- Pengertian Biometrics
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]:
Mampu dikenali dari jarak yang relatif lebih jauh dibandingkan biometrics yang lain
Tidak ada keharusan memakaikan satu piranti kepada orang yang akan diambil data wajah.
Akan tetapi pemakaian wajah dalam biometrics juga memiliki kelemahan antara lain
- Sulit mengidentifikasikan orang kembar
- Sangat dipengaruhi oleh iluminasi, perubahan wajah karena usia
- 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]
Akurasi tinggi
Tidak memerlukan kontak dalam pengambilan data
Tidak mudah dipalsukan
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]:
kontaminasi & sensitifitas, yaitu mudah untuk mencuri DNA
seseorang yang sebenarnya tidak bersalah, tetapi kemudian dapat
dimanfaatkan untuk tujuan yang tidak dikehendaki
memerlukan proses kimia dan keterlibatan seorang ahli untuk
mengekstrak karakteristik DNA seseorang, sehingga tidak dapat untuk
sebuah automatic real-time system.
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]:
saliency
sidik jari harus memiliki informasi yang cukup memadai
sehingga dapat dipakai untuk membedakan sidik jari seseorang dengan yang
lain.
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.
- kesesuaian konfigurasi pola global antara kedua buah sidik jari
- kesesuaian kualitatif (qualitative concordance), yaitu minutiae yang bersesuaian harus identik.
- faktor kuantitatif, yaitu banyaknya minutiae bersesuaian yang
ditemukan harus memenuhi syarat minimal (guideline forensik di AS
mensyaratkan minimal 12 minutiae)
- detail minute yang bersesuaian harus identik
Teknik matching sidik jari yang dikembangkan sangat beragam, dan dapat dikategorisasikan ke dalam 3 tipe:
- Correlation-based matching
Proses matching dilakukan berdasarkan
perbandingan antar pixel dari kedua citra sidik jari, dilakukan dengan
mencoba berbagai penyelarasan (alignment) kedua citra.
- Minutiae-based matching
Teknik kedua adalah yang paling populer
dilakukan, dimana proses matching dilakukan berdasarkan perbandingan
minutiae yang diekstrak dari kedua sidik jari, yang dilakukan dengan
mencoba berbagai penyelarasan (alignment) kedua citra.
- Ridge feature-based matching
Apabila kualitas citra sidik jari
sangat rendah, proses ektraksi minutiae sangat sulit dilakukan. Sebagai
gantinya, pola ridge (orientasi lokal, frekuensi, bentuk dan tekstur)
pada sidik jari yang diekstrak dan dipakai dalam proses matching.
Pemanfaatan fingerprint sebagai alat identifikasi telah diuji sejak
lama, dan standardisasi maupun evaluasinya telah jauh lebih maju
dibandingkan dengan biometrics yang lain.
Perbandingan antara berbagai Biometric identifier
Sebagaimana
dijelaskan pada bab sebelumnya, berbagai bagian tubuh manusia seperti
misalnya wajah, sidik jari, suara, dapat dipakai untuk melakukan
identifikasi maupun verifikasi. Di antara berbagai informasi ini,
manakah yang paling baik ? Wayman et al. mendefinisikan biometrics yang
ideal adalah yang memenuhi 5 kualitas sebagai berikut [8][9]:
Robustness
Maksud robust di sini adalah informasi pada individu
tersebut tidak akan berubah sepanjang waktu. Tingkat robustness sebuah
biometric identifier secara kuantitatif dapat diukur dari “false
non-match rate” (Type I Error). Semakin tinggi false non-match berarti
semakin rendah robustness sebuah biometric identifier.
Distinctiveness
Maksud distinctiveness adalah informasi itu
memiliki variasi yang cukup besar antar object pada sebuah populasi,
sehingga identifikasi seseorang dapat dilakukan dengan mudah. Tingkat
distinctiveness secara kuantitatif dapat diukur dari “false match error”
(Type II Error)
Availability
Availability maksudnya tiap individu pada sebuah
populasi memiliki informasi yang multiple, sehingga pengambilan data
dapat dilakukan lebih dari satu kali. Tingkat availability secara
kuantitatif dapat diukur dari “failure to enrole” rate, yaitu
probabilitas seseorang tidak mampu memberikan informasi biometric yang
terbaca dengan baik pada saat enrollment.
Accessibility
Accessibility maksudnya pengambilan data mudah
dilakukan dengan memakai sensor elektronik. Accessibility secara
kuantitatif dapat diukur berdasarkan “throughput rate” sebuah sistem,
yaitu banyaknya individu yang dapat diproses pada satuan waktu.
Acceptibility
Acceptibility maksudnya orang tidak akan menolak
seandainya pengambilan data dilakukan. Tingkat acceptibility diukur
dengan melakukan poling pengguna alat.
Maltoni et al. dalam Handbook of Fingerprint Recognition [7],
mendefinisikan syarat-syarat yang mirip dengan definisi Wayman, yaitu
- Universality: harus dimiliki setiap individu
- Distinctiveness: karakteristiknya mampu dipakai untuk membedakan dua individu
- Permanence: invarian terhadap waktu
- Collectability: dapat diukur secara kuantitatif
- Performance: memiliki akurasi dan kecepatan (throughput) yang
tinggi, kebutuhan resource, dan robustness terhadap faktor operasional
maupun lingkungan
- Acceptability: dapat diterima oleh pengguna dalam kehidupan sehari-hari
- Circumvention: mudah tidaknya sitem biometric itu dapat diambil lewat metode yang ilegal
Selanjutnya Maltoni membandingkan antara berbagai biometric
identifier berdasarkan persepsinya. Rangkuman perbandingan tersebut
dapat dilihat di Tabel 1.
Tabel 1 Perbandingan karakteristik berbagai biometric identifier
Biometric Identifier | Unv. | Dst. | Pmn. | Col. | Pfm. | Acc. | Crm. |
Face | H | L | M | H | L | H | H |
Fingerprint | M | H | H | M | H | M | M |
Hand geometry | M | M | M | H | M | M | M |
Hand/finger vein | M | M | M | M | M | M | L |
Iris | H | H | H | M | H | L | L |
Signature | L | L | L | H | L | H | H |
Voice | M | L | L | M | L | H | H |
(H:High M:Medium L:Low Unv.:Universality Dst.:Distinctiveness
Pmn.:Permanence Col.:Collectability Pfm:Performance Acc.:Acceptability Crm.:Circumvention)
Tabel 1 memperlihatkan bahwa tiap biometrics identifier memiliki
kelebihan dan kelemahan. Pemilihan biometrics identifier harus
disesuaikan dengan aplikasi yang dibutuhkan. Biometrik yang merupakan
pilihan baik untuk sebuah aplikasi tidak selalu tepat untuk aplikasi
yang berbeda.
Dalam kaitannya dengan penerapan biometrik pada e-KTP untuk
menghindari identitas ganda, maka distinctiveness, permanence,
performance dan circumvention perlu mendapatkan prioritas perhatian.
Dari berbagai identifier pada Tab.1, maka fingerprint paling tepat,
karena memiliki distinctiveness yang relatif tinggi, bersifat permanen,
performance nya relatif tinggi dan level circumvention yang medium. Iris
memiliki kelebihan, dimana pengambilan datanya dapat dilakukan tanpa
menyentuh sensor (non invasive). Bahkan pada jarak yang cukup jauh (10m)
iris seseorang masih bisa diambil dengan baik [8]. Akan tetapi evaluasi
distinctiveness maupun stabilitas biometrics iris pada data skala besar
masih tertinggal dibandingkan dengan fingerprint, yang memiliki sejarah
lebih panjang. Untuk penerapan pada skala besar seperti e-KTP di
Indonesia, track-record pemakaian suatu biometrics merupakan faktor yang
harus dipertimbangkan, sehingga untuk saat ini, fingerprint merupakan
pilihan yang tepat di antara berbagai identifier yang ada.
Referensi
- Merriam Webster Dictionary
- B.Miller, Everything you need to know about biometric identification. Personal Identification News 1998 Biometric Industry Directory, Warfel & Miller, Inc., Washington DC, January 1988
- J. Wayman, A definition of biometrics National Biometric Test Center Collected Works 1997-2000, San Jose State University, 2000
- Nihon Jidou ninshiki sistemu kyoukai (2001). Nihon jidou ninshiki sisutemu kyoukai hen, Korede wakatta Baiometorikkusu, Ohmsha, 2001
- Situs Iris Challenge Evaluation http://iris.nist.gov/ice/ice2006.htm (terakhir diakses 19 April 2010)
- P.J.Phillips, T. Scruggs, A.J. O’Toole, P.J.Flynn, K.W.Bowyer,
C.L.Schott and M.Sharpe, “FRVT 2006 and ICE 2006 Large-scale
Experimental Results ”, IEEE Trans. PAMI, Vol.32, No.5, pp.831-846, May
2010
- D. Maltoni, D. Maio, A. K. Jain, S.Prabhakar, Handbook of Fingerprint Recognition, New York Springer, 2003
- J.Wayman, A. Jain, D. Maltoni, D. Maio (Eds), Biometric Systems: Technology, Design and Performance Evaluation, Springer, 2005
- J. Daugman, “Recognizing Persons by Their Iris Patterns”, in Biometrics: Personal Identification in Networked Society, A.K.Jain, R.Bolle, and S. Pankanti (Eds.), Kluwer Academic, New York, 1999