Perpustakaan Digital ITB

Sidik jari merupakan suatu pola dari ridge. Setiap orang memiliki sidik jari yang unik. Keunikan tersebut membuat sidik jari dapat digunakan untuk mengenali identitas seseorang. Pengenalan sidik jari digunakan secara luas di berbagai bidang, terutama di bidang forensik dan keamanan. Sidik jari dapat dikenali berdasarkan minutiae. Minutiae memiliki letak, sudut dan jenis yang dibedakan menjadi truncation dan bifurcation. Pengolahan citra dilakukan saat ekstraksi minutiae. Pada proses identifikasi, sidik jari diklasifikasikan menjadi kelas tertentu sehingga dapat mengurangi waktu pencarian. Multilayer Artificial Neural Network (MLP ANN) digunakan untuk menentukan klasifikasi sidik jari. Penentuan struktur optimum MLP ANN pada tahap pembelajaran dilakukan dengan memvariasikan laju pembelajaran dan banyaknya unit pada hidden layer, juga dilakukan eksperimen dengan mengintegrasikan Particle Swarm Optimization (PSO) dengan MLP ANN. Konstruksi Märgner bin digunakan sebagai input MLP ANN. MLP ANN memberikan akurasi kurang dari 50% menggunakan FVC2002 pada tahap pembelajaran. Salah satu dugaan penyebabnya adalah tidak dilakukannya re-alignment pada gambar sidik jari. MLP ANN mengklasifikasikan sidik jari dalamwaktu kurang dari 0.1 detik. Pada proses verifikasi, sidik jari dimodelkan menjadi graf, dimana titik merepresentasikan minutiae dan garis adalah keterhubungan antar minutiae. Kecocokan sidik jari ditentukan dengan menyelesaikan permasalahan graf isomorfis menggunakan metode graduated assignment.