IDENTIFIKASI TANDA TANGAN BERBASIS JARIN
Jurnal Teknologi Informasi, ISSN 1414-9999
IDENTIFIKASI TANDA TANGAN BERBASIS JARINGAN SYARAF
TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION
Ratna Fitriani, M.Arief Soeleman, Vincent Suhartono
Pascasarjana Teknik Informatika Universitas Dian Nuswantoro
ABSTRACT
Pada penelitian tentang identifikasi tandatangan yang dilakukan sebelumnya, belum dilakukan analisa
terhadap device yang digunakan untuk mengambil data citra tandatangan pelatihan maupun pengujian.
Sementara itu karakteristik tiap citra tandatangan yang dimiliki seseorang adalah unique dan tingkat
perbedaan yang begitu signifikan. Karenanya diperlukan penelitian yang menunjukkan kemampuan suatu
metode dalam mengenali citra tandatangan seseorang jika menggunakan 2 device yang berbeda serta
alternative penggunaan simple preprocessing dengan tetap memperhatikan biaya komputasi, dan target
akurasi identifikasi yang maksimal. Penelitian ini bertujuan untuk melakukan identifikasi tandatangan
terhadap data yang diambil dari 2 device yang berbeda dan hasil identifikasi data uji dari tiap device yang
digunakan akan dibandingkan untuk diketahui yang terbaik. Data citra tandatangan yang digunakan
diambil menggunakan device scanner dan Kamera digital. Kedua Device diatur nilai resolusinya sehingga
mempunyai ukuran resolusi yang sepadan. Setiap data dari masing-masing device akan melalui tahapan
proses konversi ruang warna citra tandatangan menjadi grayscale, melakukan threshold sehingga data
citra berada pada ruang warna hitam putih. Dan Learning Vector Quantization digunakan untuk
melakukan identifikasi tandatangan. Hasil identifikasi adalah untuk mengenali tandatangan uji milik
seseorang dan yang pernah dilatih dalam sistem. Sistem tidak melakukan verifikasi tandatangan tersebut
palsu atau tidak. Hasil identifikasi data uji dari tiap device yang digunakan pada penelitian ini akan
dibandingkan untuk diketahui yang terbaik. Hasil penelitian menunjukkan tingkat akurasi identifikasi
dengan benar menggunakan tahapan pada penelitian ini terhadap citra data tandatangan lokal
menggunakan 54 data uji dengan device scanner pada resolusi 457 dpi dan 1080 x 1920 pixel adalah
83.333%., sementara dengan device kamera digital pada resolusi 1080 x 1920 pixel adalah 87.037%.
Kata kunci : Device, Scanner, Kamera digital,, grayscale, threshold, Learning Vector Quantizations
(LVQ).
Homepage : http://pps.dinus.ac.id email redaksi: [email protected]
IDENTIFIKASI TANDA TANGAN BERBASIS JARINGAN SYARAF
TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION
Ratna Fitriani, M.Arief Soeleman, Vincent Suhartono
Pascasarjana Teknik Informatika Universitas Dian Nuswantoro
ABSTRACT
Pada penelitian tentang identifikasi tandatangan yang dilakukan sebelumnya, belum dilakukan analisa
terhadap device yang digunakan untuk mengambil data citra tandatangan pelatihan maupun pengujian.
Sementara itu karakteristik tiap citra tandatangan yang dimiliki seseorang adalah unique dan tingkat
perbedaan yang begitu signifikan. Karenanya diperlukan penelitian yang menunjukkan kemampuan suatu
metode dalam mengenali citra tandatangan seseorang jika menggunakan 2 device yang berbeda serta
alternative penggunaan simple preprocessing dengan tetap memperhatikan biaya komputasi, dan target
akurasi identifikasi yang maksimal. Penelitian ini bertujuan untuk melakukan identifikasi tandatangan
terhadap data yang diambil dari 2 device yang berbeda dan hasil identifikasi data uji dari tiap device yang
digunakan akan dibandingkan untuk diketahui yang terbaik. Data citra tandatangan yang digunakan
diambil menggunakan device scanner dan Kamera digital. Kedua Device diatur nilai resolusinya sehingga
mempunyai ukuran resolusi yang sepadan. Setiap data dari masing-masing device akan melalui tahapan
proses konversi ruang warna citra tandatangan menjadi grayscale, melakukan threshold sehingga data
citra berada pada ruang warna hitam putih. Dan Learning Vector Quantization digunakan untuk
melakukan identifikasi tandatangan. Hasil identifikasi adalah untuk mengenali tandatangan uji milik
seseorang dan yang pernah dilatih dalam sistem. Sistem tidak melakukan verifikasi tandatangan tersebut
palsu atau tidak. Hasil identifikasi data uji dari tiap device yang digunakan pada penelitian ini akan
dibandingkan untuk diketahui yang terbaik. Hasil penelitian menunjukkan tingkat akurasi identifikasi
dengan benar menggunakan tahapan pada penelitian ini terhadap citra data tandatangan lokal
menggunakan 54 data uji dengan device scanner pada resolusi 457 dpi dan 1080 x 1920 pixel adalah
83.333%., sementara dengan device kamera digital pada resolusi 1080 x 1920 pixel adalah 87.037%.
Kata kunci : Device, Scanner, Kamera digital,, grayscale, threshold, Learning Vector Quantizations
(LVQ).
Homepage : http://pps.dinus.ac.id email redaksi: [email protected]