Sistem Otentikasi Biometrik Multimodal Berbasis Fitur Tekstur Garis Telapak dan Pembuluh Darah Punggung Tangan dengan Metode BPNN

Muchtar Ali Setyo Yudono, Adi Nugraha, Nauval Franata, Ahmad Ramadhani, Ratu Verlaili Erlindriyani, Danial Zulfiqar, Fajar M.Syam, Dila Aura Futri, Akmal Nuur Fauzan

Abstract


Kebutuhan akan sistem otentikasi yang aman terus meningkat seiring perkembangan teknologi digital. Sistem autentikasi biometrik berbasis ciri khas manusia, seperti pengenalan wajah dan sidik jari, menawarkan solusi namun masih rentan terhadap manipulasi. Penelitian ini mengembangkan sistem autentikasi biometrik multimodal dengan menggabungkan fitur garis telapak tangan dan pola pembuluh darah punggung tangan, memanfaatkan Backpropagation Neural Network (BPNN) untuk klasifikasi dan Tapis Gabor untuk ekstraksi ciri. Sistem ini dirancang untuk meningkatkan akurasi, sensitivitas, dan spesifisitas autentikasi. Pada data pelatihan, sistem mencapai akurasi sebesar 98,1%, sensitivitas 100% pada kelas tertentu, dan spesifisitas optimal. Sementara pada data pengujian, akurasi tercatat sebesar 91%, dengan sensitivitas tertinggi mencapai 95% dan spesifisitas tetap tinggi pada kelas tertentu. Hasil ini menunjukkan bahwa sistem autentikasi multimodal berbasis BPNN dan Tapis Gabor dapat diandalkan dalam aplikasi keamanan digital, karena mampu memanfaatkan dua sumber biometrik berbeda untuk meningkatkan keakuratan dan daya tahan terhadap teknik pemalsuan.


Keywords


Backpropagation Neural Network; Biometrik; Filter Gabor; Garis Telapak Tangan; Pembuluh Darah Punggung Tangan

Full Text:

PDF (Indonesian)

References


N. I. Syahputri, H. Harahap, R. Siregar, and T. Tommy, “Penyuluhan Pentingnya Two Factor Authentication dan Aplikasinya Di Era Keamanan Digital,” J. Pengabdi. Masy. Bangsa, vol. 1, no. 6, pp. 768–773, 2023, doi: 10.59837/jpmba.v1i6.256.

K. O. K. S. Kemas, A. R. Supriyatna, and S. D. Putra, “Autentikasi User Dengan Metode Single Sign-On Berbasis Windows Active Directory Pada PT. XYZ,” ROUTERS J. Sist. dan Teknol. Inf., vol. 2, no. 2, pp. 70–78, 2024, doi: 10.25181/rt.v2i2.3328.

K. Mansur, Z. B. Hasanuddin, and Wardi, “Sistem Keamanan Informasi pada Smart Gate Menggunakan Visual Basic,” J. Penelit. Enj., vol. 22, no. 1, pp. 38–43, 2019, doi: 10.25042/jpe.052018.07.

A. M. N. Syams and Suhartini, “Prototipe Sistem Keamanan Menggunakan Rfid Dan Keypad Pada Ruang Penyimpanan Di Bank Berbasis Arduino Uno,” J. Ilm. Inform. Komput., vol. 23, no. 2, pp. 144–153, 2018, doi: 10.35760/ik.2018.v23i2.2356.

A. Kamolan and L. Sampebatu, “Rancang Bangun Prototipe Pengaman Ruangan dengan Input Kode PIN dan Multi Sensor Berbasis Mikrokontroller,” J. Ampere, vol. 6, no. 1, p. 22, 2021, doi: 10.31851/ampere.v6i1.5980.

R. Adawiyyah et al., “Pengaruh Keamanan Informasi dan Perkembangan Teknologi di Era Revolusi 4.0 Terhadap Kinerja Perusahaan (Literature Review Manajemen Kinerja),” J. Ilmu Multidisplin, vol. 2, no. 1, pp. 50–57, 2023, doi: 10.38035/jim.v2i1.238.

O. Pribadi and J. Juliyanti, “Perancangan Simulasi Sistem Otentikasi Pengguna Menggunakan Perangkat Radio Frequency Identification (RFID) Dengan Konsep Internet Of Things(IOT),” J. TIMES, vol. 8, no. 2, pp. 9–23, 2019, doi: 10.51351/jtm.8.2.2019600.

F. J. Pontoh, F. Xaverius Senduk, and I. E. G. Pondaag, “Aplikasi Pengenalan Iris Mata Menggunakan Metode Hough Transform Dan Gabor Wavelet,” J. Ilm. Inform., vol. 9, no. 02, pp. 105–109, 2021, doi: 10.33884/jif.v9i02.4205.

A. Morake, L. T. Khoza, and T. Bokaba, “Biometric technology in banking institutions: ‘The customers’ perspectives’,” SA J. Inf. Manag., vol. 23, no. 1, pp. 1–12, 2021, doi: 10.4102/sajim.v23i1.1407.

J. Zhao, H. Hu, F. Huang, Y. Guo, and L. Liao, “Authentication Technology in Internet of Things and Privacy Security Issues in Typical Application Scenarios,” Electron., vol. 12, no. 8, pp. 1–21, 2023, doi: 10.3390/electronics12081812.

K. Karampidis, “Exploiting multimodal biometrics for enhancing password security,” Log. J. IGPL, vol. 32, no. 2, pp. 293–305, 2024, doi: 10.1093/jigpal/jzae009.

A. A. E. Wahyudi, I. M. O. Widyantara, and K. O. Saputra, “Verifikasi Telapak Tangan dengan Multimodal Biometrik Fermat’s Spiral,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 408–413, 2019, doi: 10.29207/resti.v3i3.1173.

L. Novamizanti, H. Gymnovriza, and E. Susatio, “Pengenalan Wajah Individu Berbasis 3D Biometrik,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 1, p. 41, 2022, doi: 10.26798/jiko.v6i1.182.

M. N. Ikhsan, I. Ibrahim, and R. Rahmadewi, “Sistem Keamanan Sepeda Motor dengan Teknologi Biometrik Sidik Jari Menggunakan Sensor Fingerprint R305,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 7, no. 2, p. 144, 2022, doi: 10.30998/string.v7i2.13797.

A. Shalsabila and R. Mukhaiyar, “Perancangan Alat Pendeteksi Iris Mata Menggunakan Metode Wavelet Filter,” JTEV (Jurnal Tek. Elektro dan Vokasional), vol. 8, no. 2, p. 433, 2022, doi: 10.24036/jtev.v8i2.118360.

S. S. Thenuwara, C. Premachandra, and H. Kawanaka, “A multi-agent based enhancement for multimodal biometric system at border control,” Array, vol. 14, no. April, p. 100171, 2022, doi: https://doi.org/10.25077/TEKNOSI.v6i1.2020.55-63.

A. Andreansyah, R. F. Gusa, and M. Jumnahdi, “Pengenalan Pola Sidik Jari Menggunakan Multi-Class Support Vector Machine,” J. ELKHA, vol. 11, no. 2, pp. 79–84, 2019, doi: 10.26418/elkha.v11i2.34055.

F. E. Alfian, I. G. P. S. Wijaya, and F. Bimantoro, “Identifikasi Iris Mata Menggunakan Metode Wavelet Daubechies dan K-Nearest Neighbor,” J. Teknol. Informasi, Komputer, dan Apl., vol. 2, no. 1, pp. 1–10, 2020, doi: 10.29303/jtika.v2i1.76.

S. Saidah, R. Purnamasari, A. N. Bainuri, and G. S. F. Wahid, “Analisis Perbandingan Metode LBP dan CLBP pada Sistem Pengenalan Individu Melalui Iris Mata,” J. Edukasi dan Penelit. Inform., vol. 6, no. 3, p. 285, 2020, doi: 10.26418/jp.v6i3.41521.

M. Ghilom and S. Latifi, “The Role of Machine Learning in Advanced Biometric Systems,” Electron., vol. 13, no. 13, 2024, doi: 10.3390/electronics13132667.

K. M. Alashik and R. Yildirim, “Human Identity Verification from Biometric Dorsal Hand Vein Images Using the DL-GAN Method,” IEEE Access, vol. 9, pp. 74194–74208, 2021, doi: 10.1109/ACCESS.2021.3076756.

S. Bantun, J. Y. Sari, N. Z, M. Mardianto, and A. Achban, “Sistem Absensi Mahasiswa Berbasis Dorsal Hand Vein Menggunakan Local Binary Patterns dan Fuzzy k-NN,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 1, pp. 384–396, 2022, doi: 10.35957/jatisi.v9i1.1496.

M. H. Sukriyandi and A. Solichin, “Identifikasi Garis Telapak Tangan Dengan Metode Mobilenet Convolutional Neural Network (CNN) Untuk Sistem Presensi Siswa,” Fakt. Exacta, vol. 16, no. 1, 2023, doi: 10.30998/faktorexacta.v16i1.15138.

D. B. Purba and B. N. Sari, “Implementasi Jaringan Hierarki Attention Untuk Klasifikasi Basis Data Multimodal Biometrik,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 7, no. 3, pp. 632–638, 2022, doi: 10.29100/jipi.v7i3.2879.

G. Gavisiddappa, S. Mahadevappa, and C. M. Patil, “Multimodal biometric authentication system using modified relief feature selection and multi support vector machine,” Int. J. Intell. Eng. Syst., vol. 13, no. 1, pp. 1–12, 2020, doi: 10.22266/ijies2020.0229.01.

F. Ahamed, F. Farid, B. Suleiman, Z. Jan, L. A. Wahsheh, and S. Shahrestani, “An Intelligent Multimodal Biometric Authentication Model for Personalised Healthcare Services,” Futur. Internet, vol. 14, no. 8, pp. 1–28, 2022, doi: 10.3390/fi14080222.

M. H. Safavipour, M. A. Doostari, and H. Sadjedi, “Deep Hybrid Multimodal Biometric Recognition System Based on Features‐Level Deep Fusion of Five Biometric Traits,” Comput. Intell. Neurosci., vol. 2023, no. 1, 2023, doi: 10.1155/2023/6443786.

T. A. Al Fajri, “Pentingnya Penggunaan Pendekatan Multimodal Dalam Pembelajaran,” WASKITA J. Pendidik. Nilai dan Pembang. Karakter, vol. 2, no. 1, pp. 57–72, 2018, doi: 10.21776/ub.waskita.2018.002.01.5.

F. M. Syam, M. Ali, S. Yudono, and A. Sujjada, “Perancangan Backpropagation untuk Otentikasi Pola Pembuluh Darah Punggung Tangan Menggunakan GLRLM,” Sist. J. Sist. Inf., vol. 13, no. 3, pp. 1205–1215, 2024, doi: https://doi.org/10.32520/stmsi.v13i3.4109.

W. I. Putra, M. A. S. Yudono, and A. Sujjada, “Comparison of Gabor Filter Parameter Characteristics for Dorsal Hand Vein Authentication Using Artificial Neural Networks,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 12, no. 3, pp. 440–446, 2023, doi: 10.32736/sisfokom.v12i3.1819.

H. T. Le and H. T. Thu Pham, “An effective method for detecting dorsal hand veins utilising near-infrared imaging technology,” Minist. Sci. Technol. Vietnam, vol. 63, no. 2, pp. 32–38, 2021, doi: 10.31276/vjste.63(2).32-38.

M. A. S. Yudono, R. R. Isnanto, and A. Triwiyatno, “Comparison of Cataract Classification System Based on Retinal Blood Vessels Objects and Retinal Optic Disc Using Backpropagation Neural Network,” Int. J. Innov. Eng. Technol., vol. 18, no. 2, pp. 1–8, 2021, doi: 10.13140/RG.2.2.16638.46408.

M. A. S. Yudono, E. A. Z. Hamidi, Jumadi, A. H. Kuspranoto, and A. D. W. M. Sidik, “Jaringan Syaraf Tiruan Perambatan Balik Untuk Klasifikasi Covid-19 Berbasis Tekstur Menggunakan Orde Pertama Berdasarkan Citra Chest X-Ray,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 4, pp. 799–808, 2022, doi: http://dx.doi.org/10.25126/jtiik.2022945663.

R. Munarto, M. A. S. Yudono, and E. Permata, “Automatic Cataract Classification System Using Neural Network Algorithm Backpropagation,” in 2020 2nd International Conference on Industrial Electrical and Electronics (ICIEE), Lombok: IEEE, 2020, pp. 101–106. doi: 10.1109/ICIEE49813.2020.9277441.

W. I. Putra and M. A. setyo Yudono, “Peramalan Kinerja Air Preheater Pltu Pelabuhan Ratu Menggunakan Metode Jaringan Syaraf Tiruan Perambatan Balik,” Media Elektr., vol. 16, no. 01, p. 45, 2023, doi: 10.26714/me.v16i01.11320.




DOI: http://dx.doi.org/10.62870/setrum.v13i2.29589

Refbacks

  • There are currently no refbacks.