Identifikasi sidik jari 2 by wahyu Nur alim yaning tias S.kom

1. Identifikasi Sidik Jari
PENGENALAN POLA

2. Pengenalan
• Identifikasi sidik jari (daktiloskopi) adalah ilmu
yang mempelajari sidik jari untuk keperluan
pengenalan kembali identitas orang dengan
cara mengamati garis yang terdapat pada
guratan garis jari tangan dan telapak kaki.
Fleksibilitas dari gelombang pada kulit berarti
tidak ada dua sidik jari atau telapak tangan yang
sama persis pada setiap detailnya.

3. Applikasi Penggunaan
• Key Lock
• Presensi Finger Print
• Lock System Mobile Phone, PC, dan Perangkat
Lainnya.
• ATM Access (sedang dipelajari)

4. Pola Dasar Sidik Jari
• Pola sidik jari selalu ada dalam setiap tangan
dan bersifat permanen. Ada empat pola dasar
Dermatoglyphic tentang sidik jari yang perlu
diketahui.
• 1. Whorl Pola
• 2. Arch Pola
• 3. Loop Pola
– a. Loop Umum (Common Loop)
– b. Loop Memusat (Radial Loop)
– c. Double Loop
• 4. Triradius Pola (Delta)

5. Pola Dasar Sidik Jari

6. Perancangan Sistem

7. Cara Kerja Finger Print
Image Capture Image Processing Templete Ecrypted Binery

8. Image Capture
• Pengambilan pola gambar pada sidik jari
dengan menggunakan sensor optikal (Charge
Couple Device) yang memiliki chip silikon yang
terbentuk dari ribuan bahkan jutaan dioda
fotosensitif yang disebut photosites,
photodelements, atau disebut juga piksel.

9. Image Processing
Menganalisa dan memperoses hasil image
capture agar dapat menyesuaikannya dengan
pola-pola pada sidik jari.

10. Templete
Menerjemahkan pola sidik jari yang telah
diperoses kedalam bentuk titik-titik minutiae yang
kemudian akan dicocokan pada minutiae-minutiae
yang telah terkumpul.

11. Ecrypted Binary
Proses mengubah titik-titik minutiae menjadi
sebuah bilangan biner dengan menggunakan
fungsi hash yang mengambil masukan panjang
variabel dan menggubahnya ke dalam urutan
biner dangan panjang yang tetap.

12. Algoritma Mencocokan Gambar
Image Preprocessing Pencocokan
Filtering Edge
Detection
Thresholding
Pola
•Neural Network
•Pattern
Recognition
•Fuzzi Logic

13. Image
• Image Adalah objek gambar yang akan kita
jadikan sampling dari sebuah algoritma
pencocokan gambar.

14. Prepocessing
• Prepocessing sendiri terdiri dari beberapa
bagian diantaranya
 filtering edge detection
 tressholding

15. Filtering Edge & Tressholding
• Filtering edge detection adalah suatu proses
yang menghasilkan tepi-tepi dari obyek-obyek
citra, tujuannya :
 Untuk menandai bagian yang menjadi detail citra
 atau adanya efek dari proses akuisisi citra
• Tressholding adalah metode sederhana gambar
segmentasi. Dari grayscale gambar,
thresholding dapat digunakan untuk membuat
gambar biner.

16. Pencocokan Pola
• Dalam pencocokan pola terbagi menjadi
beberapa point yaitu
 Neural network berupa suatu model sederhana dari suatu syaraf
nyata dalam otak manusia seperti suatu unit threshold yang
biner.
 Pattern sendiri adalah i pengenalan yang dimaksudkan untuk
sebuah inti dari objek pengenala pola
 Recognaition kalau pattern (pengenalan) maka
Recognaition(pola) itu sendiri yang menjadi bentuk dari sebuah
objeknya.
 Fuzzy logic ialah kecerdasan buatan dalam sebuah tekhnologi
komputer yang pola tingkah lakunya hampir menyerupai
manusia.