Integrasi Algoritma CNN pada Backend Sistem Identifikasi Sidik Bibir Berbasis Website
Abstract
Identifikasi individu merupakan aspek krusial dalam bidang forensik dan keamanan digital, namun metode biometrik konvensional memiliki sejumlah keterbatasan. Sidik bibir menawarkan alternatif yang menjanjikan karena polanya yang unik dan permanen. Namun, sistem identifikasi sidik bibir yang ada seringkali belum terintegrasi secara efektif dan efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem identifikasi individu berbasis website dengan mengintegrasikan algoritma Convolutional Neural Network (CNN) pada sisi backend. Metode yang digunakan meliputi serangkaian tahapan pengolahan citra digital yang komprehensif, dimulai dari segmentasi area bibir menggunakan model U-Net, peningkatan kontras dengan Contrast Limited Adaptive Histogram Equalization (CLAHE), ekstraksi tekstur melalui Gabor Filter, hingga binarisasi adaptif dan operasi morfologi untuk memperjelas pola. Model klasifikasi dibangun menggunakan arsitektur MobileNetV2 melalui pendekatan transfer learning. Hasil pengujian sistem pada dataset yang dikembangkan menunjukkan kinerja yang sangat optimal, dengan keberhasilan mencapai akurasi identifikasi sebesar 100% dan tingkat presisi 100%. Keberhasilan ini membuktikan bahwa integrasi algoritma CNN pada backend sistem berbasis web merupakan solusi yang efektif, akurat, dan potensial untuk dikembangkan lebih lanjut sebagai teknologi identifikasi biometrik modern.
Kata kunci — CNN, identifikasi individu, sidik bibir, backend, website, pengolahan citra
References
R. Misra et al., "Lip Print Pattern: A Tool for Personal Identification," Journal of Forensic Medicine and Toxicology, 2021.
M. Farrukh et al., "Automated Lip Biometric System for Human Identification Using Traditional and Deep Learning Approaches," IET Image Processing, vol. 16, no. 9, pp. 2030–2044, 2022.
C. Su et al., "DynamicLip: A Dynamic and Continuous Lip Biometric System for Enhanced Security," arXiv preprint, 2024.
K. Suzuki and Y. Tsuchihashi, "A New Attempt of Personal Identification by Means of Lip Print," Journal of the Japanese Stomatological Society, vol. 16, no. 3, pp. 380–389, 1970.
O. Ronneberger, P. Fischer, and T. Brox, "U-Net: Convolutional Networks for Biomedical Image Segmentation," in Medical Image Computing and ComputerAssisted Intervention, 2015, pp. 234–241.
S. M. Pizer et al., "Adaptive histogram equalization and its variations," Computer Vision, Graphics, and Image Processing, vol. 39, no. 3, pp. 355–368, 1987.
A. K. Jain, N. K. Ratha, and S. Lakshmanan, "Object detection using Gabor filters," Pattern Recognition, vol. 30, no. 2, pp. 295–309, 1997.
