Location Base Service ATM di Kota Palembang Berbasis Mobile

Android Menggunakan Algoritma A*

Diajukan Untuk Menyusun Tugas Akhir

di Jurusan Teknik Informatika Fakultas Ilmu Komputer UNSRI

Oleh :

ZAKARIA SUTOMO
09101002013

Jurusan Teknik Informatika

FAKULTAS ILMU KOMPUTER UNIVERSITAS SRIWIJAYA
2016

LEMBAR PENGESAHAN USULAN TUGAS AKHIR

Location Base Service ATM di Kota Palembang Berbasis Mobile Android

Menggunakan Algoritma A*

Oleh :
ZAKARIA SUTOMO
09101002013

Palembang, 10 Agustus 2014

Pembimbing I,

Pembimbing II,

Rifkie Primartha, M.T

NIP. 197706012009121004

Hadipurnawan Satria, Ph.D.

NIP.198201022015109101

Menyetujui,
Ketua Jurusan Teknik Informatika

Rifkie Primartha, M.T

NIP. 197706012009121004

KATA PENGANTAR
Puji syukur kehadirat Allah SWT., karena atas berkat, rahmat, dan karuniaNya penulis dapat menyelesaikan Laporan Kerja Praktik ini dengan judul
SISTEM

INFORMASI

PEMELIHARAAN

NOMOR

PERANGKAT

ANTRIAN

LUNAK

PT

PUPUK

ELEKTRONIK
SRIWIDJAJA

PALEMBANG.
Penulis mengucapkan terima kasih kepada semua pihak yang telah
membantu, membimbing, dan terus mendukung penulis dalam rangka
menyelesaikan laporan kerja praktik, diantaranya :
1. Budiman dan Danilah selaku orang tua penulis, Dandhy Junioza selaku adik
penulis, dan Zakaria Sutomo selaku kakak penulis.
2. Bapak Dr. Darmawijoyo, M.Si., M.Sc. selaku Dekan Fakultas Ilmu Komputer
Universitas Sriwijaya.
3. Bapak Drs. Megah Mulya, M.T. selaku Ketua Jurusan Teknik Informatika dan
sekaligus selaku dosen Pembimbing Kerja Praktik pada Jurusan Teknik
Informatika Fakultas Ilmu Komputer Universitas Sriwijaya.
4. Ibu Diah Pudi Langgeni selaku Pembimbing Lapangan yang telah membantu
penulis menyelesaikan laporan KP.
5. Bapak M. Yusuf selaku Supervisor TSI Pemasaran dan Unit Penunjang PT
Pupuk Sriwidjaja Palembang.
6. Bapak Kholid Umar selaku Manager Departemen Teknologi Informasi PT
Pupuk Sriwidjaja Palembang.
7. Bapak Andy Leonard M.P.S selaku Supervisor Pelaksana Diklat.
8. Bapak Parwani, SE selaku Manager Departemen Pendidikan dan Pelatihan.
9. Seluruh pegawai PT. PUSRI Departemen Teknologi Informasi.
10. Rekan-rekan peserta Kerja Praktik dari berbagai instansi pendidikan yang
tidak bisa disebutkan satu persatu.

11. Rekan-rekan mahasiswa Jurusan Teknik Informatika Fakultas Ilmu Komputer

Universitas Sriwijaya, Mega Nurhayani, Eva Anggraini, dan teman teman
yang telah membantu penulis menyelesaikan laporan KP.
Penulis juga berterima kasih kepada semua pihak yang telah mendukung
kelancaran penulis dalam penyelesaian laporan kerja praktik ini, yang tidak dapat
disebutkan satu per satu. Penulis yakin dalam tulisan ini masih terdapat banyak
kekurangan, maka kritik dan saran yang membangun sangat diharapkan untuk
membuat kesempurnaan di masa mendatang. Semoga tulisan ini dapat bermanfaat
bagi mahasiswa Jurusan Teknik Informatika Universitas Sriwijaya.

Palembang, 31 Juli 2015

Penulis

Windhy Ratna Sari

NIM 09121002019

DAFTAR ISI
Halaman
HALAMAN JUDUL

HALAMAN PENGESAHAN.........................................................................ii
KATA PENGANTAR......................................................................................iii
DAFTAR ISI...................................................................................................v
DAFTAR GAMBAR.......................................................................................vii
DAFTAR TABEL............................................................................................viii
DAFTAR LAMPIRAN...................................................................................ix
BAB I PENDAHULUAN...............................................................................I-1
1.1 Latar Belakang..........................................................................I-1
1.2 Rumusan Masalah.....................................................................I-3
1.3 Tujuan dan Manfaat Penelitian.................................................I-3
1.3.1 Tujuan Penelitian............................................................I-3
1.3.2 Manfaat Penelitian..........................................................I-3
1.4 Ruang Lingkup.........................................................................I-4
BAB II TINJAUAN PUSTAKA.....................................................................II-1
2.1 Penelitian Terkait......................................................................II-1
2.2 Logika Fuzzy.............................................................................II-7
2.3 Fuzzy Cluster Means.................................................................II-9
2.3.1 Perbaikan Citra...............................................................II-9
2.3.1.1 Ekualisasi Histogram......................................II-9
2.3.1.2 Binerisasi..........................................................II-10
2.3.1.3 Thinning...........................................................II-11
2.3.2 Ekstraksi Ciri..................................................................II-11
2.3.2.1 Zernike Aspect Moment Invariant (ZAMI). II-11
2.4 Penyakit Hati.............................................................................II-14
2.4.1 Prinsip Kontinuitas Homogen........................................II-16
2.4.2 Pelingkupan Ruang Multi-Dimensi (High-Dimensional
Space Covering).............................................................II-17
2.4.3 Jaringan Syaraf Pada Pengenalan Pola Biomimetik......II-19
2.4.3.1 Jaringan Syaraf Tiruan Satu Bobot..............II-19
2.4.3.2 Jaringan Syaraf Bobot Banyak.....................II-20
2.4.3.3 Jaringan Syaraf Bobot Dua (Double Weight
Neural Network / Hyper Sausage Neuron)....II-21
2.4.3.4 Algoritma Jaringan Syaraf Bobot Dua.........II-22
2.4.3.5 Nila Ambang (Threshold)...............................II-24
2.5 Perangkat Mobile Android........................................................II-25
2.6 Rational Unified Proccess (RUP).............................................II-25
BAB III METODELOGI PENELITIAN........................................................III-1
3.1 Unit Penelitian..........................................................................III-1
3.2 Metode Pengumpulan Data.......................................................III-1
3.2.1 Jenis Data.......................................................................III-1

3.2.2 Sumber Data...................................................................III-1

3.2.3 Teknik Pengumpulan Data.............................................III-2
3.3 Tahapan Penelitian....................................................................III-2
3.3.1 Mengkaji Konsep Tentang Metode Ekstraksi Ciri ZAMI Dan
Pengenalan Pola Biomimetik.........................................III-3
3.3.2 Mengumpulkan Data Sidik Jari dan melakukan proses prapengolahan (ekualisasi histogram, binnerisasi, dan thinning)
terhadap citra sidik jari...................................................III-3
3.3.3 Melakukan Pengembangan Perangkat Lunak Menggunakan
Metode Rational Unified Proccess (RUP).....................III-4
3.3.4 Melakukan Identifikasi Citra Sidik Jari Menggunakan
Perangkat Lunak Yang Dikembangkan..........................III-5
3.3.5 Menganalisis dan Membahas Hasil Penggunaan Perangkat
Lunak Berdasarkan Data Uji..........................................III-5
3.3.6 Membuat Kesimpulan....................................................III-6
3.3.7 Diagram Alur Proses Umum Perangkat Lunak..............III-7
3.4 Metode Pengembangan Perangkat Lunak.................................III-8
3.5 Penjadwalan Tugas Akhir.........................................................III-14
DAFTAR PUSTAKA......................................................................................1

DAFTAR GAMBAR
Gambar II-1. Finger Print Patten Classes...........................................................II-8
Gambar II-2. Skema Umum Pengolahan Citra Digital.......................................II-9

Gambar II-3. Skema Diagram Perbedaan BP, RBF, dan BPR..........................II-15

Gambar II-4. Original HSN dan yang mendekati HSN dalam bentuk 2D........II-18
Gambar II-5. Jaringan Syaraf Tiruan Satu Bobot ............................................II-19
Gambar II-6. Jaringan Syaraf Tiruan Bobot Banyak........................................II-20
Gambar II-7. Rational Unified Proccess...........................................................II-28
Gambar III-1. Blok Diagram Proses Umum Perangkat Lunak Identifikasi
Sidik Jari Menggunakan Pengenalan Pola Biomimetik..............III-7

DAFTAR TABEL
Tabel II-1. Penelitian Terdahulu Mengenai Identifikasi Sidik Jari.....................II-5
Tabel II-2. Perbedaan PPS dan PPB.................................................................II-14

Tabel III-1. Tahapan Pengembangan Perangkat Lunak Menggunakan Metode

RUP.................................................................................................III-9
Tabel III-2. Penjadwalan Tugas Akhir..............................................................III-14

DAFTAR LAMPIRAN

BAB I
PENDAHULUAN
I.1

Latar Belakang
Automatic Teller Machine (ATM) adalah alat kasir otomatis tanpa orang,

ditempatkan di dalam atau di luar pekarangan bank, yang mampu untuk

mengeluarkan uang tunai dan menangani transaksi-transaksi perbankan yang rutin
(Allen, 1992). ATM merupakan layanan perbankan yang digunakan untuk
bertransaksi, seperti penarikan uang, mengetahui informasi saldo, pembayaran
tiket, listrik, dan berbagai transaksi tanpa harus datang langsung ke Kantor Bank
dan tanpa terikat waktu1. Kota Palembang merupakan ibu kota provinsi Sumatera
Selatan, yang memiliki luas 400,61 km 2. Secara administrasi terdiri dari 16
kecamatan dan 107 kelurahan, didalamnya terdapat berbagai macam instansi
pemerintahan, perindustrian, perbankan dan usaha rakyat2. Dimana salah satu
badan usaha yang bergerak dibidang perbankan adalah PT. Bank Pembangunan
Daerah Sumatera Selatan dan Bangka Belitung (Bank Sumsel Babel). Bank
Sumsel memiliki 23 kantor cabang di wilayah Sumatera Selatan dan Bangka

1 http://bni.co.id/id-id/bankingservice/consumer/layananebanking/bniatm.aspx

http://palembang.go.id/?nmodul=halaman&judul=keadaaan-

geografis&bhsnyo=id

Belitung, 198 ATM yang tersebar di seluruh Kota Palembang 3. Dari jumlah ATM
yang masih sedikit di Kota Palembang, pengguna ATM sulit mencari lokasi ATM
yang tersebar di Kota Palembang, jarak ATM dari lokasi keberadaan pengguna,
tidak mengetahui informasi pecahan uang yang dikeluarkan mesin ATM. Untuk
mengatasi masalah tersebut, pemanfaatan teknologi mobile computing seperti
smartphones untuk membantu pengguna ATM dapat mengakses informasi ATM.
Perkembangan teknologi mobile computing berkembang secara cepat dan
konstan, banyak teknologi, metode dan aplikasi baru yang diperkenalkan dan
kemudian diterapkan. Salah satu aplikasinya yang mulai banyak menyita
perhatian publik adalah Location Based Services (Hu et al., 2012). Location
Based Services (LBS) adalah platform yang menyediakan layanan informasi
berdasarkan letak geografis perangkat mobile yang didukung peta elektronik dan
Global Positioning System (GPS) (Kumar, Qadeer, and Gupta 2009). Salah satu
platform mobile yang dapat digunakan untuk mengimplementasikan LBS adalah
Android. Android adalah sistem operasi berbasis mobile yang dikembangkan oleh
Google. Android merupakan platform yang terbuka (opensource) sehingga siapa
saja dapat mengembangkan apa saja di dalamnya. Android terintegrasi dengan
Google-Maps yang menyediakan perangkat-perangkat untuk pengembangan LBS
(Amit and Vineet, 2011).
Penelitian tentang LBS telah dilakukan beberapa tahun terakhir seperti
pembahasan

fasilitas

yang

tersedia

di

platform

Android

untuk

mengimplementasikan LBS (Geoservice) (Kumar, Qadeer, and Gupta 2009),

3 http://www.banksumselbabel.com/Lokasi?ID=6

10

implementasi LBS melalui google web services pada ponsel android (Singhal,
and Shukla, 2012), indentifikasi komponen kunci LBS untuk menyediakan
layanan kepada pengguna pada ponsel android (Doshi, Jain, and Shakwala 2014).
Pencarian rute terpendek merupakan penentuan rute dari titik awal ke titik
tujuan. Beberapa metode menentukan jalur terpendek seperti, Algoritma Djikstra
(Goyal, et al 2013), Partical Swarm Optimization (PSO) (Jatmiko, et al 2011), A
Star (A*) (Tian, Wang, and Li) telah diusulkan untuk pencarian rute terpendek.
Algoritma Djikstra mempunyai kelebihan bisa digunakan ketika titik awal dan
titik tujuan tidak diketahui, dengan cara memeriksa setiap kemungkinan yang ada
untuk menentukkan jalur terpendek, namun algoritma ini lemah pada efisiensi
waktu jika diterapkan pada aplikasi pencarian yang lebih besar (Goyal, et al.,
2013). Kelebihan PSO adalah sangat baik dalam pencarian secara lokal maupun
global, namun algoritma ini mempunyai kekurangan yaitu pada iterasi tertentu
pergerakan setiap partikel-partikel tidak terlalu signifikan dan membuat
perhitungan PSO menjadi tidak efektif karena PSO bersifat konvergen (Jatmiko,
et al., 2011). Sedangkan algoritma A* mempunyai kelebihan stabilitas yang baik,
praktis dan efisien, sehingga cocok untuk digunakan pada aplikasi pencarian jalur
terpendek di perangkat mobile (Tian, Fang, and Li 2011).
Algoritma A Star (A*) merupakan algoritma pencarian jalur terpendek
yang mempunyai stabilitas yang baik, praktis dan efisien, A* terbukti cocok untuk
diterapkan pada perangkat mobile (Tian, Fang, and Li 2011). Pada penelitian ini
A* akan digunakan pada proses pencarian jalur terpendek pencarian lokasi ATM
sehingga didapat hasil pencarian yang akurat dan waktu yang lebih efisien.

11

I.2

Rumusan Masalah
Berdasarkan uraian pada latar belakang, masalah yang akan diangkat pada

penelitian ini adalah bagaimana menentukkan lokasi dan jarak dari pengguna
ATM ke lokasi ATM di Kota Palembang pada smartphone Android menggunakan
Algoritma A*.
I.3

Tujuan Penelitian

Tujuan penelitian ini adalah membuat aplikasi pencarian lokasi ATM di Kota
Palembang menggunakan LBS dan metode A*, untuk membantu pengguna ATM
menemukan lokasi ATM di Kota Palembang.
I.4

Manfaat Penelitian
Manfaat penelitian ini adalah:
1. Aplikasi dapat digunakan untuk menemukan lokasi ATM terdekat dari
posisi pengguna ATM;
2. Menghemat waktu pengguna dengan memberikan informasi lokasi ATM.

I.5

Ruang Lingkup
Ruang lingkup penelitian ini adalah :
1. Wilayah ATM yang diambil pada penelitian ini hanya berada di wilayah
Kota Palembang;
2. ATM Bank yang digunakan pada penelitian ini adalah ATM Bank Sumsel
Babel;
3. Aplikasi yang dikembangkan hanya dapat dijalankan di platform android;
4. Peta lokasi yang digunakan diambil dari Google Maps;

12

BAB II
TINJAUAN PUSTAKA
II.1

Penelitian Terkait
Penelitian mengenai Location Based Service (LBS) pada mobile Android

telah dilakukan beberapa tahun terakhir. Penelitian yang dilakukan oleh Kumar,
Qadeer, and Gupta (2009) penelitian tersebut membahas fasilitas yang tersedia
didalam platform android untuk mengimplementasikan LBS. Untuk memfasilitasi
implementasi LBS, Android menyediakan akses komponen-komponen seperti
Location Manager dimana komponen ini berfungsi mengelola semua komponen
lain yang diperlukan untuk membangun sistem LBS. Location Provider berfungsi
menentukkan lokasi fisik yaitu menangani Geographical Information System
(GIS). Geocoding yang menyediakan cara untuk mengubah koordinat geografis
(longitude, latitude) menjadi alamat jalan. Dan GoogleMap sebagai penyedia
yang menampilkan peta pada sistem LBS. Berdasarkan tools yang tersedia
didalam android terdapat tiga jenis layanan LBS. Yang pertama yaitu, perangkat
mobile dapat dikonfigurasi sebagai server, Database SQLite sebagai penyimpan
informasi, Konfigurasi dua smartphone android untuk menyediakan layanan LBS
peer to peer melalui Short Message Service (SMS) atau Multimedia Message
Service (MMS).

13

Penelitian lainnya dilakukan oleh Gugapriya, Vaitheki, and Kaviyarasi

(2013). Dalam penelitian ini diusulkan aplikasi perbankan yang terintegrasi dalam
smartphone Android. Peneliti mengeksplorasi peluang menggunakan teknologi
mobile di perbankan elektronik (e-banking) untuk meningkatkan sektor yang ada
pada layanan perbankan dengan bergerak ke arah m-banking menggunakan
perangkat mobile dan media nirkabel yang dapat memberikan kesempatan untuk
mengakses layanan perbankan dimana saja dan kapan saja. Di dalam penelitian
ini, LBS digunakan untuk mengidentifikasi lokasi dan navigasi pengguna kearah
Bank atau ATM terdekat.
Pada penelitian LBS lainnya yang dilakukan oleh Doshi, Jain and Shakwala
(2014) yang membahas Location Based service (LBS) secara rinci dan
mengidentifikasi komponen kunci dari LBS untuk menyediakan layanan kepada
pengguna di platform Android. Penelitian ini juga menjelaskan penggunaan dan
penerapan Google Maps dan API dalam mendapatkan berbagai informasi lokasi
berbasis Android. Informasi lokasi ini dapat diperoleh dalam istilah yang berbeda
seperti posisi sekitar, kedekatan, konteks, peta, rute, tempat dan lain-lain.
Penelitian mengenai implementasi metode pencarian rute terpendek di
perangkat mobile sudah pernah dilakukan oleh

Tian, Wang and Li (2011),

penelitian tersebut mengimplementasikan algoritma A-Star (A*) dalam aplikasi

GIS (Geographic Information Systems). Dalam penelitian tersebut membahas
masalah antara kecepatan pemrosesan data dan kapasitas memori yang terbatas
dari perangkat mobile dengan kecepatan tinggi GIS mobile, sehingga diusulkan

14

metode pencarian jalur terpendek menggunakan A* yang memiliki stabilitas yang

baik, praktis dan efisien, sehingga cocok untuk perangkat mobile.

II.2

Location Based Services (LBS)

2.2.1

Definisi Location Based Services

Location Based Service (LBS) adalah layanan informasi yang dapat

diakses menggunakan perangkat mobile melalui jaringan selular dan memliliki

kemampuan untuk memanfaatkan lokasi posisi perangkat mobile (Virrantaus et al.
2001).
Definisi yang sama juga diberikan oleh Open Geospatial Consortium
(OGC, 2005) mengenai LBS yaitu sebuah layanan IP nirkabel yang
menggunakan informasi geografi untuk memberikan layanan pengguna perangkat
mobile. Location Based Services (LBS) adalah sebuah nama umum untuk layanan
baru dimana informasi lokasi menjadi parameter utamanya (Kupper, 2005).
Secara umum LBS dapat didefinisikan sebagai layanan yang mengintegrasikan
lokasi perangkat mobile dengan informasi lain, sehingga dapat memberikan
informasi yang bermanfaat bagi pengguna.
Dari beberapa definisi diatas LBS dapat menggambarkan gabungan dari tiga
teknologi (Gambar II.1). Hal ini diciptakan dari konsep baru Teknologi Informasi
dan Komunikasi (NICTS) seperti sistem telekomunikasi selular dan perangkat

15

mobile atau perangkat genggam, dari Internet dan dari Sistem Informasi Geografis
(GIS) dengan database spasial (Shiode et al. 2004).

Gambar II-1. LBS kombinasi dari beberapa disiplin ilmu

(Sumber : Shiode et al, 2004)
2.2.2

Relasi GIS dan LBS

Pada Gambar II.1 menunjukkan bahwa GIS dan LBS memiliki beberapa

kesamaan yakni pada penanganan data yang terkait referensi posisi dan fungsi
analisis spasial (Layanan LBS) yang mampu memberikan atas pertanyaanpertanyaan seperti berikut :

Dimana posisi saya sekarang?,

Apa yang terdekat dengan posisi saya?,

Bagaimana saya pergi ke suatu tempat?

Tapi pada dasarnya GIS dan LBS memiliki asal yang berbeda dan
kelompok

16

pengguna yang berbeda seperti yang dijelaskan Virrantaus, et al.(2001). Dalam

penelitian Virrantaus, dkk menganalisis bahwa Sistem Informasi Geografis telah
dikembangkan selama beberapa dekade berdasarkan aplikasi professional data
geografi. Sedangkan LBS lahir baru-baru ini oleh evolusi layanan perangkat
mobile publik. Sehubungan dengan kelompok pengguna, GIS dapat terlihat
sebagai profesional sistem tradisional yang ditujukan untuk pengguna
berpengalaman dengan berbagai macam fungsi. Selanjutnya GIS membutuhkan
sumber daya komputasi yang besar. Sedangkan, LBS dikembangkan sebagai
layanan terbatas untuk kelompok pengguna non-profesional. Seperti aplikasi LBS
dioperasikan dengan keterbatasan lingkungan komputasi pada perangkat mobile,
seperti daya komputasi rendah, tampilan kecil, atau ketahanan baterai yang
berjalan pada perangkat mobile.
2.2.3

Arsiktektur LBS
Secara umum LBS terdiri dari tiga lapisan, yaitu seperti terlihat pada

Gambar II-2. berikut ini :

Gambar II-2. Arsitektur Location Based Service

17

(Sumber : Amit kuswaha and Vineet kuswaha 2011)

1. LBS Application
Lapisan ini terdiri dari beberapa aplikasi seperti smartphones yang
terdapat beberapa sensor dan komponen beberapa server aplikasi dan
database spasial. Aplikasi server merupakan pusat pengolahan untuk
platform LBS yang berfugsi mengatur antarmuka pengguna yang
berhubungan dengan database spasial;
2. LBS middleware
Lapisan ini sebagai lapisan penghubung antara teknologi jaringan dengan
teknologi nirkabel dan internet. Hal ini yang sering digunakan dalam
jaringan operator atau jaringan host oleh penyedia layanan;
3. Core LBS Features
- Location Tracking
Location Tracking adalah layanan Global Positioning System
(GPS) sebuah ponsel yang dapat digunakan oleh pengguna untuk
memantau pergerakan pengguna smartphones.
-

GIS Provider
GIS Provider adalah layanan yang memiliki fasilitas geospecific
yang berfungsi untuk aplikasi LBS seperti peta informasi, peta

visualisasi, dan layanan direktori.

Location Collection Service
Pada layanan ini fokus mendapatkan titik koordinat latitude dan
longitude untuk pengguna tertentu. Secara umum latitude adalah
garis vertical yang memisahkan kutub utara dan kutub selatan.

18

Sedangkan longitude adalah sebuah garis horizontal yang

menghubungkan sisi utara bumi dengan sisi selatan bumi.

2.2.4

Komponen LBS

Gambar II-3. Komponen Location Based Service

(Sumber : Doshi, Jain and Shakwala 2014)
1. Mobile device
Komponen utama ini sebagai alat bantu bagi pengguna untuk meminta
atau menerima informasi yang dibutuhkan. informasi yang dapat
dihasilkan komponen ini berupa teks, suara, gambar dan lainnya.
Perangkat yang mungkin seperti PDA, smartphones, Laptop, Handphone,
dan alat navigasi pada kendaraan;
2. Communication Network
Jaringan komunikasi sebagai penghubung pengiriman data yang dikirim
pengguna dari mobile Devices yang digunakan dan dikirim ke penyedia
layanan data, kemudian penyedia layanan mengirimkan kembali kepada
pengguna dalam bentuk sebuah informasi yang dibutuhkan oleh pengguna;
3. Positioning Component

19

Pada dasarnya informasi yang dapat dihasilkan LBS agar dapat memenuhi
kebutuhan pengguna berupa informasi lokasi, oleh karena itu komponen
ini diperlukan sebagai komponen yang berfungsi sebagai pemroses untuk
menentukan lokasi pengguna pada saat itu. Posisi pengguna didapatkan
melalui jaringan komunikasi mobile atau GPS;
4. Service and Application Provider
Provider informasi ini memberikan informasi berdasarkan permintaan
pengguna berdasarkan informasi lokasi atau informasi yang dikirimkan
oleh pengguna. Provider melakukan proses komputasi seperti menemukan
rute perjalanan, informasi tempat terdekat, mencari ke database external
seperti yellow pages atau google API untuk menghasilkan informasi yang
dibutuhkan oleh pengguna;
5. Data and Content Provider
Komponen yang terakhir ini merupakan komponen yang akan membantu
kerja dari komponen keempat, karena tidak semua data disimpan oleh
penyedia layanan, bisa jadi informasi yang dibutuhkan pengguna ada
berada di pihak pengembang yang memiliki otoritas untuk menyimpan
atau melindungi data tersebut.

2.2.5

Kategori LBS
Berdasarkan informasi yang dikirim oleh pengguna layanan LBS

dibedakan menjadi :
1. Pull Service, layanan ini bersifat reactive, dengan kata lain layanan ini
akan memberikan layanan jika pengguna membutuhkan informasi, aplikasi
akan memberikan informasi sesuai dengan permintaan pengguna;
20

2. Push Service, layanan ini bersifat proactive, layanan ini diberikan

langsung oleh service provider tanpa harus menuggu pengguna melakukan
aksi, informasi didapat oleh pengguna secara berkala dan informasi yang
didapat tentu saja tetap berkaitan dengan kebutuhan pengguna.

2.2.6

Proses Location Based Services

Gambar II-4. Proses Location Based Service

(Sumber : Amit Kushwaha and Vineet Kushwaha, 2011)

Berikut ini adalah langkah-langkah dari proses LBS seperti yang

terlihat dari Gambar II-4.
1. Pengguna mengirimkan permintaan layanan untuk layanan server
menggunakan aplikasi LBS yang berjalan pada perangkat mobile;
2. Seiring dengan permintaan layanan, informasi lokasi pengguna saat ini
diambil dari positioning component dan dikirim ke layanan server
menggunakan jaringan komunikasi;

21

3. Layanan server menganalisis informasi geografis yang diminta oleh

pengguna dan kemudian meminta data yang relevan dari konten atau
penyedia data (misalnya database geografis);
4. Informasi yang diminta dikirim kembali ke perangkat mobile pengguna
melalui komunikasi jaringan mobile.

II.3

Perangkat Mobile Android

Perangkat mobile merupakan komponen utama LBS. Perangkat ini sebagai

alat bantu bagi pengguna untuk menerima informasi, informasi yang dapat
dihasilkan perangkat mobile berupa teks, suara, gambar dan lain-lain. Perangkat
mobile yang digunakan pada penelitian ini adalah handphone berbasis android.
Android merupakan suatu software (perangkat lunak) yang digunakan pada
perangkat mobile device (perangkat bergerak) yang meliputi sistem operasi,
middleware dan aplikasi inti. Bahasa pemrograman yang digunakan android
adalah bahasa pemrograman Java, selain itu android juga menyediakan android
Software Development Kit (SDK) yang dapat dijalankan dengan Eclipse sebagai
Integrated Development Environment (IDE). Android SDK merupakan sebuah
tools API (Application Programming Interface) yang dibutuhkan pengembang
untuk membangun aplikasi platform Android yang menggunakan bahasa
pemrograman Java.
2.3.1

Arsitektur Android
Secara umum arsitektur dapat dijelaskan dari Gambar II.5 berikut ini :

22

Gambar II-5. Arsitektur Android

(Sumber : Rani et al, 2012)
a. Applications
Applications adalah dimana layer ini berada dibagian lapisan paling
atas dari arsitektur Android (Gambar II-3). Layer ini adalah lapisan yang
paling akrab dengan pengguna Android. Android dikenal dengan berbagai
aplikasi yang dapat memenuhi kebutuhan pengguna. Lapisan ini berjalan
dalam Android runtime dengan menggunakan kelas dan service yang
tersedia dalam framework aplikasi. Android dikembangkan dengan
menggunakan bahasa pemrograman bahasa Java, bahasa pemrograman ini
dipilih karena java merupakan bahasa yang sudah terkenal dan dipelajari di
berbagai Perguruan Tinggi di seluruh dunia, ini dimaksudkan agar mudah
pengembangan aplikasi Android. Aplikasi Android didistribusikan dengan
berbagai cara dan yang paling umum digunakan adalah Google Play Store.
b. Applications framework
Arsitektur aplikasi pada Android dirancang agar pengembang dapat
dengan mudah menggunakan komponen-komponen yang ada pada
23

Android. Arsitektur ini juga menyediakan abstraks generik yang berguna

untuk mengakses perangkat, mengatur tampilan antarmuka, dan sumber
daya yang digunakan aplikasi. Hal ini berdampak pada pengembang
aplikasi yang mempunyai akses penuh framework API yang sama dengan
framework yang digunakan aplikasi inti. Bagian terpenting dalam
Application framework adalah sebagai berikut :
1. Activity Manager, berfungsi untuk mengontrol siklus hidup aplikasi,
serta memanajemen activity pada aplikasi yang sedang dijalankan;
2. Content Provider, berfungsi untuk merangkum data yang dapat
digunakan oleh aplikasi lain;
3. Resource Manager, berfungsi untuk mengatur sumber daya yang ada
didalam program. Serta menyediakan akses sumber daya diluar kode
program;
4. Views, berfungsi dalam pembangunan user interface pada activity yang
akan dijalankan, sehingga pengguna dapat dengan mudah berinteraksi
dengan perangkat mobile;
5. Notification Manager, berfungsi mengatur berbagai peringatan yang ada,
seperti pesan masuk, alarm, dan lain sebagainya yang akan ditampilkan
pada status bar.
c. Libraries
Layer ini dimana fitur-fitur Android berada, biasanya digunakan
dalam mengembangkan aplikasi dengan mengakses library yang terdapat

24

pada C/C++ dengan standar Berkeley Software Distribution (BSD) untuk

menjalankan aplikasi. Beberapa library tersebut yaitu :
a. Media Library, untuk memutar dan merekam berbagai format untuk
Audio dan Video;
b. Surface Manager, berfungsi untuk mengatur hak akses layer dari
berbagai aplikasi;
c. Graphic Library, yang terdiri dari SGL dan OpenGL yang berfungsi
untuk mengatur tampilan 2D dan 3D pada Android;
d. SQLite, yang berfungsi untuk mengatur relasi database yang digunakan
pada aplikasi;
e. SSL dan WebKit, berfungsi sebagai browser dan keamanan pada
jaringan internet.
d. Android Runtime
Dalam sistem operasi Android tertanam paket library inti yang
menyediakan sebagian besar fungsi android. Android runtime merupakan
mesin virtual yang membuat aplikasi android menjadi lebih tangguh dengan
paket pustaka yang telah ada. Terdapat dua bagian utama pada android
runtime, yaitu :
a. Core Library. Library ini menyediakan hampir semua fungsi yang
terdapat pada library Java dan beberapa library khusus Android;
b. Dalvik Virtual Machine (DVM), mesin virtual yang mengeksekusi file
dalam format Dalvik Executable (*.dex). Dengan format ini Dalvik dapat
mengoptimalkan efisiensi penyimpanan dan pengalamatan memori pada
25

file yang dieksekusi. Dalvik berjalan diatas kernel Linux 2.6, dengan
memiliki fungsi dasar seperti threading dan manajemen memori yang
terbatas.
e. Linux Kernel
Linux kernel adalah lapisan inti dari operating sistem dari Android
itu berada. Linux merupakan system operasi open source (terbuka) yang
handal dalam manajemen memori dan proses. Dalam sistem operasi
Android terdapat beberapa service (layanan) yang diperlukan seperti
keamanan, manajemen memori, manajemen proses, jaringan dan driver.

BAB III

METODELOGI PENELITIAN
III.1 Unit Penelitian
Unit penelitian tugas akhir ini adalah Laboratorium Kecerdasan Buatan
(AIRLab) Fakultas Ilmu Komputer Universitas Sriwijaya, Indralaya.
III.2 Metode Pengumpulan Data
Bagian ini menjelaskan secara rinci mengenai data yang digunakan sebagai
objek penelitian.

26

III.2.1 Jenis Data

Jenis data yang digunakan dalam penelitian tugas akhir ini merupakan data
sekunder berupa citra sidik jari. Data yang digunakan tentunya harus memiliki
sumber yang jelas sebagai bukti validasi data. Adapun sumber data tersebut
dijelaskan pada sub-bagian selanjutnya.
III.2.2 Sumber Data
Data sidik jari yang digunakan bersumber dari databse Biometric
Research Center (UGC/CRC) The Hong Kong Polytechnic University Kowloon,
Hongkong (http://www4.comp.polyu.edu.hk/~biometrics/HRF/HRF.htm, terakhir
diakses pada tanggal 10 September 2015). Database tersebut berisikan citra sidik
jari yang telah dikelompokkan sesuai dengan kualitas citra yang diambil.
III.2.3 Teknik Pengumpulan Data
Data yang digunakan pada penelitian tugas akhir ini adalah citra sidik jari
sebanyak 100 sampel yang masing-masing sampel akan diambil 10 citra sidik jari
yang berbeda, sehingga jumlah sampel citra sidik jari yang digunakan sebanyak
1000 buah. Citra sidik jari tersebut diperoleh dengan mengunduhnya melalui
internet dengan format JPG dan memiliki resolusi sebesar 320 x 240 piksel. Citra
sidik jari yang digunakan pada penelitian ini tidak mengalami perubahan resolusi
baik diperbesar, diperkecil atau dipotong dari ukuran aslinya dan mengalami
proses prapengolahan yaitu ekualisasi histogram, binnerisasi dan thinning
(penipisan). Proses prapengolahan ini dilakukan diluar perangkat lunak
menggunakan perangkat lunak lain yang didalamnya terdapat library OpenCV
yang diintegrasikan menggunakan bahasa pemrograman Java. Proses ini bertujuan

27

untuk menghasilkan citra yang sesuai dengan kebutuhan sebagai masukan

perangkat lunak.
III.3 Tahapan Penelitian
Secara garis besar, tahapan penelitian yang dilakukan pada tugas akhir ini
adalah sebagai berikut:
1. Mengkaji konsep tentang metode ekstraksi ciri Zernike Aspect Moment
Invariant (ZAMI) dan Pengenalan Pola Biomimetik;
2. Mengumpulkan data citra sidik jari dan melakukan proses prapengolahan (ekualisasi histogram, binnerisasi, dan thinning) terhadap
citra sidik jari;
3. Melakukan pengembangan perangkat lunak menggunakan metode
Rational Unified Proccess (RUP);
4. Melakukan identifikasi citra sidik jari menggunakan perangkat lunak
yang dikembangkan;
5. Menganalisis dan membahas hasil identifikasi perangkat lunak
berdasarkan data uji;
6. Membuat kesimpulan;
Penjelasan lebih rinci tahapan penelitian pada akan dijelaskan sebagai
berikut:

28

1 Mengkaji Konsep Tentang Metode Ekstraksi Ciri ZAMI Dan Pengenalan

Pola Biomimetik
Pengkajian konsep pada penelitian tugas akhir ini dilakukan untuk
memahami metode yang digunakan sehingga alur proses yang terdapat pada
metode yang digunakan dapat diketahui dan dipahami dengan jelas. Pada kasus
penelitian tugas akhir ini, metode ekstraksi ciri yang digunakan adalah Zernike
Aspect Moment Invariant (ZAMI), metode ini dapat membangkitkan 6 buah ciri
dari setiap citra sidik jari. Sedangkan untuk pengenalannya, metode yang
digunakan adalah Pengenalan Pola Biomimetik.
III.3.2 Mengumpulkan Data Sidik Jari dan melakukan proses prapengolahan

(ekualisasi

histogram,

binnerisasi,

dan

thinning)

terhadap citra sidik jari

Pada kegiatan ini dilakukan proses pengumpulan data sekunder dari citra
sidik jari yang diperoleh melalui sumber databse Biometric Research Center
(UGC/CRC) The Hong Kong Polytechnic University Kowloon, Hongkong
(http://www4.comp.polyu.edu.hk/~biometrics/HRF/HRF.htm,

terakhir

diakses

pada tanggal 10 September 2015). Data yang digunakan sebanyak 100 sampel
citra sidik jari yang masing sampelnya diambil 10 citra sidik jari yang berbeda.
Data yang diperoleh memilik format JPG yang memiliki resolusi sebesar 320 x
240 piksel. Data citra sidik jari yang digunakan pada penelitian ini tidak
mengalami perubahan resolusi baik diperbesar, diperkecil atau dipotong (crop)
dari ukuran aslinya.

29

Pada tahap ini juga dilakukan kegiatan pra-pengolahan terhadap citra

sidik jari, kegiatan yang dilakukan meliputi normalisasi citra menggunakan
Ekualisasi Histogram, Binerisasi dan Penipisan (Thinning) terhadap sampel citra
sidik jari yang digunakan. Hal ini berfungsi untuk memperbaiki kualitas citra sidik
jari sehingga dapat menghasilkan hasil yang lebih baik pada saat melakukan
pengidentifikasian.
III.3.3 Melakukan Pengembangan Perangkat Lunak Menggunakan Metode
Rational Unified Proccess (RUP)
Pada

kegiatan

ini

dilakukan

pengembangan

perangkat

lunak

menggunakan metode RUP. Kegiatan yang dilakukan meliputi bussiness

modeling, analisis dan perancangan perangkat lunak serta pengkodean modulmodul program menggunakan bahasa pemrograman Java.
III.3.4 Melakukan Identifikasi Citra Sidik Jari Menggunakan Perangkat
Lunak Yang Dikembangkan
Setelah perangkat lunak dikembangkan menggunakan metode RUP, pada
bagian ini akan dilakukan proses pengujian berupa identifikasi terhadap sampel
citra sidik jari yang telah disiapkan. Hal ini dilakukan untuk mengetahui apakah
perangkat lunak yang dikembangkan telah memenuhi kebutuhan perangkat lunak
seperti yang diinginkan.

30

III.3.5 Menganalisis dan Membahas Hasil Penggunaan Perangkat Lunak

Berdasarkan Data Uji
Pengolahan data dari hasil yang diperoleh pada pengujian perangkat
lunak yang telah dilakukan pada tahapan sebelumnya dianalisis ke dalam suatu
pembahasan. Pada proses ini akan diketahui persentase tingkat keberhasilan dari
perangkat lunak identifikasi sidik jari dalam melakukan pengenalan terhadap citra
sidik jari yang diujikan. Tingkat keberhasilan yang dimaksudkan adalah bahwa
perangkat lunak dapat mengidentifikasi citra sidik jari dan citra sidik jari yang
diidentifikasi berhasil dikenali kepemilikannya. Persamaan (III.1) dapat
digunakan untuk mengetahui persentasi tingkat keberhasilan pengenalan.
keberhasilan=

jumlah sampel yang dikenali

100
jumlah semua sampel yang diujikan

(III.1)

Pada kegiatan ini juga dilakukan analisis mengenai tingkat kegagalan

perangkat lunak dan mencari penyebab mengapa hal tersebut dapat terjadi.
Kegagalan yang dimaksudkan adalah bahwa citra sidik jari yang diujikan tidak
teridentifikasi baik sebagai citra sidik jari dan / atau citra sidik jari tersebut tidak
berhasil teridentifikasi kepemilikannya. Persamaan (III-2) dapat digunakan untuk
mengetahui persentase tingkat kegagalan dalam melakukan pengenalan.
%kegagalan=100 %keberhasilan

(III.2)
Pada proses ini juga akan diketahui kecepatan waktu pelatihan dan
pengenalan perangkat lunak identifikasi sidik jari. Kecepatan waktu pelatihan
akan dihitung mulai dari proses ekstraksi ciri data pelatihan hingga disimpan
kedalam database. Sedangkan kecepatan waktu pengenalan perangkat lunak akan

31

dihitung mulai dari proses ekstraksi ciri data pengujian hingga ditentukan apakah
citra sidik jari tersebut dikenali atau tidak.
III.3.6 Membuat Kesimpulan
Pada tahapan ini, kesimpulan akhir dapat diambil setelah dilakukannya
analisis dan pembahasan terhadap hasil identifikasi citra sidik jari menggunakan
perangkat lunak yang telah dikembangkan.

32

III.3.7 Diagram Alur Proses Umum Perangkat Lunak

Gambar III-1. Blok Diagram Proses Umum Perangkat Lunak Identifikasi Sidik Jari
Menggunakan Pengenalan Pola Biomimetik

Gambar III-1 di atas menjelaskan proses umum perangkat lunak yang akan
dikembangkan pada penelitian tugas akhir ini. Secara umum terdapat 2 prosedur
33

utama dalam proses identifikasi sidik jari ini, yaitu prosedur pelatihan dan
prosedur identifikasi. Prosedur pelatihan menjelaskan proses pembentukan model
data latih dari data yang tersedia. Sedangkan prosedur identifikasi menjelaskan
mengenai proses pengenalan data baru yang akan diidentifikasi identitasnya. Citra
sidik jari menjadi masukan perangkat lunak. Pada prosedur pelatihan, citra sidik
jari diekstraksi cirinya dan disimpan dalam database untuk kemudian dipakai
pada tahap pengenalan. Pada prosedur identifikasi, citra sidik jari juga diekstraksi
cirinya dan melewati proses pengenalan menggunakan metode PPB dan kemudian
ditentukan apakah citra sidik jari tersebut dikenali kepemilikannya atau tidak. Jika
ya, maka citra sidik jari tersebut dinyatakan teridentifikasi dan perangkat lunak
akan menampilkan ID kepemilikan dari citra sidik jari yang teridentifikasi.
Sedangkan jika tidak, maka citra sidik jari tersebut dinyatakan tidak teridentifikasi
oleh perangkat lunak.
III.4 Metode Pengembangan Perangkat Lunak
Metode pengembangan perangkat lunak yang digunakan pada penelitian
tugas akhir ini adalah metode Rational Unified Process (RUP). Metode ini dipilih
karena menggunakan paradigma pengembangan perangkat lunak berorientasi
obejek dan bersifat dinamis karena setiap fase-fase dalam metode RUP
mendukung untuk melakukan pengulangan terhadap fase sebelumnya. Kegiatan
yang dilakukan pada setiap fase dalam metode RUP akan dijelaskan pada Tabel
III-1 berikut ni:
Tabel III-1. Tahapan Pengembangan Perangkat Lunak Menggunakan Metode RUP

Alur Kerja

FASE

34

Insepsi

Elaborasi

- Pada fase ini ruang

- Pada fase ini, use case lingkup dari
yang telah dibuat
perangkat lunak telah
sebelumnya
ditentukan, yaitu
dideskripsikan secara
perangkat lunak akan
lebih detail.
mengenali citra sidik - Skenario use case pada
jari seseorang.
fase sebelumnya
- Menentukan aktor yang
dijelaskan kembali
terlibat dalam
lebih detail.
perangkat lunak.
- Mendefinisikan use
case dari perangkat
lunak.
- Membuat skenario
sementara dari use
case dan interaksi
aktor terhadap
perangkat lunak.
Kebutuhan Perangkat - Mengumpulkan bahan- - Menambahkan
bahan pembelajaran
kebutuhan tambahan
Lunak
yang berkaitan
berupa penggunaan
dengan metode
library OpenCV yang
ZAMI dan
berfungsi untuk
Pengenalan Pola
memperbaiki kualitas
Biomimetik dalam
citra untuk
pembangunan
digunakan pada
perangkat lunak
tahapan selanjutnya.
identifikasi sidik jari.
- Perangkat lunak akan
membutuhkan data
citra sidik jari yang
berupa data sekunder.
- Data sekunder yang
digunakan berasal
dari database
Biometric Research
Center Hongkong
Polytechnic.
- Pengembangan
Pemodelan Bisnis

35

Konstruksi

Memvisualisasikan
diagram aktor da
case menggunak
Astah Comunity.
Membuat skenario
yang memiliki
urutan-urutan
interaksi dari akt
terhadap perangk
lunak mengguna
Microsoft Word 2
Mendokumentasi u
case dan skenario
case dalam bentu
laporan.

Mengimplementas
data sekunder ya
telah diunduh un
dilakukan
prapengolahanny
menggunakan lib
OpenCV untuk
melakukan
normalisasi,
binnerisasi dan
penipisan.
Mendokumentasi
kebutuhan peran
lunak yang digun
kedalam bentuk
laporan.

Analisis dan Desain

Implementasi

perangkat lunak akan

menggunakan Eclipse
Mars Versi Neon
Milestone 1
(4.6.0M1).
Dokumentasi perangkat
lunak menggunakan
Microsoft Word
2013.
Perangkat keras yang
digunakan untuk
membangun
perangkat lunak ini
yaitu Processor
Intel(R) Core(TM)
i7-3517U CPU @
1.90GHz 2.40 GHz,
RAM 4 GB, dan
Hard Disk 750 GB
Pada fase ini, akan
dibuat perancangan
awal prototype
software dan
penjelasan singkat
cara penggunaan
peragkat lunak.
Membuat draft kelas
analisis, sequence
diagram dan kelas
diagram terhadap use
case yang telah
dibuat sebelumnya.
Bahasa pemrograman yang digunakan
dalam membangun
perangkat lunak
adalah Java.
-

Membuat kelas
analisis, sequence
diagram, dan kelas
diagram sesuai
dengan rancangan
yang telah dibuat.
Menganalisis setiap
tahapan dari aliran
proses pada
perangkat lunak
secara lebih detail.

- Memvisualisasikan
keseluruhan diag
menggunakan Ed
Max 7.7.
- Melakukan finalisa
terhadap rancang
antarmuka peran
lunak.
- Mendokumentasi
keseluruhan diag
kedalam bentuk
laporan.

Melakukan revisi
- Implementasi kodi
terhadap prototype
dalam bahasa Jav
antarmuka
disesuaikan deng
menggunakan
sequence diagram
Microsoft Visio.
untuk melihat
Identifikasi rancangan
hubungan antar k
pada sistem.
antarmuka.
- Bahasa pemrograman

36

Pengujian

menggunakan
compiler Eclipse
Mars Versi Neon
Milestone 1
(4.6.0M1)
- Mempersiapkan data - Mengimplementasi
- Pengujian terhadap
masukan perangka
rencana pengujian
hasil akhir peran
lunak yang digunakan
perangkat lunak
lunak identifikas
untuk proses
dengan memasukkan
citra sidik jari.
pengujian.
data pengujian
- Mengevaluasi hasi
kedalam perangkat
pengujian perang
lunak.
lunak berdasarka
kasus uji.
- Dokumentasi hasil
akhir dari identif
perangkat lunak
dengan menghitu
citra sidik jari ya
dapat dikenali ol
perangkat lunak
membuat kesimp
hasil pengenalan
menggunakan m
yang digunakan.

III.5 Penjadwalan Tugas Akhir

Penjadwalan merupakan perencanaan aktivitas penelitian dari tahap
inisialisasi masalah sampai dengan pada tahap kesimpulan dari penelitian.
Kegiatan-kegiatan yang berlangsung selama penelitian dapat dilihat pada
penjadwalan tugas akhir yang tertera pada Tabel III-2 di bawah ini:
Tabel III-2. Penjadwalan Tugas Akhir

No

Bulan I

Kegiatan

1 2 3

37

Bulan II
4 1

2 3 4

Bulan III
1 2

3 4

Bulan IV
1 2 3

1.

Mengkaji konsep tentang metode

ekstraksi

ciri

Zernike

Moment

Invariant (ZAMI) dan Pengenalan

Pola Biomimetik.
2.

Mengumpulkan data citra sidik jari

dan

melakukan

proses

pra-

pengolahan (ekualisasi histogram,

binnerisasi, dan thinning) terhadap
citra sidik jari.
3.

Melakukan
perangkat

pengembangan
lunak

menggunakan

metode Rational Unified Proccess

(RUP).
4.

Melakukan identifikasi citra sidik

jari menggunakan perangkat lunak
yang dikembangkan.

5.

Menganalisis dan membahas hasil

penggunaan

perangkat

lunak

berdasarkan data uji.

6.

Membuat kesimpulan.

DAFTAR PUSTAKA
Anindita, B. (2014). Pengenalan Ekspresi Wajah Manusia Menggunakan Metode
Jaringan Syaraf Tiruan Back-Propagation. II-7.
Bazen, A. M. (2002). Fingerprint Identification - Feature Extraction, Matching,
and Database Search. 1.
Chotimah, K. C. (2015). Pengenalan Tulisan Tangan Karakter Matematika
Menggunakan

Zernike

Moment

Quantization.

38

Invariant

dan

Learning

Vector

Dwijayanti, S., & Kurniasari, P. (2014). Pengenalan Sidik Jari Menggunakan

Jaringan Syaraf Tiruan Backpropagation Berbasis Scale Conjugate
Gradient. Mikrotiga, Vol 1, No. 2, 37.
Galton, F. (1892). Finger Prints. London.
Galton, F. (1895). Fingerprint Directories. London: Macmillan and Co.
Gonzalez, R. C., & Woods, R. E. (2002). Digital Image Proccessing Second
Edition. New Jersey: Prentice Hall.
Guesmi, H., Trichili, H., Alimi, A. M., & Solaiman, B. (2012). Curvelet
Transform-Based Features Extraction For Fingerprint Identification.
Gunawan, A. A., Gazali, W., & Sanjaya, B. (2012). Analisis Sistem Identifikasi
Sidik Jari Berbasis Minutiae dan Non-Minutiae.
Hu, M.-K. (1962). Visual Pattern Recognition by Moment Invariants. IRE
TRANSACTIONS ON INFORMATION THEORY, 179-187. IEEE.
Indah, M. N. (2009). Identifikasi Sidik Jari Menggunakan Pendekatan Jaringan
Syaraf Buatan dengan Metode Propagansi Balik. Jurnal Petir Vol. 2 No.1,
31.
Isnanto, R. R., Hidayatno, A., & Hadi, M. N. (n.d.). Identifikasi Sidik Jari
Menggunakan Teknik Pencocokan Template Tapis Gabor.
Jain, A. K., Prabhakar, S., & Pankanti, S. (2000). Filterbank-based Representation
for Classification and Matching of Fingerprint. VOL. 9, NO. 5.
Jain, A. K., Ross, A., & Prabakhar, S. (2004). An Introduction to Bimetric
Recognition. 14, 4-5.
Ji, G., Zheng, J., Zou, D., Dong, M., & Li, Q. Q. (2008). Recognition of Plant
mRNA Polyadenylation Sites Based on High-Dimensional Space Points'
Covering Method.
39

Khotanzad, A., & Hong, Y. H. (1990). Invariant Image Recognition by Zernike

Moments. Vol. 12 No. 5. IEEE Transaction on Pattern Analysis and
Machine Intellligence.
Krutchten, P. (2000). The Rational Unified Process An Introduction, 2nd Edition.
Addison Wesley.
Kumar, L., Kumar, S. S., Prasad, J. R., Rao, B. S., & Prakash, P. R. (2011).
Fingerprint Minutia Match Using Bifurcation Technique. Vol 2(4)(478486).
Lestari, W., & Ningsih, P. W. (2014). Deteksi Sidik Jari Seseorang Menggunakan
Mathematical Morphology dan Edge Detection.
Maltoni, D., Jain, A. K., & Prabhakar, S. (2003). Handbook Of Fingerprint
Recogniton.
Muntaha, A., & Munir, R. (2010). Pengenalan Sidik Jari dengan Menggunakan
Algoritma Pencocokan String Boyer-Moore.
Putra, D. (2010). Pengolahan Citra Digital. Yogyakarta, Indonesia: Penerbit Andi.
R.O, D., & P.E, H. (1973). Pattern Classification and Scene Analysist.
Ryszard, E. (1978). Dimension Theory.
Samsuryadi. (2009). Pengidentifikasian Pembuat Tulisan Tangan Dengan
Pengenalan Pola Biomimetik. vol. 4 No.2, 31-33.
Samsuryadi. (2013). Biomimetic Pattern Recognition for Writer Identification
Using Geometrical Moment Invariants.
Samsuryadi, & Shamsuddin, S. M. (2011). Writer Identification Based On Hyper
Sausage Neuron.

40

Samsuryadi, & Shamsuddin, S. M. (2013). Penerapan Jaringan Syaraf Berbobot

Tiga untuk Identifikasi Pembuat Tulisan Tangan. Jurnal Generic, Vol. 8,
No. 2, 255.
Shoujue, W. (2003). A New Development on ANN in China - Biomimetic Pattern
Recognition and Multi Weight Vector Neurons. Lecture Notes in Computer
Science, 35-34.
Shoujue, W., & Jiangliang, L. (2004). Geometrical learning, descriptive geometry,
and biomimetic pattern recognition.
Shou-jue, W., & Xu, C. (2003). Biomimetic (Topological) Pattern Recognition - A
new Model of Pattern Recognition Theory and Its Application. 2258.
Shoujue, W., Singsing, L., Wenming, C., & Xiao, X. (2006). Cognitive Models in
Biomimetic Pattern Recognition. Vol.15, No.4A.
Teaague, M. R. (1980). Image Analysis Via The General Theory of Moments (Vol.
70: 8). Optical Society of America.
Teh, C.-H., & Chin, R. T. (1988). On Image Analysis by the Method of Moments
(Vol. Vol. 10 No.4). IEEE Transaction On Pattern Analysis and Machine
Intelligent.
Uchida, K. (2005). Detection and Recognition Technologies Fingerprint
Recognition. NEC Journal of Advance Technology, Vol.2, No.1, 19.
Wang, S., & Wang, B. (2012). Analysis and Theory of High-Dimension Space
Geometry for Artificial Neural Network. vol. 30, No.10, 1-4.
Wang, S., Wang, B., Chen, X., & Li, Z. (2001). Discussion on the Basic
Mathematic model of Neurons in General Purpose Neurocomputer. Vol.29
No.5, .577-580.

41

Zhai, Y., Zeng, J., Gan, J., & Xu, Y. (2009). A Study of BPR based iris recognition
method.

42