Sistem pengenalan diri adalah sistem untuk mengenali identitas seseorang secara otomatis
dengan menggunakan teknik komputer. Sistem akan mencari dan mencocokan identitas
seseorang dengan suatu basis data acuan yang telah disiapkan sebelumnya melalui proses
pendaftaran. Sistem ini bertujuan untuk meningkatkan keamanan sistem sehingga kemampuan
sistem pengenalan diri dalam mengenali target secara tepat adalah sangat penting. Pengenalan
identitas dilakukan dengan menggunakan metode konvensional (sistem tradisional). Tetapi
metoda ini memiliki kelemahan seperti kunci dapat hilang atau dicuri, dapat digunakan secara
bersama-sama atau diduplikasikan, penggunaan PIN dan password yang tidak ingat (lupa), dan
digunakan secara bersama-sama dan dengan menggunakan suatu algoritma bruteforce, password
seseorang dapat ditebak dan diketahui. Maka dari itu, berbagai kelemahan sistem tradisional di
atas menjadi salah satu pemicu berkembangnya sistem biometrika. Biometrika memiliki 2
karakteristik pembeda, yaitu karakteristik fisiologis atau fisik (physiological/physical
characteristic) dan karakteristik perilaku (behavioral characteristic).
Karakteristik yang dibahas pada penelitian kali ini adalah citra hidung. Hal ini disebabkan
karena sampel hidung bersifat permanen, yaitu dalam kondisi apapun hidung manusia tidak akan
mengalami perubahan ukuran ataupun bentuk. Pengambilan citra hidung menggunakan camera
digital untuk meng-capture bentuk hidung dari sisi samping, yaitu sisi kanan atau kiri. Dengan
asumsi bahwa sisi kiri dengan sisi kanan simetris, maka hanya salah sisi saja yang ditampilkan.
Saat pre-processing akan digunakan teknik grayscale, median filter, image adjustment dan
Black white, hal ini bertujuan untuk mendapatkan citra untuk diolah dalam tahap ekstrasi cirri.
Setiap nilai cirri dari setiap hidung yang telah diekstrasi cirri akan disimpan dalam database.
Pada saat proses pengujian, maka akan dimasukkan citra hidung individu yang sama dan lihat
apakah sistem mengenalinya atau tidak. Proses identifikasi citra tersebut menggunakan algoritma
K-NN. Dari penelitian ini didapat nilai akurasi sebesar 56.742 % untuk 9 orang sample dimana
setiap samplenya diambil 3 citra latih. Teknik Biometrik, Pre-Processing, Grayscale, Median Filter, Image, Adjustment,