Memahami FMR & FNMR pada sistem biometrics

Sore ini kami berdiskusi mengenai korelasi antara matching threshold dengan False Match Rate (disebut juga False Acceptance Rate, False Positive Rate) dan False Non Match Rate (disebut juga False Rejection Rate, False Negative Rate). Topik ini sebelumnya pernah saya tulis di https://asnugroho.wordpress.com/2013/10/01/memahami-false-match-false-non-match/

Selama ini kami telah terbiasa dengan pengukuran berdasarkan similarity. Dalam hal tersebut, dua data (misalnya kita ambil sidik jari sebagai contoh) yang sama persis, akan menghasilkan nilai pemadanan yang tinggi. Sebaliknya, dua sidik jari yang berlainan karakteristiknya, akan menghasilkan nilai pemadanan yang rendah. Sistem akan membuat decision “MATCH” jika nilai pemadanan dua sidik jari  melebihi atau sama dengan suatu threshold, vice versa.

Dalam diskusi tersebut, saya memakai gambar 1 untuk menjelaskan hal tersebut. Distribusi probability score impostor berada di sebelah kiri dari distribusi probability score genuine. Hal ini karena untuk genuine matching, karena dua sidik jari itu berasal dari orang yang sama (dan jari yang sama), cenderung menghasilkan nilai pemadanan yang besar. Hal yang sebaliknya untuk pemadanan impostor, yaitu berasal dari dua orang yang berbeda. Konsekuensinya peak untuk genuine berada di kanan impostor.

False Match Rate didefinisikan sebagai prosentase area impostor yang berada di kanan threshold, yaitu yang diputuskan “MATCH” oleh sistem, padahal seharusnya NON MATCH. FMR pada gambar 1, saya beri warna kuning.

False Non Match Rate didefinisikan sebagai prosentase area genuine yang berada di kiri threshold, yaitu yang diputuskan “NON MATCH”, yang dalam gambar 1 diberikan warna merah.

Semakin tinggi nilai threshold, nilai FNMR akan semakin tinggi, sedangkan nilai FMR akan semakin rendah. Semakin rendah nilai threshold, nilai FNMR akan semakin rendah, sedangkan nilai FMR akan semakin tinggi.

IMG_1458

Gambar 1   False Match Rate dan False Non Match Rate pada distribusi probability nilai pemadanan sistem biometrics yang memakai similarity untuk mendefinisikan nilai pemadanan

Akan tetapi jika metrik yang dipakai adalah dissimilarity, misalnya Euclidean distance, maka yang berlaku adalah sebaliknya.  Dua sidik jari yang sama persis, akan menghasilkan nilai pemadanan yang rendah, ekstrim-nya menghasilkan score 0. Sebaliknya, dua sidik jari yang berlainan karakteristiknya, akan menghasilkan nilai pemadanan yang tinggi. Sistem akan membuat decision “MATCH” jika nilai pemadanan dua data tersebut kurang dari atau sama dengan suatu threshold, dan sebaliknya.

Saya memakai gambar 2 untuk menjelaskan hal tersebut. Gambar 2 ini mirip dengan gambar 1, tetapi genuine dan impostor dibalik kiri-kanannya, dan demikian juga FMR dan FNMR dibalik. Dengan demikian, distribusi probability score impostor berada di sebelah kanan dari distribusi probability score genuine.

False Match Rate didefinisikan sebagai prosentase area impostor yang berada di kiri threshold, yaitu yang diputuskan “MATCH” oleh sistem, padahal seharusnya NON MATCH. Sama dengan gambar 1, FMR pada gambar 2, saya beri warna kuning.

False Non Match Rate didefinisikan sebagai prosentase area genuine yang berada di kanan threshold, yaitu yang diputuskan “NON MATCH” oleh sistem. Pada gambar 2 diberikan warna merah.

Semakin rendah nilai threshold, nilai FNMR akan semakin tinggi, sedangkan nilai FMR akan semakin rendah. Semakin tinggi nilai threshold, nilai FNMR akan semakin rendah, sedangkan nilai FMR akan semakin tinggi.

IMG_1459

Gambar 2   False Match Rate dan False Non Match Rate pada distribusi probability nilai pemadanan sistem biometrics yang memakai dissimilarity untuk mendefinisikan nilai pemadanan

Iklan

Tentang Anto Satriyo Nugroho

My name is Anto Satriyo Nugroho. I am working as research scientist at Center for Information & Communication Technology, Agency for the Assessment & Application of Technology (PTIK-BPPT : Pusat Teknologi Informasi & Komunikasi, Badan Pengkajian dan Penerapan Teknologi). I obtained my doctoral degree (Dr.Eng) from Nagoya Institute of Technology, Japan in 2003. My office is located in Serpong, Tangerang Selatan City. My research is on pattern recognition and image processing with applied field of interests on biometrics identification & development of computer aided diagnosis for Malaria. Should you want to know further information on my academic works, please visit my professional site at http://asnugroho.net
Pos ini dipublikasikan di research. Tandai permalink.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s