MAKALAH BIOMETRIK
Disusun Oleh
WARNO
13090622
Jln. Yos Sudarso, Ruko Plasa
Cikarang Blok A4-A5, Cikarang Kota.
Kabupaten Bekasi. KdPos 17530
Kabupaten Bekasi. KdPos 17530
Dengan menyebut nama Allah SWT
yang Maha Pengasih lagi Maha Panyayang, kami panjatkan puja dan puji syukur
atas kehadirat-Nya, yang telah melimpahkan rahmat, hidayah, dan inayah-Nya
kepada kami, sehingga kami dapat menyelesaikan makalah ilmiah biologi tentang
biometrik
Adapun makalah Aplikasi teknologi
online tentang biometrik ini telah kami usahakan semaksimal mungkin dan
tentunya dengan bantuan berbagai pihak, sehingga dapat memperlancar pembuatan
makalah ini. Untuk itu kami tidak lupa menyampaikan bayak terima kasih kepada
semua pihak yang telah membantu kami dalam pembuatan makalah ini.
Namun tidak lepas dari semua itu,
kami menyadar sepenuhnya bahwa ada kekurangan baik dari segi penyusun bahasanya
maupun segi lainnya. Oleh karena itu dengan lapang dada dan tangan terbuka kami
membuka selebar-lebarnya bagi pembaca yang ingin memberi saran dan kritik
kepada kami sehingga kami dapat memperbaiki makalah biometrik ini.
Akhirnya penyusun mengharapkan semoga dari makalah
Aplikasi Teknologi Online tentang biometrik ini dapat diambil hikmah dan
manfaatnya sehingga dapat memberikan inpirasi terhadap pembaca.
Cikarang, 18 0ktober 2013
W A R N O
DAFTAR
ISI
KATA
PENGANTAR………………………………………………………………….. ……… 1
DAFTAR
ISI……………………………………………………………………………………. 2
BAB
1
PENDAHULUAN………………………………………………………………………………..4
1.1 Latar Belakang……………………………………………………………………..4
1.2 Rumusan Masalah………………………………………………………………….
5
1.3
Tujuan Penelitian……………………………………………………………………5
1.4 Batasan Masalah……………………………………………………………………
5
1.5MetodePenelitian……………………………………………………………………
5
BAB II
PENGERTIAN BIOMETRIK………………………………………………………………. 7
BAB
III
PEMBAHASAN………………………………………………………………………………….
8
1.1
Mekanisme system identifikasi
biometric wajah…………………..…………..8
1.2
FACIAL
FEATURE DETECTION…………………………………………….. 9
1.3
GAMBAR…………………………………………………………….…………. 10
2.1 Biometrik retina
scan………………………………………………………….. 12
2.2 Prinsif kerja retina
scan………………………………………………………...13
2.3 Penggunaan retina scan
………………………………………………………. 15
3.1 Biometrik sidik jari
…………………………………………………………… 16
3.2 Kelebihan otentikasi dengan sidik jari
……………………………………… 18
3.3 Identifikasi sidik jari
………………………………………………………….. 18
3.4 Permukaan sidik jari………………………………………………………….. 18
4.1 Biometrik suara……………………………………………………………….. 21
4.2 Voice recognition……………………………………………………………... 22
4.3 Hardware yang di
butuhkan………………………………………………… 23
4.4 Software pendukung………………………………………………………….. 23
4.5 Type Voice
recognition………………………………………………………. 23
4.6 Prinsip kerja…………………………………………………………………... 24
4.7 Bagian kerja……………………………………………………………….. ….
24
4.8 Implementasi voice
recognition………………………………………………..24
4.9 Future voice
recognition……………………………………………………….25
5.1 image
fingerfrint scanning, retina scnning…………………………………….25
BAB
IV KESIMPULAN……………………………………………………….
……… 24
1.1
Kelebihan…………………………………………………………………….. 24
1.2
Kelemahan…………………………………………………………………… 25
BAB
V PENUTUP……………………………………………………………………. 25
DAFTAR
PUSTAKA………………………………………………………………………… 26
BAB
I
PENDAHULUAN
Biometrik banyak dikembangkan di berbagai negara
pada beberapa tahun belakangan
ini.
Tugas akhir ini membahas tentang salah satu jenis biometrik yaitu pengenalan
wajah.
Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, tujuan
penelitian,
pembatasan masalah, metoda penelitian dan sistematika penulisan tugas akhir
ini.
1.1
Latar Belakang
Biometrik adalah sebuah sistem yang dapat mengenali
individu dengan memanfaatkan
karakteristik
fisiologis dan perilaku dari individu tersebut. Sistem pengenalan wajah
merupakan
salah satu jenis biometrik yang banyak dikembangkan. Sistem pengenalan
wajah
termasuk jenis biometrik pasif dimana pengguna tidak perlu aktif dalam proses
pengukuran.
Sistem pengenalan wajah memiliki tingkat penerimaan yang tinggi dalam
masyarakat.
Pengenalan wajah merupakan salah satu bentuk
pengenalan pola dengan menggunakan wajah sebagai inputnya. Pengenalan wajah
mulai dikembangkan sejak tahun denganberbagai metoda tahun 1960.
Sistem ini
bertujuan untuk mengembangkan proses
pengenalan
individu yang dapat dipercaya. Hal ini disebabkan banyaknya gangguan
terhadap
penggunaan password maupun PIN, sehingga masyarakat membutuhkan
sebuah
mekanisme pengenalan individu yang dapat diterima dan bersahabat.
Sistem
pengenalan wajah bertujuan mengenali apakah citra yang diambil merupakan
wajah
seseorang yang terdapat dalam database. Sistem ini terdiri dari bagian
pengolahan citra, deteksi wajah, ekstraksi fitur dan klasifikasi. Sistem
pengenalan wajah banyak dipakai dalam bidang keamanan misalnya surveillance,
identifikasi tersangka dan sistem akses di bandara. Hal ini banyak dikembangkan
seiring meningkatnya
kewaspadaan
dunia terhadap teror dan gangguan keamanan setelah peristiwa peledakan WTC.
Pengenalan wajah juga dapat digunakan dalam
interaksi antara manusia dan komputer. Dimasa mendatang mungkin akan
dikembangkan aplikasi hubungan manusia–computer dalam mobil, bangunan dsb. Hal
ini ditunjang dengan berkembangnya teknologi yang mendukung misalnya
perkembangan kamera digital. Di masa datang dibutuhkan sebuah sistem pengenalan
wajah yang tangguh. Hal ini merupakan tantangan yang cukup berat mengingat
pengenalan wajah merupakan sistem yang kompleks melibatkan pengolahan citra,
statistik dan machine learning.
1.2
Rumusan Masalah
Tugas
akhir ini lebih menekankan pada perancangan sistem pengenalan wajah
dengan
metoda Fisherface dan klasifikasi jaringan syaraf tiruan (JST) yang dapat
mengenali
wajah individu dalam database. Citra wajah yang akan dikenali merupakan
keluaran
dari sistem pengolahan citra dan deteksi wajah yang dikembangkan rekan
penulis[
1].
Adapun masalah yang dihadapi adalah:
• Kemampuan mengambil
suatu fitur wajah dari sejumlah citra yang akan
dijadikan
sebagai database dan juga citra uji menggunakan metoda Fisherface.
• Kemampuan membangun
sebuah pemilah (classifier) berbasis JST dari database
dan
mengenali citra.
1.3
Tujuan Penelitian
Tujuan
dari tugas akhir ini adalah mengembangkan suatu sistem pengenalan
wajah
yang tangguh terhadap variasi pose. Citra yang digunakan merupakan output dari
sistem
pengolahan citra dan deteksi wajah. Sistem pengenalan wajah yang
dikembangkan
adalah metoda Fisherface yang merupakan pengembangan dari PCA
(Principal
Component Analysis) dan FLD (Fisher Liner Discrminant).
1.4
Batasan Masalah
Batasan
masalah untuk tugas akhir ini adalah:
1.
Citra yang diolah berupa citra yang mengandung wajah hasil pengolahan sistem
pengolahan
citra dan deteksi wajah[1].
2.
Sistem pengenalan wajah mengenali citra dengan perbedaan pose dan ekspresi
sederhana.
3.
Tugas akhir ini menggunakan software MATLAB 7.0 sebagai platform
utamanya.
1.5
Metoda Penelitian
Metodologi
penelitian yang dipakai dalam mengerjakan tugas akhir ini adalah: studi
literatur,
perancangan sistem, simulasi sistem kemudian dilanjutkan dengan analisis, dan
terakhir
adalah mengambil kesimpulan dan memberikan saran untuk pengembangan
selanjutnya.
Studi
literatur dilakukan dengan mempelajari makalah-makalah, buku acuan, laporan
tugas
akhir dan disertasi, sumber-sumber dari internet, maupun bahan referensi lain
yang
terkait
dengan sistem pengenalan wajah. Dari studi ini dipelajari konsep tentang sistem
pengenalan
wajah.
Langkah
berikutnya adalah perancangan sistem perangkat lunak secara umum dari
proses
ekstraksi fitur dan juga pemilah (classifier). Perancangan dilakukan
dengan
memperhatikan
kinerja sistem secara keseluruhan yaitu pengolahan citra dan
pengenalan.
Setelah itu sistem modul pengenalan di implementasikan sesuai dengan
arsitektur
sistem secara keseluruhan dan perangkat keras pendukung.
Pada
tahap pengujian dan analisis dilakukan pengujian terhadap hasil dari proses
sistem
pengenalan.
Pengujian dan analisis dilakukan terhadap hasil dari keseluruhan sistem dari
pengolahan
hingga deteksi wajah untuk melihat kinerja akhir dari sistem secara
keseluruhan.
Pada
bagian terakhir adalah kesimpulan dari sistem yang telah yang dirancang dan
saran
untuk
pengembangan berikutnya. Dengan melakukan penarikan kesimpulan dan
pemberian
saran-saran diharapkan untuk selanjutnya sistem ini dapat dikembangkan lagi
agar
menjadi sistem yang lebih tangguh.
BAB II
PENGERTIAN BIOMETRIK
Biometriks Authentification dalam
security adalah hal yang sangat penting untuk menjaga keamanan data, namun
sudah banyak teknologi yang diterapkan untuk mejaga keautentikan tersebut, akan
tetapi hal itu banyak kendala dalam penerapanya dan masih kurang memberikan
perlindungan yang aman. Teknologi biometrik menawarkan autentikasi secara
biologis memungkinkan sistem dapat mengenali penggunanya lebih tepat.
Terdapat
beberapa metode diantaranya: fingerprint scanning, retina scanning,
dan DNA scanning. Dua metode terakhir masih dalam taraf penelitian,
sedangkan fingerprint scanning saat ini telah digunakan secara
luas dan digunakan bersama-sama dengan smartcard dalam proses autentikasi.
Biometriks
secara teoritis dapat lebih efektif untuk mengindentifikasi pribadi seseorang
karena biomatriks mengukur karakteristik masing-masing pribadi untuk membedakan
setiap orang. Tidak seperti dengan metoda indentifikasi konvensional yang menggunakan
sesuatu yang anda punyai, misalnya kartu indentitas untuk akses masuk ke suatu
bangunan, atau suatu yang anda ketahui, seperti password untuk logon ke system
komputer dan lain-lain. Ketika digunakan untuk indentifikasi pribadi, teknologi
biometriks mengukur dan menganalisa karakteristik tingkah laku dan fisiologis
manusia. Mengindentifikasi karakteristik fisiologis seseorang yang didasarkan
pada pengukuran langsung bagian dari body–fingertips, hand geometry,
facial geometry dan eye retinas serta irises.
BAB III
PEMBAHASAN
Dalam
perkembangan teknologi global, identifikasi merupakan bagian penting dalam terjaminnya
kerahasiaan personal/data. Tahap kerahasiaan ini akan terjamin dengan
memanfaatkan identifikasi wajah dalam pengaksesan dan pelayanannya. Makalah ini
membahas proses identifikasi wajah.
1.1 MEKANISME SISTEM IDENTIFIKASI
BIOMETRIK WAJAH
Dalam tahap identifikasi biometrik dapat mengidentifikasi
individu-individu berdasarkan perbedaan lingkup karakteristik behaviour/psikologi (biometric identifier). Hal ini dimungkinkan bahwa karakteristik psikologi/behaviour setiap manusia
berbeda-beda. Selain itu identifier
biometrik dianggap lebih reliable dibandingkan berdasarkan pemasukan token
dan pengenalan knowledge.
Mekanisme sistem biometrik dapat digambarkan dengan
beberapa fase :
·
Fase Penggolongan (enrollment).
Pada fase ini masukan akan di pindai (scan) oleh
sensor biometrik, yang merupakan representasi karakteristik digital.
·
Fase Pencocokan.
Dalam fase ini inputan database akan dicocokkan
dengan identifikasi data. Dapat dimungkinkan adanya reduksi, sehingga
dihasilkan representasi digital. Hasil ini akan diproses dengan ekstraktor ciri
untuk menghasilkan suatu representasi yang ekspresif dalam bentuk template.
Bergantung aplikasinya template dapat disimpan dalam database di sistem
biometrik atau dapat direkam pada kartu magnetik (atau smartcard).
·
Fase Pengenalan.
Karakteristik individu dibaca oleh pembaca biometrik
(reader). Selanjutnya dikonversi dengan format digital, untuk diproses sebagai
ekstraktor ciri (template). Hasil template ini selanjutnya dicocokkan dengan
identifikasi individu. Lihat gambar 1.
Sistem biometrik belumlah sempurna, karena suatu
saat masih dapat melakukan kesalahan dengan menerima impostor sebagai invidu yang
juga valid (terjadi kesalahan pencocokan), sebaliknya terjadi penolakan
terhadap individu yang valid (terjadi kesalahan ketidakcocokan). Untuk menjamin
terhindarnya kesalahan seperti itu, sesuai referensi memadukan ciri biometrik
wajah dengan ucapan, serta dari referensi memadukan biometrik wajah dengan ciri
tanda-tangan. Selain itu dalam penerapannya ukuran database template sangatlah besar,
bahkan dalam database perbankan pusat pernah terjadi bottleneck saat proses
identifikasi.
Sistem biometrik yang ideal, diharapkan mempunyai karakteristik
sebagai berikut:
·
Aspek universal, artinya ciri ini dapat berlaku secara umum (bahwa setiap
manusia mempunyai karakteristik).
·
Aspek unik (tidak ada dua manusia yang
mempunyai karakteristik yang sama),
·
Ketiga haruslah bersifat permanen (karaktristik
personal yang tidak berubah-ubah) dan terakhir dapat dihimpun (collectable),
karakteristik ini mudah disajikan oleh sensor dan mudah dikuantisasikan dan
dikuantifikasikan.
Selain
beberapa hal yang harus diperhatikan dari mekanisme ini adalah masalah kinerja
(dalam mekanisme ini akurasi sistem, kecepatan, kehandalan) perlu
mempertimbangkan adanya resource, faktor-faktor operasional dan pengembangan,
dsb. Hal ini akan berpotensi sebagai kendala teknis. Selain itu adalah akseptabilitas
(daya terima pengguna) akan mendorong keyakinan user terhadap akurasi dan
kecepatan. Serta aspek circumvention
yaitu aspek kemudahan sistem yang tidak bergantung alat, mekanisme operasional,
dsb.
·
Face Recognition
Sistem Face Recognition adalah sebuah solusi identifikasi wajah dan
pengenalan wajah. Sistem ini dapat diterapkan baik dalam lingkungan web maupun
dalam aplikasi desktop yang menggunakan wajah sebagai autentikasinya atau
pengenalan dan identifikasi wajah otomatis. Dapat berjalan dalam lingkungan 32
bit maupun 64 bit, dapat dengan mudah diintegrasikan atau dirubah sesuai dengan
kebutuhan, yang dapat memberikan keleluasaan dalam implementasi dan integrasi
dengan software yang telah ada sebelumnya. System ini dapat bekerja dengan wajah
secara keseluruhan maupun dengan fitur wajah, mampu mengenali wajah dalam
gambar atau photo dan real-time video stream, juga dapat digunakan untuk
pembuatan aplikasi yang lebih luas, dari yang paling sederhana, penghilangan
efek red-eye sampai dengan solusi login biometrik. Penerapannya
bisa berupa :
-
Real-time biometric authentication system (sistem
autentikasi biometrik secara realtime), yang dapat digunakan untuk login oleh
user hanya dengan melihat ke arah webcam. Sistem ini menghilangkan autentikasi
sentuhan dan non-intrusive biometric.
-
Tool penghilang red-eye otomatis yang dioptimasi
dengan pengenalan fitur wajah.
-
Efek animasi wajah untuk industri entertainment.
-
Aplikasi image enahancement dan editor grafis.
-
Sistem otomatisasi grafis.
-
Penampil gambar, enhacers, dan pengorganisasian dengan
pencarian berdasarkan wajah.
-
Aplikasi untuk kamera digital, scanner, dan webcam.
-
Tool dan plugin untuk gambar dan video effect.
1.2 FACIAL
FEATURE DETECTION
Sistem ini menggunakan dan
menerapkan algoritma yang mutakhir untuk melakukan pendeteksian fitur wajah
secara reliabel. Memproses gambar, mendeteksi wajah manusia yang ada di dalam
gambar, dan kemudian memberikan koordinat dari 66 titik fitur wajah, termasuk
mata, bentuk mata, alis, bentuk mulut, ujung hidung dan lain sebagainya.
Authentification
- Foto wajah disimpan dalam database komputer.
- Komputer mengiris-iris foto itu menjadi kotak-kotak kecil.
- Detail titik-titik di dalam setiap irisan diolah dengan metode
algoritma menjadi data matematis.
- Sistem analisis membedakan garis, pori-pori, dan tekstur wajah yang
aktual, hingga dapat membedakan kembar identik sekalipun.
- Data disimpan untuk dikonfirmasi dengan input data yang ingin
dicocokkan.
2.1 BIOMETRIK RETINA SCAN
Retina
Scan merupakan salah satu teknologi biometric yang bekerja pada belakang
selaput mata (selaput jala). Retina Scan sampai sekarang penggunaannya masih
sangat jarang, mungkin dikarenakan biaya yang sangat tinggi dan kebanyakan
orang berpendapat, dengan menggunakannyan teknologi ini bisa menimbulkan
gangguan pada mata. Memang diakui semua teknologi tidak ada yang sempurna tidak
melainkan teknologi Retina Scan, akan tetapi dengan menggunakan teknologi ini
identitas pemakai akan sangat sulit untuk diduplikatkan. Bukan hanya itu saja
teknologi tersebut bisa sangat akurat dalam mengverifikasikan bahwa si pengguna
telah menunjukkan identitasnya. Selain itu alat ini tidak seperti kartu
identitas yang bisa dicuri bahkan dihilangkan.
Retina scan ini dioperasikan melalui alat digital yang mampu mengditeksi dengan cepat dan melalui inframerah atau cahaya (sinar) maka alat tersebut dengan otomatis akan memunculkan identitas ataupu biodata si pengguna. Beda dengan teknologi biometri lainnya. Teknologi ini bekerja dengan selaput mata belakang dan lewat sel saraf mata alat pengditeksi akan mengetahui si pengguna retina scan tapi biasanya membutuhkan waktu sekitar 10–15 detik untuk mrngecek saraf saraf yang sudah dipasangkan retina scan. Teknologi ini sudah digunakan di USA di bagian militer mulai tahun 1984. Mereka menggunakan alat ini untuk menjaga akses keamanan mereka dari teroris dan pengganggu lainnya. Seperti di bagian militer mereka juga menerapkan teknologi ini dibagian CIA, FBI, NASA, bahkan juru masak dipenjara federal yang berada dipinggiran kota Texas. Mereka memanfaatkan alat ini guna untuk mejaga keamanan mereka.
Retina scan ini dioperasikan melalui alat digital yang mampu mengditeksi dengan cepat dan melalui inframerah atau cahaya (sinar) maka alat tersebut dengan otomatis akan memunculkan identitas ataupu biodata si pengguna. Beda dengan teknologi biometri lainnya. Teknologi ini bekerja dengan selaput mata belakang dan lewat sel saraf mata alat pengditeksi akan mengetahui si pengguna retina scan tapi biasanya membutuhkan waktu sekitar 10–15 detik untuk mrngecek saraf saraf yang sudah dipasangkan retina scan. Teknologi ini sudah digunakan di USA di bagian militer mulai tahun 1984. Mereka menggunakan alat ini untuk menjaga akses keamanan mereka dari teroris dan pengganggu lainnya. Seperti di bagian militer mereka juga menerapkan teknologi ini dibagian CIA, FBI, NASA, bahkan juru masak dipenjara federal yang berada dipinggiran kota Texas. Mereka memanfaatkan alat ini guna untuk mejaga keamanan mereka.
State Machine model adalah kumpulan dari Retina Scan, yang disebut state, dan sebuah transisi yang spesifik yang diijinkan untuk melakukan modifikasi terhadap object dari satu state ke state berikutnya. State machine sering dipakai untuk real-life entities ketika state yang spesifik dan transisinya ada dan dimengerti. Ketika sebuah subject meminta untuk membaca sebuah object, harus ada sebuah transisi yang mengijinkanuntuk merubah sebuah object yang closed menjadi open object. menunjukan diagram dari state machine yang sederhana. State direpresentasikan oleh lingkaran, dan transisinya direpresentasikan oleh anak panah.
2.2 Prinsip Kerja Retina Scan
Cara kerja dari retina sendiri cukup sederhana yaitu ketika si pengguna menggunakan alatnya maka sinar inframerah yang berada pada digital pengditeksi langsung secara otomatis mengditeksi sel saraf yang berada pada selaput mata belakang dan biasanya berlangsung 10 – 15 detik.
Dari gambar di samping kita bisa
melihat cara kerja dari retina scan dengan sensor dari inframerah yang melewati
atau memaparkan cahayanya ke saraf retina dan secara otomatis alatnya akan
mengantarkan ke tersebut bahwa si pengguna telah menunjukkan identitasnya.
Seperti yang sudah dijelaskan diatas kalau setiap teknologi tidak ada yang
sempurna. Sama halnya dengan alat sensor untuk retina scan, alat ini tidak bisa
mengenal atau mengdeteksi 100% pemakainya mungkin disebabkan adanya gangguan
pada saraf selaput mata. Dan di sisi lain alat ini bisa mengenalinya namun
dengan pemakai yang salah.
Semakin banyak informasi, atau faktor, yang diminta dari subjek, semakin menjamin bahwa subjek adalah benar-benar entitas yang diklaimnya. Oleh karenanya, otetikasi dua faktor lebih aman dari otentikasi faktor tunggal. Masalah yang timbul adalah bila subjek ingin mengakses beberapa sumber daya pada sistem yang berbeda, subjek tersebut mungkin diminta untuk memberikan informasi identifikasi dan otentikasi pada masing masing sistem yang berbeda. Hal semacam ini dengan cepat menjadi sesuatu yang membosankan.
Sistem Single Sign-On (SSO) menghindari login ganda dengan cara mengidentifikasi subjek secara ketat dan memperkenankan informasi otentikasi untuk digunakan dalam sistem atau kelompok sistem yang terpercaya. User lebih menyukai SSO, namun administrator memiliki banyak tugas tambahan yang harus dilakukan. Perlu perhatian ekstra untuk menjamin bukti-bukti otentikasi tidak tidak tersebar dan tidakdisadap ketika melintasi jaringan. Beberapa sistem SSO yang baik kini telah digunakan. Tidak penting untuk memahami setiap sistem SSO secara detail. Konsep-konsep penting dan kesulitan-kesulitannya cukup umum bagi semua produk SSO.
2.3 Penggunaan Retina Scan
Si pengguna memusatkan mata pada satu titik sampai ada cahaya inframerah yang memaparkan cahayanya ke mata si pengguna dan secara otomatis akan mengverifikasikan identitas si pengguna. Adapun langkah–langkah spesifiknya:
Subjek akan melakukan permintaan
akses ke suatu objek kemudian objek akan mengirimkan ID kepada subjek sesuai
permintaan si subjek
Memanggil AS ( Authentication
Service ) untuk melakukan otentikasi terhadap subjek
Kemudian subjek mengirim permintaan
akses bersama ID lengkapnya ke objek
Dan jika ke dua sisi sudah
bersesuaian maka akses dikabulkan
Biasanya ini dilakukan 2 – 3 dalam satu minggu karena selain dari tuntutan juga untuk menjaga kestabilan mata. Pemilik retina scan ditugaskan untuk memelihara mata mereka demi melaksanakan kebijakan keamanan sesuai dengan procedure yang telah disepakati oleh pemilik retina scan. Pemilik retina scan sering kali melupakan bahwa dia harus manjaga selaput matanya jika tidak bias menimbulkan problem yang fatal.
Pemilik data memikul tanggung jawab terbesar terhadap proteksi retina scan. Pemilik data umumnya adalah anggota manajemen dan berperan sebagai wakil dari organisasi dalam tugas ini. Ia adalah pemilik yang menentukan tingkat klasifikasi retina scan dan mendelegasikan tanggung jawab pemeliharaan sehari-hari kepada pemelihara data. Jika terdapat pelanggaran keamanan, maka pemilik data-lah yang memikul beban berat dari setiap masalah kelalaian. Berikut gambar dibawah merupakan salah contoh ini cara penggunaan dari retina scan
Ketika Anda melihat ke dalam sebuah
pemindai iris, baik kamera fokus otomatis atau Anda menggunakan cermin atau
umpan balik terdengar dari sistem untuk memastikan bahwa Anda diposisikan
dengan benar. Biasanya, mata Anda adalah 3 sampai 10 inci dari kamera. Ketika
kamera mengambil gambar, komputer memetakan :
Ø
Bagian tengah pupil
Ø
Bagian tepi pupil
Ø
Bagian tepi iris
Ø
Kelopak mata dan bulu mata
3.1 Biometrik Sidik Jari
Sejak awal
peradaban, pengenalan identitas sesama manusia telah menjadi benang merah dalam
struktur masyarakat. Sampai abad ke-20, pengenalan identitas diri ini secara
manual dilakukan dalam komunitas kecil di antara teman dan kenalan yang
didasarkan pada penampilan visual seperti wajah, gaya rambut, tipe tubuh, gaya
berjalan, dan suara.
Dengan
kemajuan teknologi komunikasi dan transportasi, manusia menjadi saling terkait
untuk membentuk sebuah komunitas global yang jauh lebih besar. Sering kali,
transaksi bisnis tidak lagi dilakukan secara pribadi dengan jabat tangan atau
tanda tangan di atas kertas. Melaksanakan kegiatan usaha dari lokasi terpencil
telah menjadi norma. Akibatnya, hal itu menjadi kebutuhan untuk melakukan
pengakuan pribadi yang dapat diandalkan dan sering kali dilaksanakan pada
lokasi yang berbeda dan melalui sarana otomatis.
Pengganti
representasi identitas seseorang seperti password (lazim digunakan untuk
kontrol akses elektronik) dan tanda-tanda visual (lazim digunakan untuk kontrol
akses fisik) menyediakan otentikasi tingkat keamanan yang rendah dan pemberian
wewenang yang tidak kuat dalam menghubungkan pengguna dengan identitas digital
mereka.
Biometrics mengacu pada identifikasi
otomatis yang didasarkan pada anatomi khas mereka (sidik jari, wajah, iris,
geometri tangan) dan karakteristik perilaku (tanda tangan, suara). Karena
identifikasi biometrik tidak dapat dialih fungsikan atau berpindah tangan, dan
secara intrinsik mewakili identitas tubuh seseorang, biometrik dengan cepat
menjadi komponen penting untuk solusi identifikasi yang efektif. Penggunaan
biometrics dapat mengurangi penipuan, dan meningkatkan kenyamanan pengguna.
Di antara berbagai macam biometrik,
sidik jari memiliki keseimbangan kualitas yang tepat, termasuk kekhasan,
keawetan, akurasi, ukuran dan biaya, kematangan teknologi dan kemudahan
penggunaan, sehingga teknologi biometrik dengan sidik jari menjadi dominan
dalam aplikasi komersial.
3.2 Kelebihan Otentikasi dengan
Sidik Jari
Solusi otentikasi dengan sidik jari
menawarkan banyak kelebihan, seperti:
- Keunikan sidik jari – Sidik jari dari masing-masing satu dari sepuluh jari manusia adalah unik, berbeda dari satu sama lain dan dari orang-orang lain. Bahkan saudara kembar memiliki sidik jari yang berbeda.
- Memberikan kenyamanan – User tidak lagi harus mengingat password yang banyak, panjang dan rumit, dan sering kali berubah.
- Tingkat keamanan yang relaitif sama untuk semua user dalam suatu sistem – Satu account tidak mudah diterobos. Situasinya berbeda saat menggunakan identifikasi jenis yang lain (password yang mudah ditebak atau melalui penipuan).
- Memastikan pengguna hadir pada saat melakukan identifikasi dan nantinya tidak dapat menyangkal telah memiliki hak akses ke dalam sistem.
- Tidak dapat dialih fungsikan ke lain orang, hilang, dicuri, digandakan, didistribusikan atau lupa tidak seperti password, PIN, dan RFID. Sidik jari benar-benar mengaitkan identitas fisik manusia sehingga sulit bagi seseorang untuk memalsukannya.
- Sejarah yang terbilang berhasil dalam tugas identifikasi. Sidik jari telah digunakan dalam forensik selama lebih dari satu abad dan ada study ilmiah yang substansial dan data dalam dunia nyata $\
- mendukung keawetan dan keunikan sidik jari.
3.3 Identifikasi Sidik Jari
Sidik jari
sangat kompleks. Mendefinisikan karakteristik yang digunakan, kebanyakan
dikembangkan oleh lembaga penegak hukum untuk “membaca” dan mengklasifikasikan
sidik jari. Meskipun perusahaan-perusahaan produsen alat sidik jari tidak
menyimpan gambar sidik jari dan tidak menggunakan proses manual yang sama untuk
menganalisis data sidik jari, kebanyakan metodologi yang sama dibangun selama bertahun-tahun
oleh penegakan hukum dan digunakan untuk algoritma digital.
Sistem biometrik mengotentikasi user
dengan membandingkan tinggi rendahnya permukaan dan pola pada jari. Untuk
mengatasinya lebih lanjut, perangkat lunak mencari perbedaan dalam area ini.
3.4 Permukaan Sidik Jari
Kulit pada
bagian permukaan tangan, jari, kaki, dan jari kaki adalah “bergerigi” atau
ditutupi dengan pola konsentris yang menaik. Permukaan yang bergerigi ini
disebut gesekan bergerigi dan memberikan gesekan membuatnya lebih mudah untuk
memahami dan memegang benda-benda dan permukaan tanpa slip. Ini adalah
perbedaan dalam cara gesekan gerigi terpola, rusak, dan bercabang yang membuat
daerah kulit bergerigi, termasuk sidik jari, menjadi berbeda.
Apakah Sidik jari benar-benar berbeda
dan tahan lama?
Mendasari semua metode pengenalan
sidik jari menegaskan bahwa tidak ada dua sidik jari yang sama. Kepercayaan
pernyataan ini didasarkan pada dua prinsip dasar berikut:
• Teoritis
Semua orang tahu berapa banyak
informasi yang terdapat dalam satu sidik jari dan semua orang juga dapat
menciptakan model statistik di sekitar ini.
• Kenyataan
File yang dimiliki F.B.I. sendiri
berisi lebih dari 200 juta sidik jari. Dalam semua data yang telah dikumpulkan
selama seratus tahun, dengan menggunakan metodologi klasifikasi ditemukan
kenyataan bahwa tidak pernah ada dua sidik jari yang identik.
Keunikan sidik jari jelas sekali
sudah diakui. Keakuratan biologis yang mendasari sidik jari juga merupakan
fakta sidik jari yang dilaporkan dalam berbagai studi yang dilakukan dibidang
ilmiah yang berbeda selama abad yang lalu. Namun, ada beberapa faktor yang
mempengaruhi keakuratan sidik jari yang berkaitan dengan sistem pengenalan
sidik jari terotomatisasi:
- Alat identifikasi sidik jari bekerja pada gambar sidik jari. Gambar tersebut diperoleh dari interaksi jari dengan pembaca sidik jari. Kualitas gambar sidik jari secara langsung dipengaruhi oleh mekanisme yang digunakan untuk mengumpulkan data-data gambar. Sekalipun sidik jari yang dibuat dengan tinta di atas kertas; tingkat tekanan, jumlah tinta dan faktor-faktor lain yang tidak ada hubungannya dengan sidik jari itu sendiri, masih bisa mempengaruhi informasi yang dikumpulkan. Hal yang sama berlaku juga bagi mekanisme pengumpulan informasi secara elektronik. Sebagai contoh, pembaca sidik jari mungkin kotor dan akibatnya gambar sidik jari yang diperoleh mungkin memiliki artefak yang berkontribusi terhadap penurunan keakuratan hasil pembacaan.
- Karakteristik biologis yang mendasari sidik jari tidak berubah sepanjang hidup seseorang. Namun, kondisi kulit dapat berubah dari waktu ke waktu bergantung pada cuaca, pekerjaan, gaya hidup, jenis kelamin, ras dan aktifitas individu.
Sekalipun demikian, sidik jari
merupakan identifikasi biometrik yang dapat diandalkan. Sementara pencocokan
sidik jari tidak sempurna, pada mesin pembaca sidik jari tertentu dapat
mengatasi tugas kritis ini dengan akurasi yang tinggi,
cepat dan dapat diandalkan. Kinerja
algoritma pencocokan sidik jari yang dilakukan oleh alat sidik jari selebihnya
ditentukan oleh dua atribut:
- False Acceptance Rate (FAR): Adalah propabilitas identitas sidik jari seseorang diterima oleh sistem.
- False Rejection Rate (FRR): Adalah probabilitas identitas sidik jari seseorang ditolak oleh sistem.
4.1 Biometrik suara
Metode
ini menangkap suara dari speaker menurut sifat-sifat bahasa. Penggunaan
utamanya adalah aplikasi keamanan berbasis telepon. Keakurasiannya dapat
dipengaruhi oleh hal-hal berikut seperti suara gaduh dan pengaruh-pengaruh dari
penyakit atau kelelahan pada suara. Satu masalah nyata dengan pengenalan suara
adalah sistem dapat dikelabui oleh suara tape dari suara seseorang.
Untuk
alasan ini sistem suara lanjutan harus mampu memperluas atau memperpanjang
proses verifikasi dengan memberikan perkataan-perkataan yang lebih sulit dan
panjang, membacanya dengan keras atau meminta sebuah perkataan yang berbeda
yang dibaca setiap waktu.
Bunyi
atau suara adalah kompresi mekanikal atau gelombang longitudinal yang merambat
melalui medium. Medium atau zat perantara ini dapat berupa zat cair, padat,
gas. Jadi, gelombang bunyi dapat merambat misalnya di dalam air, batu bara,
atau udara. Kebanyakan suara adalah merupakan gabungan berbagai sinyal, tetapi
suara murni secara teoritis dapat dijelaskan dengan kecepatan osilasi atau
frekuensi yang diukur dalam Hertz (Hz) dan amplitude atau kenyaringan bunyi
dengan pengukuran dalam desibel.
Manusia
mendengar bunyi saat gelombang bunyi, yaitu getaran di udara atau medium lain,
sampai ke gendang telinga manusia. Batas frekuensi bunyi yang dapat didengar
oleh telinga manusia kira-kira dari 20 Hz sampai 20 kHz pada amplitudo umum
dengan berbagai variasi dalam kurva responsnya. Suara di atas 20 kHz disebut
ultrasonik dan di bawah 20 Hz disebut infrasonic.
4.2 VOICE RECOGNITION
Pengertian Voice Recognition
- Adalah suatu sistem mengidentifikasi seseorang dari suaranya.
- Voice Recognition/Verivication mengidentifikasi siapa yang berbicara, sedangkan Speech Recognition karena mengidentifikasi apa yang diucapkannya.
History
- October 1876 Ditemukan Carbon Microphone oleh Thomas Alfa Edison
- 1920 ditemukan Analog Recording oleh Thomas Alfa Edison
- 1988 Sound card untuk komputer pada IBM PC dirilis meninggalkan PC Speakers
- 1960 Hidden Markof Model (HMM) digambarkan dalam statistik lengkap Leonard E. Baum yang kemudian masih disempurnakan lagi oleh ilmuwan lain.
- 1970 Salah satu yang pertama aplikasi HM adalah Speech Recognition.
- 2007 komputer selain menterjemahkan ucapan kedalam tulisan dapat juga menterjemahkan ke bahasa lain. Microsoft dan Alcatel-Lucent memiliki Hak Patent Speech Recognition 2 Maret 2007.
4.3 Hardware yang Dibutuhkan
- SoundCard. Soundcard merupakan alat yang ditambahkan dalam suatu Komputer yang fungsinya sebagai input dan output suara untuk mengubah sinyal elektrik, menjadi analog maupun menjadi digital.
- Microphone. Alat untuk mengubah suara yang melewati udara, air dari benda orang menjadi sinyal elektrik.
- Processor/Komputer. Dalam proses suara digital menterjemahkan gelombang suara menjadi suatu simbol biasanya menjadi suatu nomor biner yang dapat diproses lagi. Saat pengunaan menggunakan mikrofon, soundcard berkualitas baik, sehingga akan mengurangi noise yang disebabkan karena terganggu sinyal monitor, pci slots.
4.4 Software Pendukung
Software pendukung Speech dan Voice
Recognition, misal yang bersifat Freeware
- XVoice à http://freespeech.sourceforge.net
- CVoiceControl/kVoiceControl à http://www.kiecza.de/daniel/linux/index.html
- Ears à ftp://svr-ftp.eng.cam.ac.uk/comp.speech/recognition/
- Gvoice à http ://www.cse.ogi.edu/~omega/gnome/gvoice/
- NICO ANN Toolkit à http://www.speech.kth.se/NICO/index.html
KOMERSIAL
- Dragon Naturally Speaking à www.nuence.com
- Nuence à www.nuence.com
- IBM Via Voice à www-4.ibm.com/software/speech/dev/sdk_linux.html
- Vocalis Speechware à www.vocalis.com
4.5 Type Voice Recognition
Voice verification systems can be
- text dependent,
- text independent,
- or a combination of the two.
Text dependent systems require a
person to speak a predetermined word or phrase. This information, known as a
"pass phrase," can be a piece of information such as a name, birth
city, favorite color or a sequence of numbers. The pass phrase is then compared
to a sample captured during enrollment. Text independent systems recognize a
speaker without requiring a predefined pass phrase. It operates on speech
inputs of longer duration so that it has a greater opportunity to identify the
distinctive vocal characteristics (i.e., pitch, cadence, tone).
4.6 Prinsip Kerja
Speaker recognition menggunakan
fitur akustik ucapan yang ditemukan berbeda pada setiap orang. Ciri akustik
tersebut disebabkan adanya perbedaan anatomi (seperti bentuk mulut dan
tenggorokan) dan kebiasaan yang berbeda seperti (penekanan dan gaya bahasa).
Perbedaan yang khas tersebut disebut "voiceprints“ yang menjadi suatu
metode biometric.
4.7 Bagan Cara Kerja
Dengan menggunakan komputer dan
mikrofon untuk merekam suara sudah cukup, kemudian algoritma software
didalamnya akan menganalisa spektrum suara.
4.8 Implementasi Voice Recognition
Dapat digunakan sebagai alat
investigasi kepolisian, untuk melakukan crosscheck misal untuk suara seorang
kriminal yang dicocokkan dengan database suara kriminal yang pernah tertangkap
di kepolisian. Jadi hanya untuk mencocokan saja apakah benar-benar orang
tersebut misal bernama Mary yang mengambil uang di ATM setelah suara terekam
dengan alat yang telah disediakan di ATM tersebut.
Masalah Identifikasi Suara dibagi
menjadi dua kategori :
- Membedakan beberapa usara pada saat terjadi percakapan.
- Identifikasi suara dapat dilakukan dengan proses algoritma yang komplek, sedangkan jika hanya untuk verifikasi dapat dilakukan dengan lebih simpel karena hanya dilakukan dengan membandingkan voiceprint.
4.9 Future Voice Recognition
- Semua komputer PC dilengkapi dengan software Voice Recognition. Jika telah dilengkapi juga dengan hardware pendukung dapat melakukan perintah hanya dengan suara tanpa menggunakan keyboard.
- Kecepatan (satuannya per menit) dan minimnya salah kata, untuk software Speech recognition
5. Image fingerfrint scanning,retina scanning.
·
fingerprint scanning
·
fingerprint scanning
·
retina scanning
·
fingerprint scanning
BAB
IV
KESIMPULAN
1.1
Kelebihan
- Cepat dan
presisi dalam pengenalan dan identifikasi wajah
- Pengenalan
stabil, tidak terlalu berpengaruh kondisi pencahayaan
- Dapat
digunakan semua jenis webcam yang ada dipasaran
- Mendukung
gambar dengan pixel kecil, besar ataupun yang dengan pixel ukuran mega.
- Pengoperasian
dengan gambar diam ataupun dengan video stream.
1.2 Kelemahan
- Tidak dapat mengidentifikasi jika wajah berubah bentuk (luka,
kecelakaan, dll).
- Tidak bisa dipakai terus menerus karena umur mempengaruhi bentuk wajah.
- Tidak boleh ada objek lain yang menutup wajah.
- Cukup kesulitan mengidentifikasi wajah kembar.
Mekanisme identifikasi biometrik ini mampu
mengidentifikasi individu-indiviu berdasarkan perbedaan lingkup
karakteristik behaviour/psikologi (biometric identifier) yang diyakini bersifat
unik. Selain itu identifier
biometrik
dianggap lebih reliable dibandingkan berdasarkan pemasukan token dan pengenalan
knowledge.
Identifikasi biometrik sekarang terus berkembang mencakup
kemampuan sensor dan infrastruktur identifikasi serta merupakan alternatif
pilihan dalam pengembangan identifikasi personal.
PENUTUP
·
Demikian yang dapat kami paparkan mengenai materi yang menjadi pokok bahasan dalam makalah ini, tentunya masih banyak kekurangan dan kelemahannya, kerena terbatasnya pengetahuan dan kurangnya rujukan atau referensi yang ada hubungannya dengan judul makalah ini.
Penulis banyak berharap para pembaca yang budiman dusi memberikan kritik dan saran yang membangun kepada penulis demi sempurnanya makalah ini dan dan penulisan makalah di kesempatan – kesempatan berikutnya.
Semoga makalah ini berguna bagi penulis pada khususnya juga para pembaca yang budiman pada umumnya
Demikian yang dapat kami paparkan mengenai materi yang menjadi pokok bahasan dalam makalah ini, tentunya masih banyak kekurangan dan kelemahannya, kerena terbatasnya pengetahuan dan kurangnya rujukan atau referensi yang ada hubungannya dengan judul makalah ini.
Penulis banyak berharap para pembaca yang budiman dusi memberikan kritik dan saran yang membangun kepada penulis demi sempurnanya makalah ini dan dan penulisan makalah di kesempatan – kesempatan berikutnya.
Semoga makalah ini berguna bagi penulis pada khususnya juga para pembaca yang budiman pada umumnya
BAB V
DAFTAR FUSTAKA
·
https://www.google.com/search?newwindow=1&biw=1366&bih=664&tbm=isch&sa=1&q=gambar+alat+DNA+scanning&oq=gambar+alat+DNA+scanning&gs_l=img.3...72485.75516.0.75944.11.11.0.0.0.0.1129.2399.6j1j6-1j1.9.0....0...1c.1.29.img..11.0.0.hGkUTSKqa7g#facrc=_&imgdii=_&imgrc=H8j06lAUj8c18M%3A%3BB0gSIZoul64Z6M%3Bhttp%253A%252F%252F4.bp.blogspot.com%252F-7K65qKbT_sE%252FTmH-5xtzxgI%252FAAAAAAAAAcU%252Fo7w1rqHA3Bc%252Fs1600%252Fzzz.jpg%3Bhttp%253A%252F%252Flihatbacasaja.blogspot.com%252F2011%252F09%252Fid-elektronik.html%3B446%3B336
kunjungi situs https://fingerspotbanjarmasin.blogspot.com atau minta penawaran mesin absensi ke bjmfinger@gmail.com
BalasHapuskunjungi situs https://fingerspotbanjarmasin.blogspot.com/
BalasHapusatau minta penawaran mesin absensi ke bjmfinger@gmail.com
Betway Casino App: Get a $5 No Deposit Bonus Code - KT Hub
BalasHapusYou'll also get a $10 free casino bonus when 충청남도 출장안마 you sign up. This bonus comes with a 남양주 출장샵 5% deposit match on 동해 출장마사지 your 남원 출장안마 first deposit. You'll then get 익산 출장샵 up to