FACE RECOGNITION

Face Recognition

Wajah adalah bagian frontal kepala manusia, membentang dari dahi ke dagu dan termasuk mulut, hidung, pipi, dan mata. Wajah terdiri dari organ-organ sensorik dasar yang diperlukan untuk memahami dunia sekitar, yaitu, mata untuk melihat, hidung untuk mencium, mulut untuk mencicipi, dan telinga untuk mendengar. Dan identitas seseorang dapat dibangun berdasarkan  wajah. Oleh karena itu, wajah banyak digunakan diberbagai token otentikasi seperti KTP, paspor, dan SIM.

Tujuan dari mempelajari mekanisme persepsi wajah manusia:

(a) untuk merancang sistem pengenalan mesin yang dapat meniru kemampuan manusia dalam mengenali wajah dan

(b) untuk memahami mekanisme neurologis atau psikologis fungsi otak untuk perawatan medis.

Untuk mengungkapkan mekanisme pengolahan wajah yang tepat dalam otak manusia dilakukan Studi menggunakan teknik pencitraan otak canggih seperti pencitraan resonansi magnetik fungsional (fMRI).

Studi antropometri mencirikan dimensi wajah berdasarkan landmark anatomis atau poin fidusia. Gambar 3.4 menunjukkan titik-titik landmark perwakilan digunakan dalam beberapa penelitian antropometri.

FACE

Gambar. 3,4 landmark wajah antropometri pada (a) frontal dan (b) profil pemandangan wajah (Diadaptasi dari Antropometri Kepala dan Face, 1994).

 

karakteristik wajah dapat diatur ke dalam tiga level berikut:

Level 1:  karakteristik wajah kotor yang mudah diamati. Contohnya termasuk geometri umum wajah dan warna kulit global. Fitur tersebut dapat digunakan untuk membedakan antara (a) wajah bulat pendek dan wajah tipis memanjang, (b) menunjukkan karakteristik wajah didominasi laki-laki dan perempuan, atau (c) wajah dari ras yang berbeda. Fitur-fitur ini dapat diekstraksi bahkan dari gambar wajah beresolusi rendah (<30 interpupilary jarak (IPD) 1).

Level 2 : informasi wajah lokal seperti struktur komponen wajah (misalnya, mata), hubungan antara komponen wajah, dan bentuk yang tepat dari wajah. Fitur-fitur ini penting untuk pengenalan wajah yang akurat, dan mereka memerlukan lebih tinggi wajah gambar beresolusi (30 hingga 75 IPD). Karakteristik daerah lokal wajah dapat direpresentasikan dengan menggunakan deskriptor geometrik atau tekstur.

Level 3: struktur, fitur tingkat mikro pada wajah, yang meliputi bekas luka, bintik-bintik, perubahan warna kulit, dan tahi lalat.

sistem pengenalan wajah terdiri dari tiga modul :

( a) akuisisi citra , Pengenalan wajah otomatis memerlukan data wajah dengan menggunakan format yang dapat dibaca mesin.

( b ) deteksi wajah , cara kerja deteksi wajah berdasarkan pada pembagian tekstur local dari suatu fitur citra di bedakan antara wajah dan non wajah.

( c ) pencocokan wajah

 

Gambar wajah diperoleh dari sensor dapat dikategorikan berdasarkan:

( a) the spectral band ( misalnya , visible, inframerah , dan termal ) digunakan untuk merekam gambar dan

( b ) sifat teknik render gambar (misalnya , 2D , 3D , dan video)

 

Secara umum,pandangan wajah bagian depan berisi lebih rincian dari tampilan dari samping wajah dan karenanya, pencocokan wajah dari depan ini diharapkan dapat memberikan keakurasian saat pengenalan wajah seseorang dalam sistem pengenalan wajah. Sistem pengenalan berdasarkan foto wajah 2D juga sangat dipengaruhi oleh variasi iluminasi dan resolusi spasial. Tipe sistem akuisisi wajah memiliki jarak operasi terbatas sekitar 1-2 meter . subyek yang diamati pada jarak yang lebih jauh, wajah ditangkap pada resolusi rendah yang dapat menyebabkan proses pengenalan wajah gagal. Salah satu pendekatan untuk menangani masalah resolusi spasial rendah adalah menghasilkan gambar wajah resolusi yang lebih tinggi dari yang diberikan citra resolusi rendah melalui proses yang disebut super-resolution. Pendekatan lain untuk meningkatkan resolusi citra wajah adalah dengan menggunakan kamera resolusi tinggi atau kamera PTZ . Sebuah kamera PTZ dapat menggunakan zoom dinamis zoom in atau zoom out untuk mendapatkan gambar close-up dari obyek.

 

Ada dua jenis sistem pengambilan wajah 3Dimensi :

  1. didasarkan pada laser scanning dan
  2. didasarkan pada rekonstruksi stereografik

Laser scanner menyediakan model wajah 3D yang lebih akurat, sementara kamera stereografik memiliki kemampuan menangkap jarak dekat secara real-time dengan sedikit kehilangan keakurasian.

Teknik kompresi video digunakan untuk menangani aliran data yang besar, yang dapat mempengaruhi kualitas gambar. Dua buah informasi khusus yang disediakan oleh video streaming adalah :

(a) beberapa frame dari subjek yang sama dan

(b) informasi sementara yang berkaitan dengan wajah seseorang.

Posted in Uncategorized | Komentar Dinonaktifkan pada FACE RECOGNITION

FINGERPRINT RECOGNITION part 2

FINGERPRINT RECOGNITION

part 2

Matching

Algoritma pencocokan sederhana terdiri dari tiga langkah:

  • Langkah 1: Deteksi Minutiae

111

Gambar. 2.24 Deteksi Minutiae. Tiga jenis ridge piksel ditandai: punggungan khas pixel ‘a’, ridge bifurkasi ‘b’, dan ridge berakhir ‘c’. pencabangan dua ridge atau akhir punggungan mendefinisikan minutiae.

  • langkah 2: Penentuan arah Minutiae

112

Gambar. 2.25 Arah Minutiae a. (a) Ridge berakhir dan (b) punggungan bifurkasi.

  • langkah 3: Menghapus Minutiae Palsu

113

Gambar. 2.26 Menghapus minutiae palsu. (a) Sebelum penyaringan minutiae dan (b) setelah penyaringan minutiae.

Algoritma pencocokan minutiae:

  1. Keselarasan: Tentukan transformasi geometris antara dua minutiae set sehingga berada dalam sistem koordinat yang sama.
  2.   Korespondensi: Bentuk minutiae yang sesuai.
  3. Generasi Skor: Hitung skor berdasarkan poin-poin minutiae yang sesuai.

114

Gambar. 2.27 Flowchart dari algoritma pencocokan minutiae.

 

Pengaturan alignment minutiae menggunakan transformasi Hough

115

Gambar. 2.28 pengaturan alignment minutiae menggunakan transformasi Hough. (a) menetapkan query minutiae, (b) menetapkan template minutiae, (c) array akumulator atau gambar ruang Hough, dan (d) penyeelarasan set minutiae. bright , tempat dalam ruang Hough (c) menunjukkan sel yang menerima suara terbanyak. X dan y diterjemahakan sesuai dengan sel yang digunakan untuk menyelaraskan dua minutiaeset.

Minutiae Pairing

Deskripsi Minutiae

116

Gambar. 2.29 deskripsi minutia. (a) Penjelasan dari minutia (satu pusat) dalam gambar permintaan sidik jari, (b) deskripsi dari minutia dikawinkan dalam sidik jari Template, dan (c) deskriptor minutia lain.

Pencocokan Sidik Jari dengan metode matcher komersial

117

Gambar. 2.30 pencocokan Sidik Jari dengan metode matcher komersial. (a) Sepasang sidik jari asli dengan 31 minutiae yang cocok, dan (b) sepasang penipu dengan 6 minutiae cocok. Hal-hal kecil yang sesuai antara dua gambar yang terhubung oleh garis. Skor dihitung karena beberapa fungsi jumlah minutiae yang cocok dan beberapa parameter lain yang eksklusif untuk matcher komersial.

 

sidik jari laten dengan kualitas yang buruk

118

Gambar. 2.31 sidik jari laten dengan kualitas yang buruk. (a) sidik jari parsial, (b) struktur ridge jelas, (c) tumpang tindih dengan sidik jari lainnya, dan (d) tumpang tindih dengan latar belakang yang kompleks.

 

kriteria aturan Daubert digunakan untuk menguji  nilai ilmiah dari bukti sidik jari, dua persyaratan dasar sidik jari untuk sumber bukti forensik:

  1. Dasar ilmiah yang mendasari harus diterima secara luas, dan
  2. Tingkat kesalahan yang harus diketahui atau dikenal dengan error rate.

 

Selain keselarasan dan pencocokan, poin minutiae yang diekstrak dari citra sidik jari juga dapat digunakan untuk indeks sidik jari. Indexing adalah proses menetapkan nilai numerik (skalar atau vektor) ke citra sidik jari berdasarkan fitur diekstraksi. Pengindeksan sidik jari, seperti klasifikasi sidik jari, bisa digunakan untuk mempercepat proses identifikasi sidik jari dengan membandingkan probe input gambar terhadap subset kecil gambar dalam database (galeri). Salah satu teknik yang paling populer untuk mengindeks sidik jari didasarkan pada triplet minutiae (Gambar 2.33)

119

Gambar. 2.33 Sebuah triplet minutia terbentuk dari tiga poin minutia dalam kerangka sidik jari. Sudut minutia dihitung dari arah punggung pada titik-titik minutiae (ditampilkan dengan menggunakan panah).

Database besar sidik jari dihasilkan dari sintesis sidik jari terutama digunakan untuk menguji algoritma pengenalan sidik jari. Tujuan lain dari sintesis sidik jari untuk bisa memodelkan sidik jari dan mengidentifikasi set sesuai parameter yang menjadi ciri dari sidik jari.

 

Palmprint

Pola ridge gesekan pada telapak tangan dan telapak kaki telah diklaim unik dan permanen dan dapat digunakan untuk identifikasi individu. Palmprints sering digunakan dalam forensik untuk mengidentifikasi tersangka kejahatan.

Palmprints lebih rumit dari sidik jari. Pertama-tama, dalam hal akuisisi citra, palmprint lebih menantang untuk menangkap dibanding sidik jari, palmprint membutuhkan sensor yang lebih besar dan lebih mahal dan kerjasama pengguna yang lebih besar diperlukan untuk memastikan gambar palmprint berkualitas.

jumlah minutiae di telapak tangan lebih banyak  dari jumlah minutiae pada sidik jari (sekitar 800 untuk palmprints dan 80 untuk sidik jari).

238

Gambar. 2.38 Gesekan pola ridge di telapak tangan dan telapak kaki.

Palmprints terdiri dari dua fitur unik, yaitu pegunungan gesekan palmaris dan lipatan palmar fleksi. Lipatan fleksi adalah daerah lampiran kencang dengan struktur kulit basal. Lipatan fleksi muncul sebelum pembentukan pegunungan gesekan pada tahap pengembangan kulit embrio, dan kedua fitur ini diklaim berubah, tetap, dan unik.

Tiga jenis utama dari lipatan fleksi yang paling jelas terlihat dalam palmprint adalah: lipatan distal melintang, lipatan melintang proksimal, dan lipatan melintang radial. While berbeda dapat diamati kurang dari 100 ppi, lipatan tipis, pegunungan, dan minutiae dapat diamati hanya pada resolusi setidaknya 500 ppi, resolusi jauh lebih besar dari 500 ppi diperlukan untuk mengamati pori-pori. Fitur-fitur ini ditandai dalam contoh palmprint pada Gambar 2.39.

239

Gambar. 2.39 Daerah (interdigital, tenar dan hipotenar), lipatan utama (lipatan melintang distal, lipatan melintang proksimal dan lipatan melintang radial), pegunungan, minutiae dan pori-pori di telapak tangan.

estimasi algoritma untuk menangani lipatan di palmprints terdiri dari langkah-langkah berikut:

1. Mendeteksi satu set enam gelombang sinusoid terkuat dalam Transformasi Fourier dari setiap blok lokal (16 × 16 piksel) dalam sebuah palmprint.

2. Cluster gelombang terkuat yang kompatibel satu sama lain menjadi satu set bidang orientasi benih. Dua gelombang di blok yang berdekatan dikatakan kompatibel jika orientasi dan frekuensi mereka mirip.

3. Tumbuh setiap bidang orientasi benih dengan memasukkan gelombang yang berdekatan dan kompatibel.

4. Pilih benih terbesar sebagai bidang orientasi akhir.

243

Gambar. 2.43 encoding Palmprint. (a) gambar palmprint asli menunjukkan daerah bunga dan dua posisi celah jari digunakan untuk normalisasi, (b) gambar dipotong, (c) disaring dan binarized dengan bagian nyata dengan filter Gabor, dan (d) disaring dan binarized dengan bagian imajiner dari filter Gabor.

Posted in Uncategorized | Komentar Dinonaktifkan pada FINGERPRINT RECOGNITION part 2

FINGERPRINT RECOGNITION Part 1

FINGERPRINT RECOGNITION

Part 1

Sidik jari terbentuk dari reproduksi tapak jari, baik disengaja maupun tidak disengaja. Sidik jari tersusun dari garis-garis sidik jari berwarna hitam (gelap) yang disebut dengan bukit jari (ridges). Sidik jari yang satu dengan sidik jari yang lain dapat dibandingkan dan diidentifikasi berdasarkan ciri-ciri (features) yang melekat pada sidik jari. Ciri tersebut didapat dari pengamatan terhadap garis-garis sidik jari, dimulai dengan menentukan pola sidik.

Dua tujuan utama perekaman sidik jari meliputi:

(a) pengidentifikasian penjahat yang sering menggunakan alias untuk menyembunyikan identitas mereka yang sebenarnya, dan

(b) untuk melakukan pemeriksaan latar belakang pekerjaan atau perizinan.

 

Di bidang hukum sidik jari digunakan untuk menentukan identitas tersangka berdasarkan sidik jari parsial yang ditinggalkan di tempat kejadian.

Automated Fingerprint Identification Systems (AFIS) dikembangkan pada tahun 1970 untuk meningkatkan efisiensi dan akurasi pencocokan sidik jari. saat ini,
hampir setiap lembaga penegak hukum di seluruh dunia bergantung pada AFIS untuk mencocokkan sidik jari.

Pengenalan sidik jari, baik yang dilakukan secara manual oleh ahli manusia atau secara otomatis oleh mesin, umumnya adalah fitur berbasis (sebagai lawan berbasis gambar) dan fitur yang digunakan memiliki interpretasi fisik. Sidik jari dapat dicirikan pada tiga tingkat yang berbeda mulai dari kasar ke halus:

1 fitur orientasi lapangan atau aliran punggungan dan titik singular

2 fitur punggung kerangka, dan

3 fitur punggungan kontur, pori, dan dot.

Dalam kondisi ideal, fitur tingkat kasar dapat diturunkan dari tingkat halus representasi sidik jari.

 

Ada tiga tingkat yang berbeda dalam sidik jari. (a) Grayscale gambar (NIST SD30, A067 11), (b) Level 1 fitur (orientasi lapangan atau aliran punggungan dan titik singular), (c) Tingkat 2 fitur (punggung kerangka), dan (d) Level 3 fitur (punggungan kontur, pori, dan dot).

Berkaitan dengan fitur kasar sidik jari. Rincian ini menangkap orientasi ridge dan informasi frekuensi dalam sidik jari. Angka ini menunjukkan sebagian dari sidik jari dengan pegunungan diindikasikan sebagai garis gelap dengan orientasi ridge θ dan ridge periode ab (kebalikan dari frekuensi ridge) ditandai dengan p pixel.

 

Singularitas dalam kebanyakan sidik jari diamati untuk memenuhi kendala berikut: (a) jumlah loop dan delta di cetak penuh adalah sama, dalam kata lain, loop dan delta muncul berpasangan, dan (b) jumlah tunggal poin yang baik 0, 2, atau 4.

Representasi Minutiae-based digunakan dalam sistem pengenalan sidik jari otomatis, terutama karena alasan berikut:

(a)    Minutiae banyak menangkap informasi yang diskriminatif atau individualitas dalam sidik jari,

(b)   representasi Minutiae-based penyimpanan yang efisien, dan

(c)    ekstraksi Minutiae cukup kuat untuk berbagai sumber degradasi

 

Ada dua jenis hal-hal kecil yang digunakan untuk mewakili Level 2 rincian dalam sidik jari: punggungan akhir (dinotasikan sebagai lingkaran putih) dan ridge bifurkasi (dilambangkan sebagai kotak hitam). Sementara literatur forensik menyinggung jenis lain minutiae juga, ending dan bifurkasi yang paling banyak digunakan anomali punggungan dalam sistem pengenalan sidik jari otomatis. Distribusi spasial titik-titik minutiae dalam citra sidik jari diyakini unik untuk setiap jari.

Diamati dalam laten dan yang dikawinkan digulung sidik jari.
(a) sidik jari laten dengan pori-pori dan pegunungan baru jadi dan (b) dikawinkan digulung cetak dengan konfigurasi yang sama dari Level 3 fitur diamati pada (a).

 

Sidik jari sering memiliki fitur lain seperti lipatan, luka, dan bekas luka. Ini merupalan kelainan yang sering menjadi sumber kesalahan dalam identifikasi.

Format pembentukan sidik jari meliputi:

–          Bantalan volar tinggi dan simetris cenderung menghasilkan whorls,

–          datar dan bantalan volar simetris cenderung menghasilkan lengkungan, dan

–          bantalan volar asimetris cenderung menghasilkan loop.

pola ridge gesekan tidak hanya dipengaruhi oleh faktor genetik, tetapi juga oleh tekanan fisik acak dan ketegangan selama perkembangan. Efek acak selama morfogenesis sidik jari diyakini memberikan keunikan sidik jari.

Langkah pertama dalam pengenalan sidik jari adalah akuisisi citra – proses menangkap dan digitalisasi sidik jari individu untuk diproses lebih lanjut. cara sederhana pengambilan sidik jari dengan menggunakan tinta dan kertas. sejak akhir abad ke-19 telah digunakan teknik akuisisi dan teknik rekaman dimana informasi yang dihasilkan lebih akurat.

(a) Sidik jari dapat terlebih dahulu ditransfer ke substrat kertas secara manual menempatkan jari bertinta di atas kertas, dan kemudian digitalisasi kesan yang dihasilkan menggunakan scanner flatbed,

(b) sidik jari live-scan dapat langsung tergambar dari jari berdasarkan sejumlah teknologi penginderaan canggih,

(c) sidik jari laten dapat diangkat dari benda-benda di TKP dengan menggunakan bahan kimia atau proses listrik.

(a)    Optical Frustrasi Jumlah Internal Reflection (FTIR): Teknik ini memanfaatkan pelat kaca, LED (atau laser) sumber cahaya, dan CCD (atau CMOS) kamera untuk membangun citra sidik jari.

(b)   Kapasitansi: Kapasitansi berbasis solid state hidup sensor sidik jari scan lebih sering digunakan dari sensor optik FTIR karena ukurannya sangat kecil dan mudah dimasukkan ke komputer laptop, ponsel, peripheral komputer, dan sejenisnya

(c)    Refleksi USG: Metode ultrasonik didasarkan pada pengiriman sinyal akustik arah ujung jari dan menangkap sinyal tampak.

Sensor ini memiliki dua komponen utama:

pengirim, yang menghasilkan pulsa akustik pendek, dan

penerima, yang mendeteksi respon yang diperoleh saat ini pulsa memantul dari permukaan sidik jari

(d)   Efek piezoelectric: sensor sensitif Tekanan telah dirancang yang menghasilkan sinyal listrik.

(e)     Suhu Diferensial: operasi Sensor menggunakan mechanismare ini terbuat dari bahan listrik pyro yang menghasilkan arus didasarkan pada perbedaan suhu

 

Penangkapan  luas jari dari citra sidik jari merupakan faktor penting yang berdampak pada kualitas gambar dikarenakan bentuk jari, sidik jari polos, diperoleh hanya dengan menempatkan jari pada permukaan sensor, tidak dapat menangkap seluruh sidik jari.

Diagram alur dari ekstraksi ciri khas algoritma yang mencakup empat langkah utama, yaitu (a) orientasi ridge dan estimasi frekuensi, (b) ekstraksi ridge, (c) ekstraksi singularitas, dan (d) ekstraksi minutiae.

 

 

Sekian dulu….

<<<Semoga bermanfaat>>>

Posted in Uncategorized | Komentar Dinonaktifkan pada FINGERPRINT RECOGNITION Part 1

Cara Menentukan Waktu Shalat

Cara Menghitung Waktu Shalat

Muhammad Nuh – Sabtu, 19 Jumadil Akhir 1430 H / 13 Juni 2009 11:17 WIB

Pada tulisan terdahulu tentang WAKTU-WAKTU SHALAT, penulis telah menjelaskan beberapa hal terkait dengan waktu shalat lima waktu. Pada kesempatan ini, cara perhitungan waktu shalat dengan menggunakan sejumlah rumus matematika akan disajikan disini. Untuk menentukan waktu lima shalat wajib untuk suatu tempat dan tanggal tertentu, ada beberapa parameter yang mesti diketahui :

1. Koordinat lintang tempat tersebut (L). Daerah yang terletak di sebelah utara garis khatulistiwa (ekuator) memiliki lintang positif. Yang disebelah selatan, lintangnya negatif. Misalnya Fukuoka (Japan) memiliki lintang 33:35 derajat lintang utara (LU). Maka L = 33 + 35/60 = 33,5833 derajat. Jakarta memiliki koordinat lintang 6:10:0 derajat LS (6 derajat 10 menit busur lintang selatan). Maka L = minus (6 + 10/60) = -6,1667 derajat.

2. Koordinat bujur tempat tersebut (B) .Daerah yang terletak di sebelah timur Greenwich memiliki bujur positif. Misalnya Jakarta memiliki koordinat bujur 106:51:0 derajat Bujur Timur. Maka B = 106 + 51/60 = 106,85 derajat. Sedangkan disebelah barat Greenwich memiliki bujur negatif. Misalnya Los Angeles memiliki koordinat bujur 118:28 derajat Bujur Barat. Maka B = minus (118 + 28/60) = -118,4667 derajat.

3. Zona waktu tempat tersebut (Z). Daerah yang terletak di sebelah timur Greenwich memiliki Z positif. Misalnya zona waktu Jakarta adalah UT +7 (seringkali disebut GMT +7), maka Z = 7. Sedangkan di sebelah barat Greenwich memiliki Z negatif. Misalnya, Los Angeles memiliki Z = -8.

4. Ketinggian lokasi dari permukaan laut (H). Ketinggian lokasi dari permukaan laut (H) menentukan waktu kapan terbit dan terbenamnya matahari. Tempat yang berada tinggi di atas permukaan laut akan lebih awal menyaksikan matahari terbit serta lebih akhir melihat matahari terbenam, dibandingkan dengan tempat yang lebih rendah. Satuan H adalah meter.

5. Tanggal (D), Bulan (M) dan Tahun (Y) kalender Gregorian. Tanggal (D), bulan (M) dan tahun (Y) tentu saja menjadi parameter, karena kita ingin menentukan waktu shalat pada tanggal tersebut. Dari tanggal, bulan dan tahun tersebut selanjutnya dihitung nilai Julian Day (JD). Silakan lihat penjelasan detil tentang Julian Day pada tulisan sebelumnya tentang KALENDER JULIAN, KALENDER GREGORIAN dan JULIAN DAY. Namun ada baiknya untuk dituliskan kembali tentang rumus menghitung Julian Day. Saat ini karena Kalender Masehi yang digunakan adalah kalender Gregorian, maka rumus Julian Day adalah

JD = 1720994,5 + INT(365,25*Y) + INT(30,6001(M + 1)) + B + D.

Disini INT = lambang untuk nilai integer. Jika M > 2, maka M dan Y tidak berubah. Jika M = 1 atau 2, maka M ditambah 12 sedangkan Y dikurangi 1. Nilai B = 2 + INT(A/4) – A dimana A = INT(Y/100). Nilai JD di atas berlaku untuk pukul 12.00 UT atau saat tengah hari di Greenwich. Adapun JD untuk pukul 12.00 waktu lokal, maka JD pukul 12.00 UT waktu Greenwich tersebut harus dikurangi dengan Z/24 dimana Z adalah zona waktu lokal tersebut.

Dari nilai JD tersebut, dihitung sudut tanggal T dengan rumus

T = 2*PI*(JD – 2451545)/365,25.

Disini PI adalah konstanta yang bernilai 3,14159265359. Sementara itu 2451545 adalah Julian Day untuk tanggal 1 Januari 2000 pukul 12.00 UT. Angka 365,25 adalah banyaknya hari rata-rata dalam setahun. Jadi T menunjukkan sudut tanggal dalam setahun terhitung sejak tanggal 1 Januari 2000 pukul 12.00 UT.

6. Sudut Deklinasi matahari (Delta). Dari sudut tanggal T di atas, deklinasi matahari (Delta) untuk satu tanggal tertentu dapat dihitung dengan menggunakan rumus berikut

Delta = 0,37877 + 23,264*SIN(57,297*T – 79,547) + 0,3812*SIN(2*57,297*T – 82,682) + 0,17132*SIN(3*57,297*T – 59,722)

Angka yang terletak di dalam kurung bersatuan derajat. Deklinasi juga bersatuan derajat.

7. Equation of Time (ET). Equation of Time untuk satu tanggal tertentu dapat dihitung sebagai berikut. Pertama kali perlu dihitung dahulu Bujur rata-rata matahari L0 yang dirumuskan

L0 = 280,46607 + 36000,7698*U

dimana U = (JD – 2451545)/36525. L0 bersatuan derajat. Selanjutnya Equation of Time dapat dirumuskan sebagai

1000*ET = -(1789 + 237*U)*SIN(L0) – (7146 – 62*U)*COS(L0) + (9934 – 14*U)*SIN(2*L0) – (29 + 5*U)*COS(2*L0) + (74 + 10*U)*SIN(3*L0) + (320 – 4*U)*COS(3*L0) – 212*SIN(4*L0)

Ruas kiri persamaan di atas masih bernilai 1000 kali ET. Dengan demikian hasilnya harus dibagi 1000 untuk mendapatkan ET. Satuan ET adalah menit.

8. Altitude matahari waktu Shubuh dan Isya. Shubuh saat fajar menyingsing pagi disebut dawn astronomical twilight yaitu ketika langit tidak lagi gelap dimana atmosfer bumi mampu membiaskan cahaya matahari dari bawah ufuk. Sementara Isya’ disebut dusk astronomical twilight ketika langit tampak gelap karena cahaya matahari di bawah ufuk tidak dapat lagi dibiaskan oleh atmosfer. Dalam referensi standar astronomi, sudut altitude untuk astronomical twilight adalah 18 derajat di bawah ufuk, atau sama dengan minus 18 derajat. Ada dua jenis twilight yang lain, yaitu civil twilight dan nautical twilight masing-masing sebesar 6 dan 12 derajat di bawah ufuk.

Namun demikian ada beberapa pendapat mengenai sudut altitude matahari di bawah ufuk saat Shubuh dan Isya’. Diantaranya berkisar antara 15 hingga 20 derajat. Dengan demikian, perbedaan sudut yang digunakan akan menyebabkan perbedaan kapan datangnya waktu Shubuh dan Isya’.

9. Tetapan panjang bayangan Ashar Disini ada dua pendapat. Pendapat madzhab Syafi’i menyatakan panjang bayangan benda saat Ashar = tinggi benda + panjang bayangan saat Zhuhur. Sementara pendapat madzhab Hanafi menyatakan panjang bayangan benda saat Ashar = dua kali tinggi benda + panjang bayangan saat Zhuhur.

RUMUS WAKTU SHALAT

Rumus untuk menentukan waktu shalat dan terbit matahari adalah sebagai berikut.

* Zhuhur = 12 + Z – B/15 – ET/60
* Ashar = Zhuhur + (Hour Angle Ashar)/15
* Maghrib = Zhuhur + (Hour Angle Maghrib)/15
* Isya’ = Zhuhur + (Hour Angle Isya’)/15
* Shubuh = Zhuhur – (Hour Angle Shubuh)/15
* Terbit Matahari = Zhuhur – (Hour Angle Terbit Matahari)/15

Dari rumus di atas, nampak bahwa waktu shalat bergantung pada Hour Angle. Rumus Hour Angle (HA) adalah

COS(HA) = [SIN(Altitude) – SIN(Lintang)*SIN(Delta)]/[COS(Lintang)*COS(Delta)]

sehingga

Hour Angle = ACOS(COS(HA)).

Rumus Hour Angle dii atas bergantung pada Altitude. Altitude matahari atau sudut ketinggian matahari dari ufuk inilah yang berbeda nilainya untuk setiap waktu shalat.

* Untuk Ashar, Altitudenya = ARCCOT(KA + TAN(ABS(Delta – Lintang))), dimana KA = 1 untuk Syafi’i dan 2 untuk Hanafi. Lambang ABS menunjukkan nilai absolut atau nilai mutlak. Misalnya, ABS(-2) = ABS(2) = 2.
* Untuk Maghrib, Altitude = 0,8333 – 0,0347*SQRT(H) dimana SQRT menunjukkan lambang akar pangkat dua, dan H = ketinggian di atas permukaan laut.
* Untuk Isya’, Altitude = minus(Sudut Isya’). Jika sudut Isya’ diambil 18 derajat, maka Altitude Isya’ = -18 derajat.
* Untuk Shubuh, Altitude = minus(Sudut Shubuh).
* Untuk Terbit Matahari, Altitudenya sama dengan Altitude untuk Maghrib.

CONTOH: Tentukan waktu-waktu shalat pada tanggal 12 Juni 2009 di Jakarta (L = -6,166667 derajat, B = 106,85 derajat, Z = 7, H = 50 meter). Sudut Subuh = 20 derajat. Sudut Isya’ = 18 derajat. Ashar menggunakan madzhab Syafi’i (KA = 1).

Jawab:

* Pertama kali, tentukan dahulu Julian Day untuk 12 Juni 2009 pukul 12 UT. Dari tanggal tersebut diperoleh nilai D = 12, M = 6, Y = 2009, A = 20 dan B = -13. Dapat dihitung nilai JD = 2454995,0.
* Selanjutnya untuk tanggal 12 Juni 2009 pukul 12 WIB (waktu lokal di Jakarta), JD = 2454995,0 EZ/24 = 2454995,0 E7/24 = 2454994,708.
* Sudut Tanggal T = 2*PI*(2454994,708 – 2451545)/365,25 = 59,34334487 radian.
* Deklinasi Matahari atau Delta = 23,16099835 derajat
* Sementara itu U = (2454994,708 – 2451545)/36525 = 0,094447867.
* Bujur rata-rata matahari L0 = 3680.66198 derajat = 80,66198 derajat.
* Untuk Equation of Time, akhirnya dapat dihitung 1000*ET = 175 menit sehingga ET = 0,175 menit.

Dari data-data perhitungan di atas, kini waktu shalat dapat dihitung.

Waktu Zhuhur adalah 12 + Z – B/15 – ET/60 = 12 + 7 – 106,85/15 – 0,175/60 = pukul 11,87375 WIB. Jika nilai ini dikonversi ke jam-menit-detik, diperoleh pukul 11:52:26 WIB.

Waktu Ashar (madzhab Syafii).

* Altitude Ashar adalah ARCCOT(1 + TAN(ABS(23,16099835 – (-6,166667)))) = 32,63075274 derajat.
* COS(Hour Angle Ashar) = [SIN(32,63075274) – SIN(-6,166667)*SIN(23,16099835)] / [COS(-6,166667)*COS(23,16099835)] = 0,636127253.
* Hour Angle Ashar = ACOS(0,636127253) = 50,496359 derajat.
* Jadi Waktu Ashar = Zhuhur + (Hour Angle Ashar)/15 = 11,87375 + 50,496359/15 = pukul 15,24017 sama dengan pukul 15:14:25 WIB.

Waktu Maghrib.

* COS(Hour Angle Maghrib) = [SIN(-0,833 – 0,0347*SQRT(50)) – SIN(-6,166667)*SIN(23,16099835)] / [COS(-6,166667)*COS(23,16099835)] = 0,025627029.
* Hour Angle Maghrib = ACOS(0,025627029) = 88,53151863 derajat.
* Waktu Maghrib = Zhuhur + (Hour Angle Maghrib)/15 = 11,87375 + 88,53151863/15 = pukul 17,77585 sama dengan pukul 17:46:33 WIB.

Waktu Isya’.

* COS(Hour Angle Isya’) = [SIN(-18) – SIN(-6,166667)*SIN(23,16099835)] / [COS(-6,166667)*COS(23,16099835)] = -0,291840581.
* Hour Angle Isya’ = ACOS(-0,291840581) = 106,9681811 derajat.
* Waktu Isya’ = Zhuhur + (Hour Angle Isya’)/15 = 11,87375 + 106,9681811/15 = pukul 19,00496 sama dengan pukul 19:00:18 WIB.

Waktu Shubuh.

* COS(Hour Angle Shubuh) = [SIN(-20) – SIN(-6,166667)*SIN(23,16099835)] / [COS(-6,166667)*COS(23,16099835)] = -0,327945769.
* Hour Angle Shubuh = ACOS(-0,327945769) = 109,441394 derajat.
* Waktu Shubuh = Zhuhur – (Hour Angle Shubuh)/15 = 11,87375 – 109,1441394/15 = pukul 4,59748 sama dengan pukul 4:35:51 WIB.

Waktu Terbit Matahari.

* COS(Hour Angle Terbit Matahari) = [SIN(-0,833 – 0,0347*SQRT(50)) – SIN(-6,166667)*SIN(23,16099835)] / [COS(-6,166667)*COS(23,16099835)] = 0,025627029.
* Hour Angle Terbit Matahari = ACOS(0,025627029) = 88,53151863 derajat.
* Waktu Terbit Matahari = Zhuhur – (Hour Angle Terbit Matahari)/15 = 11,87375 – 88,53151863/15 = pukul 5,97165 sama dengan pukul 5:58:18 WIB.

Sebagai rangkuman, jadwal waktu shalat di Jakarta pada tanggal 12 Juni 2009 dengan data pendukung seperti tertera pada soal di atas adalah sebagai berikut.

* Shubuh pukul 4:35:51 WIB.
* Terbit Matahari pukul 5:58:18 WIB.
* Zhuhur pukul 11:52:26 WIB.
* Ashar pukul 15:14:25 WIB.
* Maghrib 17:46:33 WIB.
* Isya’ pukul 19:00:18 WIB.

Berikut ini beberapa catatan tambahan untuk melengkapi pemahaman tentang cara penghitungan waktu shalat.

Pertama, rumus di atas sudah akurat untuk menentukan waktu shalat. Sebagai pembanding, penulis menjadikan software Accurate Times karya Mohamad Odeh sebagai patokan. Software tersebut menggunakan algoritma VSOP87 untuk pergerakan matahari dan algoritma ELP2000 untuk pergerakan bulan. Kedua algoritma tersebut adalah algoritma terakurat untuk menentukan pergerakan kedua benda langit tersebut. Menurut Accurate Times, untuk kasus yang sama seperti di atas, waktu shalat di Jakarta pada tanggal 12 Juni 2009 berturut-turut adalah Shubuh (4:35:56), Terbit Matahari (5:58:13), Zhuhur (11:52:24), Ashar (15:14:32), Maghrib (17:46:35) dan Isya’ (19:00:21). Jika hasil perhitungan di atas dibandingkan dengan Accurate Times, perbedaannya berkisar antara 2 hingga 7 detik. Ini sudah cukup akurat.

Kedua, bagi penulis secara pribadi, nilai perbedaan beberapa detik di atas masih bisa diperkecil lagi, dengan memperhatikan sejumlah catatan. Hasil perhitungan di atas menggunakan nilai Deklinasi Matahari dan Equation of Time yang sama untuk semua waktu shalat, yaitu nilai pada pukul 12.00 waktu lokal. Padahal, nilai deklinasi matahari maupun equation of time selalu berubah setiap saat, meskipun cukup kecil perubahannya dalam rentang satu hari. Sebagai contoh pada kasus di atas, Deklinasi Matahari pada waktu Shubuh dan Isya’ berturut-turut adalah 23,14178926 (atau 23:08:30) derajat dan 23,1792171 (atau 23:10:45) derajat. Perbedaannya adalah sekitar 2 menit busur.

Dengan demikian, rumus di atas masih dapat diperhalus atau dikoreksi lebih baik lagi, jika untuk setiap waktu shalat, nilai Deklinasi Matahari serta Equation of Time yang digunakan sesuai dengan nilainya saat waktu shalat tersebut.

Misalnya, untuk waktu shalat Isya’, digunakan Deklinasi Matahari dan Equation of Time pada waktu shalat Isya’ pula, bukan pada pukul 12.00 waktu lokal. Pertama kali tentukan dulu Perkiraan Hour Angle yang diperoleh dengan data Delta maupun Equation of Time saat pukul 12.00 waktu lokal. Dari Perkiraan Hour Angle ini dicari perkiraan waktu Isya’. Perkiraan waktu Isya’ ini selanjutnya dikonversi ke Julian Day yang kemudian dapat dipakai untuk menghitung Delta dan Equation of Time. Begitu seterusnya diulangi satu hingga beberapa kali hingga diperoleh angka yang konvergen (tetap). Pada akhirnya rumusnya untuk waktu shalat Isya secara lengkap adalah

Waktu Shalat Isya’ = 12 + Z – B/15 – (ET saat Isya’)/60 + (Hour Angle Isya’)/15

dimana COS(Hour Angle Isya’) = [SIN(-1*Sudut Isya’) – SIN(Lintang)*SIN(Delta saat Isya’)] / [COS(Lintang)*COS(Delta saat Isya’)].

Dengan sejumlah faktor koreksi, termasuk koreksi dari pembiasan atmosfer yang akan disajikan di bawah ini, waktu shalat menjadi lebih akurat lagi. Hasilnya adalah Shubuh (4:35:47), Terbit matahari (5:58:14), Zhuhur (11:52:25), Ashar (15:14:34), Maghrib (17:46:36) dan Isya’ (19:00:22). Perbedaannya, dibandingkan dengan Accurate Times menjadi hanya antara 1-2 detik saja.

Koreksi yang lain juga dapat dilakukan pada penentuan waktu shalat Ashar. Akibat pembiasan sinar matahari oleh atmosfer bumi, altitude benda langit yang sebenarnya lebih rendah daripada altitude yang nampak. Saat waktu Ashar tiba, yang diamati adalah pusat matahari yang nampak, padahal pusat matahari yang sebenarnya sedikit lebih rendah. Yang kita hitung seharusnya adalah posisi matahari yang sebenarnya, sehingga pada akhirnya, koreksi ini membuat waktu Ashar menjadi sedikit lebih lambat. Ini dapat dengan mudah dipahami karena matahari beranjak untuk turun sehingga dibutuhkan waktu agar altitudenya berkurang. Pembahasan lengkap mengenai faktor koreksi altitude benda langit oleh atmosfer Insya Allah dibahas pada kesempatan lain.

Ketiga, koreksi oleh atmosfer ini sudah digunakan pada penentuan waktu Maghrib dan terbit matahari. Pada kedua kejadian tersebut, altitude yang nampak adalah nol derajat. Namun dalam perhitungan, altitudenya bukan nol derajat tetapi -0,8333 derajat atau minus 50 menit busur. Angka ini bersumber dari dua hal. Pertama, sudut untuk jari-jari matahari secara rata-rata adalah 16 menit busur. Kedua, besarnya koreksi pembiasan atmosfer saat benda langit berada di ufuk (saat terbit atau terbenam) rata-rata sebesar 34 menit busur. Jika dijumlahkan keduanya menghasilkan 50 menit busur di bawah ufuk, atau altitudenya minus 50 menit busur. Angka ini sudah cukup akurat. Jika ingin lebih akurat lagi, dapat diperhitungkan faktor berubahnya sudut untuk jari-jari matahari, karena nilai ini bergantung pada jarak matahari ke bumi yang tidak selalu tetap. Jika matahari berjarak cukup jauh dari bumi, maka sudut untuk jari-jari matahari bernilai lebih kecil. Demikian juga besarnya koreksi pembiasan atmosfer yang juga bergantung pada suhu maupun tekanan udara. Namun demikian untuk keperluan praktis, altitude minus 0,8333 derajat sudah cukup memadai.

Keempat, pada rumus terbit matahari (sunrise) maupun waktu Maghrib (sunset), faktor ketinggian lokasi H di atas permukaan laut juga sudah diperhitungkan. Seseorang yang berada cukup tinggi di atas permukaan laut akan menyaksikan sunrise yang lebih awal serta sunset yang lebih telat, dibandingkan dengan orang yang berada di permukaan laut. Sebenarnya H bisa juga bernilai negatif, atau ketinggiannya lebih rendah daripada permukaan laut. Untuk kasus ini, suku -0,0347*SQRT(H) pada altitude sedikit berubah menjadi +0,0347*SQRT(-H), sehingga orang yang berada di daerah yang lebih rendah dari permukaan laut akan menyaksikan sunrise yang lebih telat serta sunset yang lebih awal. Namun karena rata-rata tempat yang dihuni manusia berada di atas permukaan laut, kasus terakhir ini tidak perlu dibahas secara detail.

Kelima, dengan beragamnya pendapat mengenai besarnya sudut Shubuh maupun Isya’, karena itu tentu saja dimungkinkan terjadinya perbedaan waktu Shubuh dan Isya’. Pada soal di atas dengan sudut Shubuh 20 derajat (altitude = -20 derajat), waktu Shubuh adalah pukul 4:35:51 WIB. Sepengetahuan penulis, angka 20 derajat ini biasa yang digunakan di Indonesia. Jika dipakai sudut standar astronomical twilight 18 derajat, maka waktu Shubuh datang lebih lambat, yaitu pukul 4:44:33 WIB. Ternyata perbedaan 2 derajat berimplikasi pada perbedaan waktu sekitar 8 menit. Belum lagi, jika digunakan tambahan waktu untuk faktor kehati-hatian (ikhtiyath), mulai dari 1, 2, 3 menit dan seterusnya. Sudah banyak kajian fiqh maupun astronomis mengenai waktu Shubuh dan Isya’, dan nampaknya belum memungkinkan untuk disajikan di artikel singkat ini.

Keenam, dari perumusan untuk Hour Angle

COS(HA) = [SIN(Altitude) – SIN(Lintang)*SIN(Delta)]/[COS(Lintang)*COS(Delta)]

maka sangat mungkin jika nilai COS(HA) lebih besar dari 1 atau lebih kecil dari -1. Padahal nilai COS berkisar antara -1 hingga 1. Jika demikian, Hour Angle tidak dapat ditentukan. Ini terjadi khususnya pada daerah lintang tinggi. Singkatnya, ada tiga kemungkinan. Kemungkinan pertama, dalam penentuan waktu Shubuh dan Isya’, nilai COS(HA) < -1. Akibatnya waktu Shubuh dan Isya’ tidak dapat ditentukan menurut rumus di atas. Yang terjadi adalah, di waktu malam hari, bahkan pukul 12 malam, langit masih nampak terang walaupun tidak ada matahari. Suasana langit seperti halnya di tengah-tengah waktu Maghrib. Kemungkinan kedua, untuk kasus terbit dan terbenam matahari, COS(Hour Angle) < -1. Untuk kasus ini, matahari tidak pernah terbenam.

Matahari selalu berada di atas ufuk, sehingga dengan rumus biasa di atas, waktu Shubuh, terbit matahari, Maghrib dan Isya’ tidak dapat ditentukan. Hanya waktu Zhuhur dan Ashar saja yang bisa diperoleh. Dalam hal ini, sebuah kejadian unik dapat terjadi, yaitu ketika pergantian hari pada pukul
00:00:00 atau pukul “12 malam”, matahari tengah bersinar di atas ufuk.

Kemungkinan ketiga, untuk kasus terbit dan terbenam matahari, COS(Hour Angle) > 1. Dalam hal ini, matahari tidak pernah terbit karena selalu berada di bawah ufuk. Hanya waktu Shubuh dan Isya’ saja yang dapat ditentukan dengan rumus di atas. Selama 24 jam, hanya ada dua keadaan langit. Antara waktu Shubuh dan Isya’, langit tidak begitu gelap, layaknya waktu Maghrib. Sebaliknya, antara waktu Isya’ dan Shubuh, langit gelap.

Bersamaan dengan tulisan ini, penulis melampirkan file Microsoft Excel yang berisi rumus waktu shalat di atas, baik untuk versi simpel, maupun dengan tambahan beberapa koreksi. Dalam file tersebut rumus-rumus dapat diikuti prosesnya. Bagi yang tertarik, silakan mendownload di

http://www.4shared.com/file/111278266/2fa23c50/Waktu-Shalat.html

Semoga bermanfaat bagi ummat.

DR. Rinto Anugraha (Dosen Fisika UGM)

Email rinto74 (at) yahoo (dot) com

Referensi:

* Jean Meeus, Astronomical Algorithm, Willmann-Bell, Virginia, (1991).
* D.W. Hughes, B.D. Yallop, C.Y. Hohenkerk, The Equation of Time, Mon. Not. R. astr. Soc, 238, 1529 (1989).
* Niweateh Hajewaming, Astronomical Calculation of Islamic Times and Qiblat Direction.
* Muhammad Ilyas, Astronomy of Islamic Times for the Twenty- first Century.
* Mohamad Odeh, Accurate Times.

Sumber : http://www.eramuslim.com

Posted in Uncategorized | Komentar Dinonaktifkan pada Cara Menentukan Waktu Shalat

Cara Kerja Teknologi Touchscreen

Mempelajari Cara Kerja Teknologi Touchscreen ( Layar Sentuh )

Touchscreen merupakan sebuah perangkat atau tampilan visual yang dimana pengguna dapat mengontrol melalui gerakan sederhana atau multi-touch dengan menggunakan sentuhan jari kita. Layar sentuh ini mempermudah pengguna untuk langsung berinteraksi langsung dengan sebuah tampilan tanpa menggunakan mouse, touchpad, atau perangkat yang lainnya.

Perkembangan touchscreen sangatlah pesat, umumnya tampilan visual ini digunakan pada perangkat seperti konsol game, all-in-one computer, komputer tablet dan juga smartphone. Namun layar sentuh ini juga ditemukan di bidang medis, industry,ATM ( anjungan tunai mandiri ) dan masih banyak lagi.

mempelajari cara kerja teknologi touchscreen ( layar sentuh )

mempelajari cara kerja teknologi touchscreen ( layar sentuh )

Secara menyeluruh produsen layar dan produsen chip tingkat dunia telah mempelajari cara kerja teknologi touchscreen(layar sentuh) mengakui bahwa kecenderungan penerimaan touchscreen sebagai komponen user interface yang sangat di inginkan dan telah memulai mengembangkan layar sentuh kedalam desain dasar produk mereka, seberapa canggihnya teknologi touchscreen kita lihat yang di bawah ini.

Cara Karja Touchscreen ( layar sentuh)

Touchscreen memiliki tiga komponen utama dalam kegunaannya yaitu Touch Sensor, Controller, Software Driver. Berikut definisi dari tiga teknologi dari touchscreen.

1. Touch sensor
Komponen ini terletak di bagian luar tampilan sebagai lapisan penerema inputan dari user atau sentuhan. Bagian yang di sentuh akan menimbulkan aliran listrik.
2. Pengontrol (controller)
Merupakan sebuah perangkat yang memproses dan mengubah voltase sinyal yang di terima dari komponen touch sensor yang berupa alus listrik dan di hubungkan ke prosessor atau perangkat yang lain.
3. Software Driver
Sebagai alat penerjemah data dari proses diatas tadi yang memungkinkan proses di atas sudah bekerja dengan baik dan di tampilkannya ke antar muka melalui system operasi.

Teknologi Touchscreen

Capacitive touchscreen

Panel touchscreen kapasitif terdiri dari isolator seperti kaca, yang di lapisi dengan konduktor seperti indium tin oxide (ITO).manusia yang sebagai penghantar listrik, menyentuh permukaan layar dalam distorsi dari medan elektrostatik layar tersebut, dan di unur sebagai perubahan kapasitansi.Teknologi yang berbeda dapat digunakan untuk menentukan lokasi sentuhan yang kemudian di kirim ke controller untuk di proses.
Layar kapasitif ini terus di kembangkan oleh produsen terbesar dengan mengembangkan layar sentuh tipis dan lebih akurat. Dengan teknologi in-cell yang menghilangkan lapisannya. Seperti layar sentuh pada Samsung super AMOLED.

Surface Wave touchscreen

Teknologi Surface acoustic wave (SAW) menggunakan gelombang ultrasonic yang melewati panel touchscreen. Cara kerjannya ketika layar disentuh maka sebagian gelombang akan di serap. Perubahan dalam gelembung ultrasonic mencatat posisi dimana pengguna menyentuhnya dan mengirimkaninformasi tersebut ke controller untuk dilakukan pemrosesan.

Resistive touchscreen

Merupakan panel touchscreen resitif yang terdiri dari lapisan elektrik dan resitif transparan yang di pisahkandengan jarak yang sangat tipis. Bagian atas layar ( bagian yang di sentuh) memiliki lapisan permukaan bawah layar. Hanya dibawahnya adalah lapisan resitif di atas substratnya. Satu lapisan memiliki koneksi konduktif di bagian sisinya yang lain di atas dan di bagian bawah.

Demikian yang dapat saya sampaikan mengenai informasi tentang mempelajari cara kerja teknologi touchscreen ( layar sentuh ). Semoga dengan adanya informasi ini pembaca dapat menggunakan touchscreen dengan benar dan memilih handphone touchscreen dengan baik. Terimakasih.

sumber : http://www.golekilmu.com

Posted in Uncategorized | Komentar Dinonaktifkan pada Cara Kerja Teknologi Touchscreen

System Biometrics

BIOMETRIK

           Untuk mengenali satu sama lain  biasanya manusia menggunakan karakteristik tubuh seperti wajah, suara, dan kiprah bersama dan informasi kontekstual lainnya (misalnya, lokasi dan pakaian) Namun, meningkatnya populasi pertumbuhan disertai dengan peningkatan mobilitas dalam masyarakat modern telah mengharuskan pengembangan sistem manajemen identitas canggih yang dapat secara efisien merekam, memelihara, dan melenyapkan identitas pribadi tiap individu.dan rentannya pencurian data individu sehingga dibutuhkan sistem manajemen identitas yang handal.

Sistem Biometrik dapat mengukur satu atau lebih karakter fisik atau prilaku manusia, seperti: Muka, Iris Mata, Suara, Sidik jari, telapak tangan, retina, telinga, tanda tangan, gaya berjalan, DNA dan Pembuluh Darah Vena.

Modul dasar pada sistem biometrik : Sensor, Fitur Extractor, Database dan Pencocokan.

Ò  Modul sensor (sensor modul), merupakan modul untuk pengumpulan data atau akuisisi data, yang mengambil (captured) data biometrika dari pengguna, dan mengolahnya menjadi bentuk yang layak untuk proses pengolahan berikutnya.

Ò  Modul pemisahan ciri (feature extraction modul), yaitu modul untuk menghasilkan ciri unik dari biometrik yang digunakan yang dapat membedakan antara satu orang dengan yang lainnya. Modul ini akan mengubah data dari modul sensor ke dalam bentuk yang diperlukan oleh modul pencocokan.

Ò  Modul penyimpanan data (storage modul), merupakan modul untuk mendaftarkan / menyimpan ciri biometrika pengguna ke dalam basis data acuan. Basis data ini yang akan digunakan sebagai acuan saat proses pengenalan.

Ò  Modul pencocokan (matching modul), yaitu modul untuk menentukan tingkat kesamaan / ketidaksamaan antara ciri biometrika yang diuji dengan ciri biometrika acuan pada basis data

Pada dasarnya Tahapan Identifikasi Personal dapat dibedakan atas dua tahapan, yaitu tahapan proses verifikasi dan tahapan proses pengenalan. Pada tahapan verifikasi merupakan cara mengetahui autentikasi (keaslian) personal. Pada tahap proses verifikasi ini dilakukan dengan memasukkan token, seperti kartu paspor, SIM, kartu kredit, kunci pintu, dsb.

Tahapan proses identifikasi mempunyai beberapa kelemahan mendasar, seperti pada tahap pemasukan verifikasi identifikasi personal dapat dimungkinkan hilang, lupa, dan salah menempatkannya. Sedangkan pada tahap pengenalan identifikasi personal dapat terjadi lupa terhadap yang valid (pernah diubah), dapat ditebak oleh impostor (orang yang tidak berhak).

Tahapan identifikasi biometrik dapat mengidentifikasi individu-individu berdasarkan perbedaan lingkup karakteristik behaviour/psikologi (biometric identifier).

Sistem biometrik belumlah sempurna, karena bisa jadi masih dapat melakukan kesalahan berupa terjadi kesalahan pencocokan dengan menerima impostor sebagai invidu yang juga valid, sebaliknya terjadi penolakan terhadap individu yang valid (terjadi kesalahan ketidak cocokan). Untuk menjamin terhindarnya kesalahan seperti itu, kita dapat memadukan ciri biometrik wajah dengan ucapan, serta dapat memadukan biometrik wajah dengan ciri tanda-tangan.

Sistem biometrik yang ideal diharapkan mempunyai karakteristik sebagai berikut:

pertama aspek universal, artinya ciri ini dapat berlaku secara umum (bahwa setiap manusia mempunyai karakteristik),

kedua aspek unik (tidak ada dua manusia yang mempunyai karakteristik yang sama), ketiga haruslah bersifat permanen (karaktristik personal yang tidak berubah-ubah) dan keempat dapat dihimpun (collectable), karakteristik ini mudah disajikan oleh sensor dan mudah dikuantisasikan dan dikuantifikasikan.

 

Aplikasi Biometrik dapat dikategorikan dalam tiga kelompok utama:

1. Aplikasi komersial seperti login jaringan komputer, keamanan data elektronik,
e-commerce, akses internet, ATM atau credit penggunaan kartu, kontrol akses fisik,
ponsel, PDA, manajemen catatan kesehatan, pembelajaran jarak jauh, dll

2. Aplikasi pemerintah seperti KTP, mengelola narapidana dalam pemasyarakatan lisensi fasilitas,pengemudi,jaminansosial,kesejahteraanp encairan, perbatasankontrol, asporkontrol, dll

3. Aplikasi forensik seperti identifikasi mayat, investigasi kriminal, hilang anak, tekad orangtua, dll

 

Posted in Uncategorized | Komentar Dinonaktifkan pada System Biometrics

SELAMAT DATANG!

Selamat Datang Di Blog mursyidin.blog.unigha.ac.id

Posted in Uncategorized | 1 Comment