ABSTRAKSI: A conventional Identification technique to identify a person using a
password or a card it’s not secure enough to insurance it safety, because the
security system is easily broken when the password or the card is used by another
person. A biometric identification technique is based on human natural
characteristic, which are the physiology and the behavior characteristic such as
face, fingerprint, voice, hands, iris and eye retina, DNA, and signature. The
biometric identification system has several advantage compared with the
conventional system because it can not be stolen or use by another person. The
fingerprint system is likely more useable. This is because the fingerprint
identification technique is unique, accurate, safe, easy, and comfortable to use as
identification compared with other biometric system
In this research, the wavelet transformation is used not only as
characteristic extraction method but also to reduce the dimension of input image.
Then the reduced image is processed for it identification by applying the artificial
neural network Learning Vector Quantization (LVQ) grouping the fingerprints to
a pattern of the fingerprint (whorl, left loop, right loop, arch, and tented arch). As
a neural network basis, it use the exact image size of approximate result image,
then the input vector dimension will analyzed whether is not influencing the
identification process.
The result of research shows that the identification performance is
significantly increase for input with bigger dimension (on approximate level 1
image) compared to input with smaller dimension (on approximate level 2 and
level 3 image). Identification with wavelet characteristic extraction Daubechies 4
increase the performance up to 0.67 % compared to Haar wavelet.Kata Kunci : *ABSTRACT: Teknik identifikasi konvensional untuk mengenali identitas seseorang
dengan menggunakan password atau kartu tidak cukup handal, karena sistem
keamanan dapat ditembus ketika password dan kartu tersebut digunakan oleh
pengguna yang tidak berwenang. Teknik identifikasi biometrik didasarkan pada
karakteristik alami manusia, yaitu karakteristik fisiologis dan karakteristik
perilaku seperti wajah, sidik jari, suara, telapak tangan, iris dan retina mata, DNA,
dan tandatangan. Identifikasi biometrik memiliki keunggulan dibanding dengan
metode konvensional dalam hal tidak mudah dicuri atau digunakan oleh pengguna
yang tidak berwenang. Sistem pengenalan sidik jari lebih sering digunakan. Hal
ini disebabkan sidik jari telah terbukti unik, akurat, aman, mudah, dan nyaman
untuk dipakai sebagai identifikasi bila dibanding dengan sistem biometrik lainnya.
Dalam penelitian ini, transformasi wavelet digunakan sebagai metode
ekstraksi ciri sekaligus untuk mereduksi dimensi citra masukan. Citra tereduksi
selanjutnya diproses untuk identifikasinya. Pengenalan dan identifikasi dengan
menerapkan jaringan syaraf tiruan Learning Vektor Quantizations (LVQ)
mengelompokkan sidik jari ke salah satu pola utama sidik jari (whorl, left loop,
right loop, arch, dan tented arch). Sebagai basis masukan jaringan syaraf,
digunakan citra ukuran sesuai dimensi citra hasil aproksimasi, yang kemudian
dianalisis juga pengaruh besarnya dimensi vektor masukan terhadap unjuk kerja
pengenalan.
Hasil penelitian menunjukkan bahwa performansi pengenalan meningkat
cukup signifikan untuk masukan dengan dimensi yang lebih besar (pada citra
aproksimasi level 1) dibandingkan dengan masukan yang lebih kecil (pada citra
aproksimasi level 2 dan level 3). Pengenalan dengan ekstraksi ciri wavelet
Daubechies 4 meningkatkan performansi sebesar 0.67% dibandingkan dengan
wavelet Haar.Keyword: *