Sekilas mengenai biometrics

// tulisan ini masih akan terus diperbaiki dan disempurnakan

1. 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:
   1. Data masukan pada sebuah sistem biometrics terdiri dari dua kategori: karakteristik fisis dan karakteristik perilaku seseorang
   2. Tujuan dari pemakaian biometrics adalah untuk mengenali identitas personal seseorang berdasarkan ciri biometrics yang dimiliki orang tersebut
   3. 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
   4. 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.

2. Biometric Identifier
   1. 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
   2. 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] .

   3. 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.
   4. 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.
   5. 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

      Teknik matching sidik jari yang dikembangkan sangat beragam, dan dapat dikategorisasikan ke dalam 3 tipe:

      1. Correlation-based matching
         Proses matching dilakukan berdasarkan perbandingan antar pixel dari kedua citra sidik jari, dilakukan dengan mencoba berbagai penyelarasan (alignment) kedua citra.
      2. 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.
      3. 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.

3. 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]:
   1. 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.
   2. 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)
   3. 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.
   4. 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.
   5. 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

   1. Universality: harus dimiliki setiap individu
   2. Distinctiveness: karakteristiknya mampu dipakai untuk membedakan dua individu
   3. Permanence: invarian terhadap waktu
   4. Collectability: dapat diukur secara kuantitatif
   5. Performance: memiliki akurasi dan kecepatan (throughput) yang tinggi, kebutuhan resource, dan robustness terhadap faktor operasional maupun lingkungan
   6. Acceptability: dapat diterima oleh pengguna dalam kehidupan sehari-hari
   7. 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.

   Referensi

   1. Merriam Webster Dictionary
   2. B.Miller, Everything you need to know about biometric identification. Personal Identification News 1998 Biometric Industry Directory, Warfel & Miller, Inc., Washington DC, January 1988
   3. J. Wayman, A definition of biometrics National Biometric Test Center Collected Works 1997-2000, San Jose State University, 2000
   4. Nihon Jidou ninshiki sistemu kyoukai (2001). Nihon jidou ninshiki sisutemu kyoukai hen, Korede wakatta Baiometorikkusu, Ohmsha, 2001
   5. Situs Iris Challenge Evaluation  http://iris.nist.gov/ice/ice2006.htm (terakhir diakses 19 April 2010)
   6. 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
   7. D. Maltoni, D. Maio, A. K. Jain, S.Prabhakar, Handbook of Fingerprint Recognition, New York Springer, 2003
   8. J.Wayman, A. Jain, D. Maltoni, D. Maio (Eds), Biometric Systems: Technology, Design and Performance Evaluation, Springer, 2005
   9. 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