MAKALAH SIGNAL PROCESSING

“ SISTEM BIOMETRIC SECURITY”

DOSEN PENGAMPUH :
TONY SUHENDRA, ST., M.Cs

MAHASISWA
NAMA : Yoshi Nurmansyah
NIM : 190120201026
JURUSAN : TEKNIK ELEKTRO
FAKULTAS : TEKNIK

UNIVERSITAS MARITIM RAJA ALI HAJI

TANJUNGPINANG
2021
 DAFTAR ISI

DAFTAR ISI ………………………………………………………………………….………… i

ABSTRAK ... …………………………………………………………………………………… ii
BAB I PENDAHULUAN
1.1. Latar Belakang …….. ………………………………………………….………… 1
1.2. Rumusan Masalah …. ………………………………………………….………… 1
1.3. Tujuan ………………………………………………………………….………… 1
BAB II TINJAUAN PUSTAKA
2.1 SISTEM KEAMANAN MENGGUNAKAN BIOMETRIK ……….…………… 2
2.1.1 Biometrik Sidik Jari …………………………………………..………..… 2
2.1.2 Biometrik Suara ………………………………………………..………… 3
2.1.3 Biometrik Iris Mata ……………………………………………..…….…. 4
2.1.4 Biometrik Wajah …………………………..……………………..……… 4
2.1.5 Biometrik Vena Telapak Tangan ………………………………..…….… 6
2.2 PENGAMANAN DATA BIOMETRIK ………………………………………… 6
BAB III PEMBAHASAN
3.1 PENJELASAN BIOMETRIK ………………………………………………...…. 8
3.2 LANGKAH UTAMA YANG DILAKUKAN DALAM TEKNIK BIOMETRIC. 9
3.3 KEKURANGAN BIOMETRIK ....................………………….………..……… 10
3.3.1 Akurasi ………………………...……………………….………………. 10
3.3.2 Biaya …………………………………………....……....……...………. 10
BAB IV PENUTUP
Kesimpulan …………………………………………………………………... 11
Daftar Pustaka ……………………………………………………………...…… 12

i
 ABSTRACT

Biometrics is a technology that uses unique human biological data as a distinguishing feature
between humans such as fingerprints, retinas, facial recognition, palms etc. Various
authentication methods or the use of passwords have developed as one of the most accurate and
reliable methods of authentication or password usage today and has high security. The error rate
produced is proven to be the lowest compared to ancient authentication technologies such as
cards, pins and passwords because each individual has a different fingerprint, retina, facial
structure. The user convenience factor is also a distinct advantage for this authentication
technology because users can make electronic transactions and access certain places and can
access information easily and safely, of course.

Keywords: biometrics, authentication, security technology

Biometrik adalah teknologi yang menggunakan data biologis dari manusia yang unik sebagai
pembeda antar manusia sepert sidik jari, retina, pengenalan wajah, telapak tangan dll. Berbagai
metode autentikasi atau penggunaan sandi telah berkembang sebagai salah satu metode
autentikasi atau penggunaan sandi yang paling akurat dan terpercaya saat ini dan memiliki
keamanan yang tinggi. Tingkat kesalahan yang dihasilkan telah terbukti paling rendah
dibanding teknologi autentikasi kuno seperti kartu, pin maupun password dikarenakan setiap
individu memiliki sidik jari, retina, struktur wajah yang berbeda-beda. Faktor kemudahan user
juga menjadi keunggulan tersendiri bagi teknologi autentikasi ini dikarenakan user dapat
melakukan transaksi elektronik dan akses ke tempat-tempat tertentu serta dapat mengakses
informasi dengan mudah dan aman tentunya.

Kata Kunci : biometrik,autentikasi,teknologi keamanan

ii
 BAB I
PENDAHULUAN

1.1 LATAR BELAKANG

Sistem atau metode pengamanan atau security dalam dunia maya maupun dunia
nyata yang masih konvensional berupa password, PIN dan penngunaan kartu identitas
dianggap sudah tidak handal karena sering terlupakan oleh si pemiliknya atau mudah
untuk diketahui sehingga disalahgunakan oleh orang lain dengan kata lain memiliki
tingkat keamanan yang rendah. Salah satu teknik yang dikembangkan untuk menjawab
persoalan keamanan adalah Biometric yang mana pastinya masalah sederhana seperti
ketinggalan ataupun lupa akan autentikasi itu tidak akan terjadi lagi dikarenakan
biometric ini menggunakan data biologis manusia seperti sidik jari, retina, penggenalan
wajah yang mana setiap individu itu berbeda sehinggan memiliki tingkat keamanan
yang tinggi.

1.2 RUMUSAN MASALAH

1. Apa itu biometric dan apa saja jenis-jenisnya?
2. Bagaimana dan apa saja langkah utama yang dilakukan dalam teknik biometric?
3. Apa saja kekurangan dari biometric?

1.3 TUJUAN
1. Mengetahui apa itu biometric dan jenis-jenisnya.
2. Paham bagaimana langkah utama pada biometric.
3. Mengetahui kekurangan dari biometric.

1
 BAB II
TINJAUAN PUSTAKA

2.1 SISTEM KEAMANAN MENGGUNAKAN BIOMETRIK

2.1.1 Biometrik Sidik Jari
Pada jurnal berjudul An Embedded ATM Security Design Using ARM
Processor with Fingerprint Recognition and GSM oleh Daula & Murthy dibahas
teknologi biometrik sidik jari yang dipadukan dengan Global System for
Mobile (GSM) untuk masalah keamanan Anjungan Tunai Mandiri (ATM)
(Daula & Murthy, 2012). Tujuan utama dari sistem ini adalah mengembangkan
sistem tertanam yang digunakan untuk aplikasi keamanan ATM. Dalam sistem ini,
pihak bank akan mengumpulkan sidik jari dan nomor telepon genggam nasabah
ketika nasabah membuka akun disuatu bank. Cara kerja dari sistem ATM ini
adalah nasabah meletakkan jari pada modul sidik jari di mesin ATM kemudian
akan secara otomatis menghasilkan 4 kode angka berbeda setiap waktunya
dan dikirim ke telepon genggam nasabah. Kode yang diterima oleh nasabah
dimasukkan ke dalam mesin ATM dengan menekan key pada layar sentuh
dan kemudian kode tersebut akan dicek apakah valid atau tidak. Hasil dari
keseluruhan sistem ini berupa feature keamanan yang ditingkatkan lebih luas
untuk stabilitas dan reliabilitas dari pengenalan nasabah (Daula & Murthy, 2012).
Penelitian terbaru terhadap biometrik sidik jari bisa mendapatkan FMR
sebesar 0,026% yang dilakukan oleh Negi dan Sharma dengan menggunakan
metode fingerprint recognition using minutia score matching (FRMSM) (Negi
& Sharma, 2012). Algoritma dimulai dengan sidik jari yang di-binarization dan
kemudian di-thinning. Lalu poin-poin minutia diekstrak dimana matriks data
dihasilkan untuk mendapatkan posisi, orientasi dan tipe minutia. Setelah itu
dilakukan pencocokan sidik jari uji coba dengan template dan skor pencocokan dari
kedua gambar dikomputasi dimana jika skornya 1 maka berarti cocok dan jika 0
maka berarti tidak cocok antara sidik jari yang diuji coba dengan template.

2
2.1.2 Biometrik Suara
Dalam penelitian oleh Iqbal, Mahboob dan Khiyat pada jurnal berjudul
Voice Recognition using HMM with MFCC for Secure ATM, digunakan
pengenalan suara nasabah untuk mengamankan transaksi pada mesin ATM
(Iqbal, Mahboob, & Khiyat, 2011). Pada penelitian tersebut, sampel suara diamati
dengan Mel Frequency Cepstral Coefficient (MFCC) untuk ekstraksi feature
akustik dan kemudian digunakan untuk melatih parameter Hidden Markov
Modeling (HMM) melalui algoritma forward backward yang merupakan bagian
dalam HMM dan pada akhirnya hitungan kemungkinan logaritma dari latihan
disimpan kedalam database. Ini akan mengenali suara nasabah dengan
membandingkan nilai logaritma dari database. Teknik ini diimplementasikan
pada Matlab 7.0. Dengan demikian teknik ini akan menggantikan PIN dalam
mengakses layanan pada ATM. Akurasi yang didapatkan pada teknik ini
sebesar 86,67% dengan error ratesebesar 13,33% (Iqbal, Mahboob, & Khiyat,
2011).
Penelitian yang dilakukan oleh Venugopal et al juga membahas
mengenai keamanan ATM menggunakan pengenalan biometrik suara dimana
mengimplementasikan HMM untuk mengkalkulasikan speech rate dan
frekuensi. HMM akan dikombinasikan dengan modulasi Pitch Detection
Algorithm (PDA) untuk menghitung pitch dari voiceprint serta dikombinasikan
juga dengan Accent Classification (AC) untuk analisis aksen dalam suara.
Kombinasi ketiga algoritma ini akan menghasilkan tingkat keamanan sistem
pengenalan suara yang lebih tinggi pada mesin ATM. Alur kerja sistem ini
dimulai dengan memasukkan sinyal suara dan dikonversi dari sinyal analog
(suara) menjadi sinyal digital. Hasil dari sinyal digital dikalkulasikan untuk
menghitung speech rate menggunakan HMM. Setelah itu dikalkulasikan juga
pitch rate dengan menggunakan PDA dan analisa aksen dari suara
menggunakan AC. Hasil analisa aksen kemudian akan dikalkulasikan untuk
menentukan apakah suara yang dimasukkan cocok dengan template atau tidak.
Solusi ini diuji cobakan dengan diimplementasikan menggunakan web browser
yang open source yaitu Mozilla Firefox 1.5 dengan dilakukan sedikit modifikasi.

3
Web browser ini digunakan untuk menjalankan Scripting language-JavaScript
yang ada didalam halaman web dengan bantuan Voice XML agar membuat
tampilan menjadi lebih interaktif bagi pengguna. Testing tool yang digunakan
untuk mengetes perangkat lunak pengenalan suara adalah Automation Testing.
Hasil yang didapat dari sistem ini berupa akurasi sebesar 90% lebih dibanding
algoritma tradisional yang hanya 75% (Venugopal, Hema.U, Kalaiselvi.S,
& Mahalakshmi.M, 2012).

2.1.3 Biometrik Iris Mata

Biometrik iris mata dibahas dalam penelitian oleh Dhavale
menggunakan properti statistikal dari Walsh Hadamard Transform (WHT) untuk
teknik feature ekstraksi gambar iris mata (Dhavale, 2012). Selain WHT, digunakan
juga Canny Edge Detection untuk mendeteksi batasan-batasan iris mata dalam
gambar digital sebuah mata. Feature unik iris mata didapatkan dengan
menghitung Mean Value of Energy (MVE) dan Mean Value of Standard
Deviations (MSD) dari koefisien WHT. Algoritma Fast WHT digunakan
untuk mengurangi waktu komputasional. Feature yang diekstrasi oleh WHT
digunakan untuk menghasilkan gambar biner unik yang di-encodedan kode
atau stream bit biner unik yang saling berhubungan akan dibangun. Untuk
mengurangi ukuran database, disimpan bit stream untuk tujuan matching.
Hasil yang dicapai pada penelitian ini adalah FRR sebesar 0,01% dan FAR
sebesar 0,03% untuk jumlah pengguna 70-80 orang dengan Equal Error Rate
(EER) sebesar 0,106% (Dhavale, 2012). EER adalah nilai ketika FRR sama
dengan FAR.

2.1.4 Biometrik Wajah

Sistem verfikasi wajah memiliki beragam penerapan dalam bidang
keamanan seperti verifikasi passpor, pemrosesan visa maupun verifikasi
nasabah pada mesin ATM. Hal ini membuat banyak penelitian dilakukan untuk
mengembangkan algoritma-algoritma terbaru dari sistem verifikasi wajah demi
meningkatkan efisiensi dan akurasi. Pertama, terdapat metode “attribute”

4
classifiers dan “simile” classifiers. Metode “attribute” classifiers
menggunakan binary classifiers trained untuk mengenali ada atau tidaknya
aspek yang bisa dideskripsikan dari penampilan visual (seperti jenis kelamin,
ras dan umur). Metode “simile” classifiers menghilangkan manual labeling yang
diperlukan untuk klasifikasi atribut dan mempelajari kesamaan wajah atau
daerah wajah terhadap orang yang spesifik. Kedua metode tersebut memerlukan
biaya yang besar, sering “rapuh” dan perlu mensejajarkan antara sepasang
gambar. Namun, kedua metode tersebut menghasilkan deskripsi visual yang
compact dan bekerja pada gambar nyata. Kedua metode tersebut juga
memperbaiki metode level tertinggi untuk set data “Labeled Faces in the Wild”
(LFW) dan mengurangi error rates sebesar 23,92% untuk “attribute” classifiers;
26,34% untuk “simile” classifiers; dan 31,68% untuk gabungan kedua metode.
Set data yang digunakan memiliki jumlah gambar lebih banyak (60.000 gambar)
dan lebih “dalam” (300 gambar per individu) dibandingkan dengan data set
yang telah ada. Akurasi yang didapatkan adalah: 83,62% ± 1,58% untuk
“attribute” classifiers; 84,14% ± 1,31% untuk “simile” classifiers; dan 85,29%
± 1,23% untuk gabungan kedua metode (Kumar, Berg, Belhumeur, & Nayar, 2009).
Algoritma sparse representations untuk verifikasi wajah yang
mengintegrasikan 2 cara untuk penempatan sparsity. Diberikan sepasang gambar
dan dictionary, untuk gambar , lalu dibuat 2 sparse code, satu dengan
menggunakan dictionary asli dan satunya lagi dengan menambahkan kedalam
sebagai dictionary tambahan. Kemudian korelasi dari sparse code dan , dimana
keduanya menggunakan dictionary, mengukur seberapa mirip sepasang gambar
tersebut, yang dinyatakan sebagai similarity score. Ketidaksamaan dari sparse
code, pada dan , dinyatakan sebagai dissimilarity score. Pada algoritma ini
memanfaatkan transformasi multiple feature untuk mendapatkan beberapa score
menggunakan kedua pengukuran dan menggabungkannya dengan merata-
ratakan untuk situasi dimana tidak tersedia training set atau dengan SVM
ketika sebuah training set diberikan. HybridSparse score didapatkan dengan
menggabungkan 8 skor dari kedua similarity score dan dissimilarity score.
Rata-rata HybridSparse didapatkan dengan merata-ratakan 8 skor dengan

5
 equal weight, menghasilkan akurasi 83% dan HybridSparse (SVM)
meningkatkan peforma menjadi 84,67% (Guo, Wang, Choi, & Davis, 2012).

2.1.5 Biometrik Vena Telapak Tangan

Teknologi biometrik baru yang sedang berkembang saat ini
diperkenalkan oleh perusahaan Fujitsu berupa alat PalmSecure. Alat ini bisa
digunakan untuk membaca pola pembuluh darah vena telapak tangan sehingga
menjadi biometrik vena telapak tangan. Berdasarkan hasil riset dari Fujitsu,
FAR dari Fujitsu’s PalmSecure sebesar 0,00008% dan FRR sebesar 0,01%
(Rao & Preethi, 2010) (Sarkar, Alisherov, Kim, & Bhattacharyya, 2010). Hasil ini
didapat dengan menggunakan 140.000 telapak tangan dari 70.000 individual
dengan kondisi orang tersebut harus meletakkan telapak tangan diatas sensor
untuk dilakukan pemindaian sebanyak tiga kali selama registrasi dan hanya
sekali pemindaian terakhir untuk memperkuat autentikasi (Sarkar, Alisherov,
Kim, & Bhattacharyya, 2010). Dikembangkannya biometrik vena telapak tangan
karena biometrik ini unik pada setiap orang dan tidak akan berubah polanya
sepanjang masa hidup seseorang (Rao & Preethi, 2010). Selain itu, sistem
biometrik ini tidak intrusif dan mudah digunakan serta telapak tangan tidak
perlu menyentuh sensor. Cara pembacaan pola pembuluh darah vena dengan
mengemisikan infra merah dari alat ke telapak tangan dan cahaya infra merah
akan ditangkap oleh hemoglobin non-oksigen didalam pembuluh darah vena
lalu dideteksi oleh sensor sehingga membentuk struktur pola pembuluh darah
vena (Nelson, Wright, & Ashida, 2007).

2.2 PENGAMANAN DATA BIOMETRIK

Masalah keamanan transmisi juga menjadi sebuah isu penting agar informasi yang
dikirimkan antara client dengan server bisa terjaga konfidenlitas dan integritasnya.
Beberapa metode keamanan konvensional pada ATM seperti Data Encryption Standard
(DES), Advanced Encryption Standard (AES) dan Encrypted Pin Pad (EPP) dibahas
oleh Sharma dan Rathore melalui jurnal Different Data Encryption Methods Used in
Secure Auto Teller Machine Transactions (Sharma & Rathore, 2012). Dalam tulisan

6
ini didiskusikan mengenai variasi tipe metode enkripsi dan standard yang digunakan
dalam mengamankan transmisi data perbankan sehingga data perbankan lebih aman.
Metode keamanan DES merupakan standar keamanan yang mengubah data ke dalam
bentuk yang tidak mungkin dibaca tanpa pengetahuan atau kunci khusus. DES
merupakan standar sistem kriptografi yang menggunakan algoritma simetrik dimana
digunakan 64-bit blok dalam blok chiperdan kunci eksternal. Triple DES (3DES)
merupakan hasil revisi dari DES dimana tingkat keamanan yang diberikan lebih
tinggi dibanding DES sehingga perbankan menggunakan ini untuk mengamankan data
komunikasi dalam jaringan publik.
Metode kemanan selain DES adalah AES dimana merupakan perubahan privasi untuk
IPSecdan Internet Key Exchange (IKE) dan menggantikan DES. AES menggunakan
ukuran key yang lebih besar untuk memastikan hanya pihak berkepentingan yang
bisa mendekripsi pesan. AES memiliki panjang key 128-bit, 192-bit atau 256-bit.
AES bisa memroses enam kali lebih cepat daripada 3DES namun biaya implementasi AES
cukup mahal dibanding 3DES. Dibandingkan antara DES dan AES, implementasi
DES lebih cocok untuk aplikasi pada perangkat keras seperti sistem jaringan
komunikasi, perangkat jaringan VPN atau sebuah ATM. Metode EPP merupakan
metode dimana mengenkripsi keypad secara lokal dan menyegel modul sehingga tidak
ada data mentah dari PIN yang bisa diakses oleh penyerang baik melalui penyadapan
kabel didalam mesin ATM ataupun sensing secara remoteradiasi elektromagnetik yang
dihasilkan oleh kabel ATM.
Data biometrik wajah bisa diamankan dengan menggunakan enkripsi biometrik.
Penelitian oleh Lu et al berfokus pada privasi untuk skenario self-exclusion
(pengeluaran-sendiri) dari pengenalan wajah, melalui kombinasi pengenalan
wajah dengan skema enkripsi biometrik sederhana yang dinamakan Helper Data
System (HDS) (Lu, Martin, Bui, Plataniotis, & Hatzinakos, 2009).

7
 BAB III
PEMBAHASAN

3.1 PENJELASAN BIOMETRIC

Biometric adalah teknik yang dikembangkan berdasarkan keunikan dari
mekanisme, fisik dan hal-hal lainnya yang berhubungan dengan tubuh makluk hidup
seperti zat kimia yang dihasilkan (Physiological) serta prilaku masing-masing individu
tersebut sehingga bisa dibedakan individu satu dengan yang lain. Dengan teknik
Biometric maka tidak perlu lagi mengingat PIN dan password karena piranti pengaman
adalah tubuh itu sendiri sehingga akan sangat sulit untuk digandakan atau dicuri
oleh orang.. Artinya, tidak dimiliki oleh lebih dari satu individu. Contohnya saja sidik jari
atau retina mata. Meskipun bentuk atau warna mata bisa saja sama, namun retina mata
belum tentu sama. Begitu juga dengan suara dan struktur wajah. Bagian-bagian unik inilah
yang Kemudian dikembangkan sebagai atribut keamanan.

Sebagai bagian dari teknologi keamanan, biometrics memiliki dua fungsi

sekaligus yang dapat dijalankan terpisah maupun secara bersamaan. Yang pertama
sebagai pencatat ID atau sebagai alat verifikasi (password). Teknologi biometrics hampir
dapat diterapkan dimana saja. Mulai untuk melindungi sebuah barang tertentu dari
akses yang tidak diinginkan, seperti komputer. Sampai untuk melindungi sebuah
ruangan yang ramai dari orang-orang tertentu. Misalnya, untuk mengetahui
keberadaan teroris atau penjahat lain di bandara. Cara kerja teknologi keamanan yang
satu ini hampir sama dengan teknologi keamanan lain yang sangat bergantung kepada
sensor. Sensor yang digunakan pada teknologi biometrics cenderung mahal, dan
semakin mahal maka semakin akurat dan sangat aman. Selain sensor, bagian yang
tidak kalah penting dari biometrics adalah data. Bagaimana Anda menyimpan data pada
sebuah sistem sangat penting. Sebab biometrics adalah teknologi yang bergantung kepada
data. Bila data yang disimpan tidak aman atau lengkap, kemungkinan adanya penyusup ke
system ini akan lebih besar.

8
3.2 LANGKAH UTAMA YANG DILAKUKAN DALAM TEKNIK BIOMETRIC
Proses pengamanan atau security system biasanya dilakukan dengan melalui tiga
proses yaitu proses identifikasi atau pencocokkan satu terhadap beberapa contoh data
yang dianggap cocok, verifikasi atau pengecekan kembali dan autentikasi atau
authentication. Berikut ini adalah 5 langkah utama yang dilakukan dalam teknik Biometric:
1. Pengambilan data
Proses ini dilalukan dengan menggunakan peralatan yang bisa mengambil
data secara digital seperti Fingerprint reader, microphone dan kamera digital.

2. Pengolahan data
Pada proses ini data yang sudah didapat diperbaiki atau dipersiapkan
sehingga bisa dipakai untuk proses selanjutnya.

3. Proses Ekstrasi
Pada proses ini data dari proses sebelumnya diektraksi.

4. Pembuatan Template
Template merupakan object yang solid dan tidak bisa diubah-ubah (invariant)
hasil dari proses ekstraksi atas data-data yang ada.

5. Menyamakan atau mencocokkan Template

Proses ini untuk mengidentifikasi dan meng-autentikasi (authentication)
atau mencocokkan perangkat keamanan yang asli milik si pemilik dengan
template yang tersimpan dalam database. Data yang ada pada pemilik dan
database dinyatakan otentik jika keduanya sama.

9
3.3 KEKURANGAN BIOMETRIC
Meskipun metode identifikasi konvensional tidak lagi akurat, teknologi biometrik
ini belum banyak dipakai dan tersebar luas di khalayak umum disebabkan oleh berbagai
hal yang mungkin masih diperhitungkan oleh para pengembang dan perusahaan yaitu
akurasi, biaya, integritas, dll
3.3.1 Akurasi
Bahkan jika karakteristik biometrik yang sah dapat disajikan dengan
sistem biometrik, tingkat kebenarannya masih belum dapat terjamin. Ini
bisa jadi karena sensor suara, keterbatasan metode pengolahan, dan
variabilitas dalam kedua karakteristik biometrik.

3.3.2 Biaya
Biaya dalam hal ini terkait dengan akurasi; banyak aplikasi seperti log on
ke pc sangat sensitif terhadap penambahan biaya yang dibutuhkan untuk
mengusung teknologi biometrik. Dengan arti lain dalam segi biaya
teknologi biometric ini sangat lah besar.

10
 BAB IV
PENUTUP

4.1 KESIMPULAN
Tahapan yang perlu dilakukan dalam implementasi teknologi biometric security
adalah strategic planning and budgeting, Teknologi biometrics ini hampir dapat
diterapkan di mana saja. Mulai untuk melindungi sebuah barang tertentu dari akses
yang tidak diinginkan, seperti komputer. Sampai untuk melindungi sebuah ruangan.
Biometric ini merupakan solusi dari autentikasi kuno seperti pin, password maupun
kartu identitas yang sering mengalami masalah ketinggalan ataupun lupa maupun
kehilangan.

11
 DAFTAR PUSTAKA

Tarigan, Josua. 2004. Biometric Security: Alternatif Pengendalian Dalam Sistem Informasi
Akuntansi Terkomputerisasi. jurnal akuntansi & keuangan vol. 6 : 90-105

Salim, Suparman. 2021. Tinjauan Pustaka. https://adoc.pub/bab-2-tinjauan-pustaka-penelitian-

yang-telah-dipublikasikan-.html, diakses pada 14 September 2021 pukul 16.08

Rachman, Iwan. 2017. Tinjauan Pustaka. https://docplayer.info/42855554-Bab-2-tinjauan-

pustaka-sistem-biometrik-merupakan-teknologi-pengenalan-diri-yang-menggunakan.html. ,
diakses pada 14 September 2021 pukul 17.10

Brigita, Yully. 2017. Mengenal Teknologi Biometrik. https://docplayer.info/58762111-

Mengenal-teknologi-biometrik.html, diakses pada 14 September 2021 pukul 20.10

12