tingkat kesalahan yang diperoleh lebih kecil daripada tingkat kesalahan yang sebelumnya telah ditetapkan (target error), maka proses perambatan akan berhenti. Namun apabila tingkat kesalahan masih lebih besar daripada tingkat kesalahan tetapan maka dilakukan proses perambatan balik dengan melakukan pembaharuan bobot.

Jenis-jenis jaringan syaraf tiruan antara lain: perceptron, backpropagation/ propagasi balik, learning vector quantization, dsb.
Gambar berikut ini merupakan contoh arsitektur jaringan syaraf tiruan propagasi balik:

 B. Penelitian Sebelumnya

Berdasarkan hasil penilitian dari (Juheri, 2015) yaitu, jaringan syaraf tiruan dapat melakukan identifikasi dengan tingkat keakuratan 85%. Tingkat keakuratan tersebut dipengaruhi oleh basis data masukkan. Hal tersebut terjadi karena dengan bertambahnya basis data yang digunakan maka variasi ciri sidik jari semakin banyak sehingga menyebabkan ada beberapa ciri pada data tambahan yang masuk menyerupai ciri sidik jari yang lain. Hal ini bisa diatasi dengan menambah ketelitian dari jaringan yaitu menambah besar MSE yang dipakai. Dengan menambah ketelitian jaringan dapat meningkatkan kembali keakuratan jaringan dalam melakukan identifikasi. Namun hal ini juga menimbulkan permasalahan baru yaitu waktu pelatihan jaringan semakin besar. 

Sedangkan berdasarkan hasil penelitian dari (Dwiwijayanti, 2014), jaringan syaraf tiruan menggunakan backpropagation berbasis scaled conjugate gradient dapat mengenali pola sidik jari dengan baik. Hasil pelatihan menunjukkan hanya sidik jari sampel 5 dan 8 yang tidak dapat mengenali sidik jari. Hasil pengujian menunjukkan 91% data sidik mampu dikenali oleh sistem yang sudah dibangun. Sidik jari yang tidak dapat dikenali disebabkan oleh kondisi citra yang dijadikan input memiliki noise akibat jari dalam kondisi kering ataupun berminyak.

E. Metode Penelitian

Penelitian dilakukan dalam beberapa tahap yaitu: proses pengambilan data, proses pengolahan citra, proses pelatihan JST, dan proses pengujian. Proses pengambilan data hingga pada proses pelatihan jaringan sajikan pada gambar 3.

Proses pengolahan gambar sidik jari diawali dengan pengambilan sidik jari.  Gambar sidik jari diambil dengan menggunakan tinta stempel, lalu ditempelkan pada kertas yang memiliki permukaan rata dan tidak menyerap tinta stempel, agar gambar tidak terhambur.

Sebelum gambar diidentifikasi di dalam jaringan saraf tiruan, terlebih dahulu gambar harus melewati beberapa langkah pengolahan yang antara lain adalah seperti yang terlihat dalam gambar berikut

Penentuan derajat keabuan dilakukan dengan mengubah piksel-piksel gambar ke dalam bentuk numerik. Nilai dari derajat abuan itu sendiri berkisar antara 0 sampai 255.

Setelah menentukan derajat keabuan, gambar tersebut kemudian difilter untuk mendapatkan gambar yang lebih halus.

Gambar yang telah difilter kemudian dirubah ke dalam bentuk biner, untuk memperoleh citra hitam putih.

Proses Pengujian

Proses pengujian jaringan dilakukan dua tahap:

1. Tahap pertama menguji memori jaringan dengan menggunakan data pelatihan.

2. Tahap kedua menguji kemampuan generalisasi jaringan dengan beberapa data sidik jari yang lain dari sumber  yang sama.

Proses Perancangan 
Dalam perancangan sistem pengidentifikasian pola sidik jari dengan jaringan saraf tiruan, digunakan matlab 6.5 sebagai alat bantu komputasi. Proses perancangan ini dibagi dalam tiga tahap, sistem pemrosesan awal, sistem pelatihan jaringan, dan sistem pengujian.  
F. Kesimpulan

Dari model jaringan syaraf yang digunakan, jaringan syaraf tiruan tersebut dapat mengenali pola sidik jari dengn tingkat akurasi 100%.