Biometrics

Biometrik (berasal dari bahasa Yunani bios yang artinya hidup dan metron yang artinya mengukur). Maka, dapat disimpulkan bahwa biometrik adalah pengukuran dan perhitungan tubuh yang berkaitan dengan karakteristik manusia. Dalam dunia teknologi informasi, biometrik relevan dengan teknologi sebagai otentikasi biometrik (atau otentikasi realistis) yang digunakan dalam mempelajari ilmu komputer sebagai suatu bentuk identifikasi dan kontrol akses. Pengukuran tersebut juga, dapat digunakan dalam mengidentifikasi individu dalam kelompok yang berada di bawah pengawasan.

Pengidentifikasi biometrik sangat karakteristik khas dan terukur yang digunakan untuk memberi tanda dan menggambarkan individu. Pengidentifikasi biometrik sering kali dikategorikan sebagai karakteristik fisiologis yang terkait dengan bentuk tubuh. Contohnya termasuk, tetapi tidak terbatas pada sidik jari, urat telapak tangan, pengenalan wajah, DNA (deoxyribonucleic acid), sidik telapak tangan, geometri tangan, pengenalan iris ataupun retina dan bau/aroma. Karakteristik perilaku berkaitan dengan pola perilaku seseorang, termasuk namun tidak terbatas pada ritme mengetik, gaya berjalan, penekanan tombol, tanda tangan, profil perilaku dan suara . Sebagian peneliti menciptakan istilah "behaviometrics" dengan tujuan sebagai pengambaran kelas biometrik yang terakhir.

Sejarah

Teknologi biometrik mengalami perkembangan pesat setelah diimplementasikan secara meluas dalam kerja pemerintahan elektronik. Pemerintahan elektronik digunakan oleh pemerintah sebagai salah satu langkah untuk meningkatkan efisiensi dan efektivitas kinerja pemerintahan dalam relasi internal dan eksternal negara. Selain itu, penggunaan pemerintahan elektronik ini juga dimaksudkan untuk menunjang pelayanan publik kepada masyarakat. Banyak negara kemudian mengadopsi sistem pemerintahan elektronik ini untuk peningkatan kinerjanya. Berawal dari pusat katalog sidik jari yang dimulai pada tahun 1881 ketika Juan Vucetich memulai pengumpulan sidik jari para penjahat di Argentina. Josh Ellenbogen dan Nitzan Lebovic berpendapat bahwa biometrik berasal dari sistem identifikasi terhadap aktivitas kriminal yang dikembangkan oleh Alphonse Bertillon (1853–1914) dan oleh teori sidik jari dan fisiognomi Francis Galton. Menurut Lebovic, karya Galton "mengarah pada penerapan model matematika untuk sidik jari, frenologi, dan karakteristik wajah, sebagai bagian dari identifikasi mutlak dan kunci untuk memasukkan dan mengecualikan populasi. Dengan demikian, sistem biometrik adalah senjata politik mutlak zaman kita dan bentuk kontrol lunak. Ahli teori David Lyon menunjukkan bahwa selama dua dekade terakhir sistem biometrik telah menembus pasar sipil dan mengaburkan garis antara bentuk kontrol pemerintah dan kontrol perusahaan swasta. Kelly A. Gates mengidentifikasi 9/11 sebagai titik balik untuk bahasa budaya masa kini di mana objek atau peristiwa yang tidak memiliki hubungan yang diperlukan datang bersamaan dalam pembentukan wacana baru didirikan berupa pengenalan wajah otomatis sebagai teknologi keamanan dalam negeri.

Fungsi

Banyak aspek yang berbeda dari fisiologi manusia, kimia atau perilaku dapat digunakan untuk otentikasi biometrik. Pemilihan biometrik bertujuan untuk digunakan dalam aplikasi tertentu melibatkan pembobotan beberapa faktor. Jain dkk. (1999) mengemukakan bahwa ada tujuh faktor yang digunakan ketika menilai kesesuaian sifat apapun untuk digunakan dalam otentikasi biometrik.

• Universalitas (Universality) diartikan bahwa setiap orang yang menggunakan sistem harus memiliki sifat tersebut.
• Keunikan (Uniqueness) diartikan bahwa sifat harus cukup berbeda untuk individu dalam populasi yang relevan sehingga mereka dapat dibedakan satu sama lain.
• Keabadian (Permanence) dikaitkan dengan cara di mana suatu sifat bervariasi dari waktu ke waktu. Lebih khusus lagi, sifat dengan keabadian "baik" akan cukup invarian dari waktu ke waktu sehubungan dengan algoritma pencocokan tertentu .
• Measurability atau kolektabilitas (Collectability) dikaitkan dengan kemudahan perolehan atau pengukuran sifat. Selain itu, data yang diperoleh harus dalam bentuk yang memungkinkan pemrosesan dan ekstraksi selanjutnya dari kumpulan fitur yang relevan.
• Performa (Performance) dikaitkan dengan akurasi, kecepatan, dan kekokohan teknologi yang digunakan.
• Akseptabilitas (Acceptability) dikaitkan dengan seberapa baik individu dalam populasi yang relevan menerima teknologi sedemikian rupa sehingga mereka bersedia agar sifat biometrik mereka ditangkap dan dinilai.
• Pengelakan (Circumvention) dikaitkan dengan kemudahan yang dengannya suatu sifat dapat ditiru menggunakan artefak atau pengganti.

Performa

Kekuatan pembanding dari semua teknologi biometrik bergantung pada jumlah entropi sehingga dapat dikodekan dan digunakan dalam pencocokan. Faktor fundamental yang mendasari kekuatan identifikasi biometrik adalah entropi. Berikut ini digunakan sebagai metrik kinerja untuk sistem biometrik:

• False Match Rate (FMR) atau juga disebut False Accept Rate (FAR), yaitu kemungkinan bahwa sistem salah mencocokkan pola input dengan template yang tidak cocok dalam database. Ini mengukur persentase input tidak valid yang diterima secara tidak benar. Dalam kasus skala kesamaan, jika orang tersebut adalah penipu dalam kenyataan, tetapi skor kecocokan lebih tinggi dari ambang batas, maka ia diperlakukan sebagai asli. Hal ini meningkatkan FMR, yang dengan demikian juga tergantung pada nilai ambang batas. [10]
• False Non-Match Rate (FNMR) atau juga disebut False Reject Rate (FRR), yaitu kemungkinan sistem gagal mendeteksi kecocokan antara pola input dan template yang cocok dalam database. Ini mengukur persentase input valid yang ditolak secara tidak benar.
• Receiver Operating Characteristic atau Relative Operating Characteristic (ROC), yaitu karakterisasi visual dari trade-off antara FMR dan FNMR. Secara umum, merupakan pencocokan algoritma dalam melakukan keputusan berdasarkan ambang batas yang menentukan seberapa dekat dengan format yang dibutuhkan input agar dianggap cocok. Jika ambang batas dikurangi, akan ada lebih sedikit ketidakcocokan palsu tetapi lebih banyak penerimaan palsu. Sebaliknya, ambang batas yang lebih tinggi akan mengurangi FMR tetapi meningkatkan FNMR. Varian umum adalah Detection Error Trade-off (DET) diperoleh dengan menggunakan skala deviasi normal pada kedua sumbu. Grafik yang lebih linier ini menjelaskan perbedaan untuk kinerja yang lebih tinggi (kesalahan yang lebih jarang).
• Equal Error Rate atau Crossover Error Rate (EER atau CER), yaitu tingkat di mana kesalahan penerimaan dan penolakan sama. Satu nilai EER dapat dengan mudah diperoleh dari kurva ROC. EER adalah cara cepat untuk membandingkan tingkatan akurasi dari perangkat dengan kurva ROC yang berbeda. Secara umum, perangkat dengan EER terendah adalah yang paling akurat.
• Failure To Enroll Rate (FTE or FER), yaitu tingkat di mana upaya untuk membuat template dari input tidak berhasil. Ini paling sering disebabkan oleh input berkualitas rendah.
• Failure To Capture Rate (FTC), yaitu tingkat di mana kemungkinan sistem gagal mendeteksi input biometrik ketika disajikan dengan benar pada sistem otomatis.
• Template Capacity, yaitu jumlah maksimum set data yang dapat disimpan dalam sistem.