Biometrics
Makalah Biometrik
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.
BAB I
PENDAHULUAN
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 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 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.
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.
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.
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.
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
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 :
- Bagian tengah pupil
- Bagian tepi pupil
- Bagian tepi iris
- Kelopak mata dan bulu mata
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
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
Komentar
Posting Komentar