Perancangan Antarmuka dan Integrasi Algoritma CNN pada Sistem Identifikasi Sidik Bibir Berbasis Web
Abstrak
Identifikasi individu merupakan aspek penting dalam bidang forensik dan keamanan digital, namun metode biometrik konvensional masih memiliki keterbatasan dalam penerapannya. Sidik bibir sebagai biometrik unik memiliki potensi besar untuk dimanfaatkan dalam proses identifikasi forensik. Penelitian ini bertujuan merancang antarmuka berbasis prinsip UI/UX serta mengimplementasikan algoritma Convolutional Neural Network (CNN) pada sistem identifikasi sidik bibir berbasis web. Perancangan antarmuka dilakukan dengan prinsip UI/UX agar sistem mudah digunakan, responsif, dan informatif. Sistem memungkinkan pengguna mengunggah citra sidik bibir yang kemudian diproses secara otomatis oleh model CNN untuk mengklasifikasikan pola sesuai data pelatihan. Proses pengolahan citra meliputi segmentasi bibir menggunakan U-Net, peningkatan kualitas dengan Contrast Limited Adaptive Histogram Equalization (CLAHE), serta ekstraksi tekstur menggunakan Gabor Filter untuk menangkap orientasi dan frekuensi garis sidik bibir. Citra hasil ekstraksi selanjutnya diproses melalui binarisasi adaptif dan operasi morfologi untuk mempertegas pola serta mengurangi noise. Model klasifikasi dibangun menggunakan arsitektur MobileNetV2 dengan transfer learning dari pre-trained model ImageNet, disesuaikan pada lapisan akhir untuk klasifikasi sidik bibir. Hasil pengujian pada dataset yang dikembangkan menunjukkan akurasi 100% dan presisi 100%, membuktikan bahwa integrasi antarmuka web yang responsif dengan model CNN dan preprocessing yang tepat mampu menghasilkan sistem identifikasi sidik bibir yang akurat, efisien, dan potensial diterapkan pada bidang forensik serta keamanan digital.
Kata kunci— identifikasi sidik bibir, CNN , mobilenetv2, ui/ux, unet, gabor filter
Referensi
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.
