Ekstraksi Ciri Citra Sidik Jari untuk Sistem Identifikasi Biometrik

Charlenne Brigitta Soputan, Prof. Dr. Ir. Risanuri Hidayat, M.Sc., IPM.; Ir. Agus Bejo, S.T., M.Eng., D.Eng., IPM.

2026 | Skripsi | S1 TEKNIK BIOMEDIS

Sidik jari merupakan salah satu modalitas biometrik yang paling banyak digunakan karena keunikan dan kestabilan polanya. Beberapa penelitian telah mengembangkan metode pengenalan sidik jari berbasis minutiae dan tekstur pada citra beresolusi 500 dpi dengan 256 tingkat keabuan. Sementara itu, modul sensor optik sidik jari AS608 memiliki sistem pengenalan bawaan yang bersifat tertutup, sehingga proses pengenalan di dalamnya tidak dapat diamati maupun dikembangkan secara langsung. Tugas akhir ini bertujuan mengembangkan metode pengenalan sidik jari berbasis minutiae dan tekstur berdasarkan penelitian sebelumnya untuk diterapkan pada citra mentah yang diperoleh dari modul sensor AS608.

Citra mentah diperoleh dari modul AS608 melalui konverter FT232RL. Seluruh tahapan ekstraksi ciri dan pencocokan diimplementasikan di luar modul menggunakan bahasa pemrograman Python. Data yang digunakan terdiri atas 130 citra dari sepuluh subjek, yang mencakup 80 citra galeri dan 50 citra uji, sehingga menghasilkan 4.000 perbandingan untuk setiap metode. Kinerja verifikasi dianalisis menggunakan False Match Rate (FMR), False Non-Match Rate (FNMR), Equal Error Rate (EER), indeks daya pisah (d?), dan kurva Receiver Operating Characteristic (ROC). Sementara itu, kinerja identifikasi dievaluasi berdasarkan akurasi rank-1 dan kurva Cumulative Match Characteristic (CMC). Hasil pengujian menunjukkan bahwa metode tekstur memperoleh EER sebesar 17,00%, indeks daya pisah sebesar 1,94, dan akurasi rank-1 sebesar 96,00%. Adapun metode minutiae memperoleh EER sebesar 22,50%, indeks daya pisah sebesar 0,99, dan akurasi rank-1 sebesar 86,00%. Berdasarkan hasil tersebut, metode tekstur menunjukkan kinerja yang lebih baik daripada metode minutiae pada citra yang diperoleh dari modul sensor AS608.

Fingerprint is one of the most widely used biometric modalities due to the uniqueness and stability of its patterns. Several studies have developed minutiae-based and texture-based fingerprint recognition methods using 500-dpi images with full grayscale resolution. Meanwhile, the AS608 optical fingerprint sensor module features a closed built-in recognition system, limiting direct observation and further development of its internal recognition process. This undergraduate thesis aims to adapt fingerprint recognition methods based on minutiae and texture from previous studies for application to raw images acquired from the AS608 sensor module.

Raw images were acquired from the AS608 module through an FT232RL converter, and all feature extraction and matching stages were implemented externally using the Python programming language. The dataset consists of 130 images from ten subjects, comprising 80 gallery images and 50 probe images, yielding 4,000 comparisons for each method. Verification performance was evaluated using the False Match Rate (FMR), False Non-Match Rate (FNMR), Equal Error Rate (EER), decidability index (d?), and Receiver Operating Characteristic (ROC) curve. Identification performance was assessed using rank-1 accuracy and the Cumulative Match Characteristic (CMC) curve. The texture-based method achieved an EER of 17.00%, a decidability index of 1.94, and a rank-1 accuracy of 96.00%, whereas the minutiae-based method achieved an EER of 22.50%, a decidability index of 0.99, and a rank-1 accuracy of 86.00%. These results indicate that the texture-based method outperforms the minutiae-based method on images acquired from the AS608 sensor module.

Kata Kunci : sidik jari, ekstraksi ciri, minutiae, tekstur, filter Gabor, AS608