28
minutiae berbasis ridges, dots, dan splitting ridges (Patel & Sharma, 2013).
Algoritma tersebut mencocokan dan membandingkan seluruh sidik jari dan
membuktikan sidik jari yang asli, dan setelah itu mengidentifikasi orang.
Metode ini memberikan hasil 0.00 untuk FNMR dan 0.023 untuk FMR
dimana lebih baik daripada sistem pengenalan sidik jari menggunakan nilai
kecocokan minutiae.
Metode penelitian ini memiliki kelebihan karena menggunakan semua
template sidik jari yang disimpan dalam sidik jari. Sistem ini mengekstraksi
maximum minutiae points
dari kerusakan sidik jari. Metode ini jika
dibandingkan dengan metode pencocokan tradisional dapat mengerjakan
kondisi gambar yang
lebih kompleks seperti perubahan arah,
ukuran atau
kualitas citra yang lebih buruk.
Simpulan dari ketiga penelitian ini dapat dilihat pada tabel 2.1
Tabel 2.1 Simpulan penelitian terkait
Judul
Tujuan
Metode
Hasil
Fingerprint
Recognition
using Image
Segmentation
(Bana,S. dan
Kaur,D.
2011)
Melakukan
pembelajaran
dan
implementasi
dari sistem
pengenalan sidik
jari berbasis
minutiae
Preprocessing
(histogram
equalization, fast
fourier transform,
binarization, ROI,
thinning), proses
ekstraksi dengan
menggunakan
crossing number,
dan matching.
Dari penelitian ini
didapat rata-rata
nilai pencocokan
yang cocok
sekitar 30 dan
rata-rata
pencocokan yang
tidak cocok
sekitar 25 dari
database yang
dipilih. Nilai FAR
dan FRR sekitar
30-35% sehingga
nilai threshold
dengan nilai
kecocokan sekitar
 |