mengenal jenis - jenis biometric pada mesin absensi

Penggunaan teknologi biometric pada mesin absensi sudah sering kita jumpai, namun sering kali kita belum paham betul akan jenis-jenis dari biometric yang biasa atau dapat di gunakan pada mesin absensi. dengan mengenal jenis – jenis biometric pada mesin absensi ini kita dapat dengan pasti memilih mesin absensi sesuai dengan kebutuhan kita. sehingga tidak salah dalam membeli atau memilih mesin absensi yang di butuhkan.

Biometrics adalah salah satu teknologi yang dewasa ini makin meningkat intensitas pemanfaatan maupun penelitiannya. Definisi biometrics cukup beragam. Mengacu pada kamus Merriam-Webster[1], Biometrics didefinisikan sebagai berikut “the measurement and analysis of unique physical or behavioral characteristics (as fingerprint or voice patterns) especially as a means of verifying personal identity”. Adapun teknologi biometrics didefinisikan sebagai berikut“Biometric technologies” are automated methods of verifying or recognizing the identity of a living person based on a physiological or behavioral characteristics[2][3] Dari kedua definisi ini dapat disimpulkan bahwa:

Data masukan pada sebuah sistem biometrics terdiri dari dua kategori: karakteristik fisis dan karakteristik perilaku seseorang
Tujuan dari pemakaian biometrics adalah untuk mengenali identitas personal seseorang berdasarkan ciri biometrics yang dimiliki orang tersebut
proses verifikasi atau recognition dilakukan secara otomatis yaitu lewat komputer. Teknik laboratorium forensik seperti latent fingerprint, analisa rambut dan DNA tidak termasuk dalam kategori teknologi biometrics
Sasaran identifikasi adalah manusia yang masih hidup. Karena itu pemakaian metode yang sama untuk identifikasi selain manusia yang masih hidup seperti buah dan sayur, tidak termasuk dalam definisi biometrics.

Dalam dokumen ini dibahas beberapa jenis karakteristik fisik yang lazim dipakai dalam sebuah sistem biometrics.

Biometric Identifier

Wajah
Pemakaian wajah dalam biometrics sangat alami, karena umumnya manusia mengenali seseorang berdasarkan ciri wajah. Karakteristik pemakaian wajah dalam biometrics system memiliki ciri antara lain sebagai berikut [4]:
1. Mampu dikenali dari jarak yang relatif lebih jauh dibandingkan biometrics yang lain
2. Tidak ada keharusan memakaikan satu piranti kepada orang yang akan diambil data wajah.
Akan tetapi pemakaian wajah dalam biometrics juga memiliki kelemahan antara lain
1. Sulit mengidentifikasikan orang kembar
2. Sangat dipengaruhi oleh iluminasi, perubahan wajah karena usia
3. Timbulnya masalah perlindungan privasi saat dipakai di wilayah publik, karena publik langsung mengenali identitas orang tersebut
Iris
Tekstur iris manusia berasal dari proses chaotic morphogenetic selama perkembangan embrio, dan memiliki ciri yang mampu dipakai untuk identifikasi seseorang. Pemakaian iris dalam biometrics system memiliki ciri khas sbb. [4]
1. Akurasi tinggi
2. Tidak memerlukan kontak dalam pengambilan data
3. Tidak mudah dipalsukan
4. Informasi iris relatif stabil, sehingga tidak diperlukan registrasi ulang
Evaluasi terhadap performa Iris untuk biometrics terakhir diselenggarakan pada tahun 2006. Kompetisi yang dinamakan ICE 2006 (Iris Challenge Evaluation) oleh The National Institute of Standards and Technology (NIST) [5]. Algoritma yang diujikan berasal dari tiga vendor Sagem-Iridian, Iritech, dan Cambridge. Sampel yang diujikan sebanyak 59,558 (29,056 iris mata kanan dan 30,502 iris mata kiri) dari 240 subjects dengan 30 partisi untuk tiap mata. Hasil terbaik dicapai oleh Sagem-Iridian, dengan median FRR 0.012 pada FAR 0.001 [6] .
Suara (voice)
Sistem biometrics yang memanfaatkan suara memiliki kelebihan bahwa perekaman suara seseorang tidak menyolok. Sistem biometrik yang berdasarkan suara juga satu-satunya yang dapat dipakai untuk proses pengenalan lewat telpon. Pengolahan suara dilakukan dengan melakukan ekstraksi fitur memakai berbagai metode seperti Fast Fourier Transform (FFT), Cepstrum. Selanjutnya proses matching dilakukan memakai berbagai metode statistik seperti Hidden Markov Model (HMM) atau Dynamic Programming (DP). Tetapi kualitas suara seseorang sangat dipengaruhi oleh microphone, karakteristik digitizer, kesehatan, stress, emosi seseorang. Selain itu suara seseorang dapat ditirukan oleh orang lain [4]. Faktor-faktor ini yang menyebabkan suara tidak tepat apabila dimanfaatkan dalam biometrics.
Deoxyribo Nucleic Acid (DNA)
Deoxyribo Nucleic Acid (DNA) adalah data berdimensi satu, yang terdiri dari sekuens basa Adenin (A), Thiamin (T), Guanin (G), dan Cytosin (C). DNA tersimpan dalam nukleus sel, terdiri dari sekitar 3 milyar basa tersebar dalam 46 kromosom. DNA merupakan informasi yang sangat akurat sebagai alat identifikasi seseorang, tetapi memiliki beberapa kelemahan, antara lain [4]:
1. kontaminasi & sensitifitas, yaitu mudah untuk mencuri DNA seseorang yang sebenarnya tidak bersalah, tetapi kemudian dapat dimanfaatkan untuk tujuan yang tidak dikehendaki
2. memerlukan proses kimia dan keterlibatan seorang ahli untuk mengekstrak karakteristik DNA seseorang, sehingga tidak dapat untuk sebuah automatic real-time system.
3. masalah privasi; dari kode genetik seseorang dapat diketahui kecenderungan seseorang mudah tidaknya terkena sebuah penyakit, dan hal ini berpotensi untuk disalahgunakan, misalnya diskriminasi.
Sidik Jari (Fingerprint)
Berbagai peninggalan purbakala memperlihatkan bahwa sejak dahulu, telah diketahui bahwa sidik jari yang dimiliki seseorang berbeda dengan orang lain. Di beberapa batu terpahat pola sidik jari yang berusia ribuan tahun sebelum Masehi. Tetapi, kajian ilmiah mengenai inividuality dari biometrics baru dilakukan pertamakali pada abad 16. Publikasi ilmiah tertua tercatat dilakukan oleh Nehemiah Grew, pada tahun 1684, yang membahas secara sistematis struktur sidik jari, meliputi ridge, furrow dan pore. Pada tahun 1880, Henry Fauld menyampaikan presentasi ilmiah yang membahas mengenai keunikan sidik jari berdasarkan observasi secara empiris. Sedangkan Sir Francis Galton pada tahun 1892 memperkenalkan minutiae sebagai dasar untuk melakukan proses matching.Sebuah sidik jari dapat direpresentasikan dengan berbagai cara, misalnya citra, minutiae, dan sebagainya. Agar dapat dipakai dalam proses matching, representasi sebuah fingerprint tersebut harus memenuhi dua syarat [7]:
1. saliency
  sidik jari harus memiliki informasi yang cukup memadai sehingga dapat dipakai untuk membedakan sidik jari seseorang dengan yang lain.
2. suitability
  sidik jari harus mudah diekstrak, compact, sehingga dapat disimpan untuk proses matching.
Pola sidik jari dapat dibagi menjadi tiga: loop, whorl dan arch. Pola loop paling banyak, yaitu sekitar 65%, whorl sekitar 30% dan arch sekitar 5%. Dari pola sidik jari tsb. Informasi yang diperlukan dapat diperoleh dengan mengekstrak minutiae. Arti minutiae adalah detail kecil. Minutiae pada sidik jari adalah titik dimana sebuah ridge (bukit) diskontinu (putus). The American National Standards Institute (ANSI) pada tahun 1986 mengusulkan taksonomi berdasarkan 4 kelas: terminations,bifurcations, trifurcations (atau crossovers) dan undetermined. Berbeda dengan ANSI, FBI menetapkan model koordinat minutiae hanya berdasarkan termination dan bifurcations, yaitu tiap minutia dinotasikasikan berdasarkan class, koordinat x dan y, dan sudut yang dibentuk oleh garis ridge dan sumbu horizontal pada titik minutia tersebut [7].

Dalam proses matching, untuk menyatakan bahwa dua buah sidik jari berasal dari jari yang sama harus dipenuhi syarat-syarat sbb.
1. kesesuaian konfigurasi pola global antara kedua buah sidik jari
2. kesesuaian kualitatif (qualitative concordance), yaitu minutiae yang bersesuaian harus identik.
3. faktor kuantitatif, yaitu banyaknya minutiae bersesuaian yang ditemukan harus memenuhi syarat minimal (guideline forensik di AS mensyaratkan minimal 12 minutiae)
4. detail minute yang bersesuaian harus identik