Aplikasi Android untuk Pengenalan Tanda Tangan dengan Metode Normalized Cross Correlation (NCC).

v

Universitas Kristen Maranatha

ABSTRAK

Tanda tangan merupakan sesuatu yang unik yang dimiliki setiap mrang sehingga seringkali dipakai untuk menentukan keabsahan dmkumen ataupun transaksi. Akan tetapi tanda tangan menjadi rentan terhadap pemalsuan, sehingga pengenalan pmla tanda tangan telah banyak dipelajari dan diimplementasikan untuk meminimalisir hal tersebut. Berkembangnya teknmlmgi smartphone android, diharapkan bisa menjadi salah satu smlusi dalam pengenalan tanda tangan dengan menerapkan pendekatan secara off-line yaitu dengan metmde Normalized Cross Correlation (NCC). NCC adalah salah satu metmde dari Template Matching, sehingga membutuhkan sample data dalam prmses pengenalan pmla. Aplikasi menerima masukan citra untuk dijadikan data sample dan data uji dari kamera. Data sample diambil sebanyak empat kali, lalu disimpan berupa file kedalam memmri internal. Penerapan image processing diimplementasikan terhadap citra untuk meningkatkan kualitas mbjek tanda tangan. Perhitungan NCC digunakan dalam prmses pengenalan tanda tangan hingga akhirnya menghasilkan nilai kmrelasi terbesar antara data sample dan data uji. Nilai kmrelasi terbesar mengindikasikan kepemilikan tanda tangan dari data uji. Hasil dari prmses ini akan menyatakan cmcmk atau tidaknya suatu tanda tangan. Dari hasil uji cmba yang dilakukan menunjukan bahwa NCC dapat mengenali tanda tangan dengan ketepatan 96,7%.

Kata kunci: andrmid, normalized cross correlation, pengmlahan citra, pengenalan tanda tangan

vi

ABSTRACT

The signature is uniquely owned by each person, widely used to determine the validity of a document or transaction. However signatures become vulnerable to counterfeiting, so signature recognition has been extensively studied and implemented to minimize this problem. The growing of android smartphone technology is expected to be one of the solutions in signature recognition, by applying off-line approach with Normalized Cross Correlation (NCC) method. NCC is one of the methods of template matching, thus requiring the sample data in the pattern recognition process. The application receive input image to be used as sample data and test data from the camera. Sample data were taken four times, then saved as files to the internal memory. The implementation of image processing is implemented on the image to improve the quality of the signature object. NCC calculations used in the process of signature recognition to generate the greatest correlation values between the sample data and test data. Greatest correlation value indicating ownership of the signature of the test data. The results from this process would be declared the accuracy of a signature. The results of tests conducted, showed that the NCC can recognize the signature with 96.7% accuracy.

vii

Universitas Kristen Maranatha

DAFTAR ISI

LEMBAR PENGESAHAN ... i

PERNYATAAN ORISINALITAS LAPORAN PENELITIAN ... ii

PERNYATAAN PUBLIKASI LAPORAN PENELITIAN... iii

PRAKATA ... iv

ABSTRAK ... v

ABSTRACT ... vi

DAFTAR ISI ... vii

DAFTAR GAMBAR ... x

DAFTAR TABEL ... xii

DAFTAR SINGKATAN ... xiii

DAFTAR ISTILAH ... xiv

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Tujuan Pembahasan ... 2

1.4 Ruang Lingkup... 2

1.5 Sumber Data ... 3

1.6 Sistematika Penyajian ... 3

BAB 2 KAJIAN TEORI ... 5

2.1 Pengenalan Tanda Tangan ... 5

2.2 Pengmlahan Citra (Image Processing) ... 7

2.2.1 Grayscale ... 8

2.2.2 Median Filter ... 9

viii

2.2.4 Nmrmalisasi Citra ... 11

2.2.5 Citra Binner ... 11

2.3 Normalized Cross Correlation (NCC) ... 12

BAB 3 ANALISIS DAN RANCANGAN SISTEM ... 15

3.1 Metmdmlmgi ... 15

3.1.1 Data Acquisition ... 15

3.1.2 Pre-Processing ... 16

3.1.3 Feature Extraction ... 17

3.1.4 Verify Signature... 17

3.1.5 Output ... 18

3.2 Class Diagram ... 18

3.3 Sequence Diagram ... 19

3.3.1 Pendaftaran Tanda Tangan ... 19

3.3.2 Pengenalan Tanda Tangan ... 20

3.4 Perancangan Basis Data ... 21

3.5 Perancangan Antar Muka ... 22

3.5.1 Tampilan Awal ... 22

3.5.2 Tampilan Pendaftaran Tanda Tangan ... 23

3.5.3 Tampilan List Tanda Tangan Terdaftar ... 24

3.5.4 Tampilan Hasil Pengenalan Tanda Tangan ... 25

3.5.5 Tampilan Detail Data dari Tanda Tangan Terdaftar ... 25

3.6 Spesifikasi Andrmid ... 26

BAB 4 IMPLEMENTASI ... 27

4.1 Implementasi Algmritma ... 27

4.1.1 Implementasi Grayscale ... 27

ix

Universitas Kristen Maranatha

4.1.3 Implementasi Sobel ... 29

4.1.4 Implementasi Binary Image ... 30

4.1.5 Implementasi OR operation pada matriks ... 30

4.1.6 Implementasi Normalize Cross Correlation(NCC) ... 31

4.2 Implementasi Pengenalan Tanda Tangan ... 32

4.2.1 Tampilan Awal ... 32

4.2.2 Tampilan Pendaftaran Tanda Tangan ... 33

4.2.3 Tampilan List Tanda Tangan Terdaftar ... 33

4.2.4 Tampilan Hasil Pengenalan Tanda Tangan ... 34

4.2.5 Tampilan Detail Data dari Tanda Tangan Terdaftar ... 35

BAB 5 Pengujian ... 36

5.1 Langkah-langkah Pengujian ... 36

5.2 Hasil Pengujian ... 36

5.3 Pengujian Sensitivitas NCC ... 41

BAB 6 SIMPULAN DAN SARAN ... 44

6.1 Simpulan ... 44

6.2 Saran ... 44

DAFTAR PUSTAKA ... 45 LAMPIRAN A FORM PENGAMBILAN DATA SAMPLE ... A-1

x

DAFTAR GAMBAR

Gambar 2.1 Cmntmh Workflow Sederhana untuk Pengenalan Tanda Tangan ... 6

Gambar 2.2 Pre-processing dari Tanda Tangan ... 7

Gambar 2.3 Penghilangan Derau dengan Median Filter 3x3... 9

Gambar 2.4 Cmntmh Matriks Penerapan Operatmr Sobel ... 10

Gambar 2.5 Signature Normalization ... 11

Gambar 2.6 Huruf “B” dan Representasi Biner dari Derajat Keabuannya ... 12

Gambar 2.7 a. Input Image b. Input template c. Hasil NCC ... 13

Gambar 3.1 Metmdmlmgi Pengenalan Tanda Tangan ... 15

Gambar 3.2 Class Diagram ... 19

Gambar 3.3 Sequence Diagram Pendaftaran Tanda Tangan ... 20

Gambar 3.4 Sequence Diagram Pengenalan Tanda Tangan ... 21

Gambar 3.5 Tampilan Awal Aplikasi ... 23

Gambar 3.6 Tampilan Pendaftaran Tanda Tangan ... 24

Gambar 3.7 Tampilan List Tanda Tangan Terdaftar ... 24

Gambar 3.8 Tampilan Hasil Pengenalan Tanda Tangan ... 25

Gambar 3.9 Tampilan Detail Data ... 26

Gambar 4.1 Implementasi Grayscale ... 27

Gambar 4.2 Implementasi Signature Normalization ... 29

Gambar 4.3 Implementasi Sobel ... 29

Gambar 4.4 Implementasi Binary Image ... 30

Gambar 4.5 Implemetasi OR Operation pada Matriks Data Sample ... 31

Gambar 4.6 Implementasi Fmrmula NCC ... 32

Gambar 4.7 Implementasi Tampilan Awal ... 32

Gambar 4.8 Implemetasi Tampilan Pendaftaran Tanda Tangan ... 33

Gambar 4.9 Implementasi List Tanda Tangan Terdaftar ... 34

Gambar 4.10 Implementasi Tampilan Hasil Pengenalan Tanda Tangan ... 35

Gambar 4.11 Implementasi Tampilan Detail Data Tanda Tangan ... 35

Gambar 5.1 Grafik Hubungan Nilai Kmrelasi dengan Hasil Pengenalan Tanda Tangan ... 40

xi

Universitas Kristen Maranatha Gambar 5.3 Data Sample Tanda Tangan User A ... 42 Gambar 5.4 Data Sample Tanda Tangan User B ... 42 Gambar 5.5 Hasil Dari Pengenalan Tanda Tangan User A ... 43

xii

DAFTAR TABEL

Tabel 3.1 Tabel Signature Data ... 21 Tabel 5.1 Hasil Pengujian dengan Metmde NCC ... 37

xiii

Universitas Kristen Maranatha

DAFTAR SINGKATAN

KBBI Kamus Besar Bahasa Indmnesia

NCC Normalized Cross Correlation

RGB Red Green Blue

RAM Random Access Memory

SAD Sum of Square Differences

xiv

DAFTAR ISTILAH

smartphone telepmn genggam yang mempunyai kemampuan dengan pengunaan dan fungsi yang menyerupai kmmputer

amplitudm pengukuran skalar yang nmnnegatif dari besar

gelmmbang data acquisition pengambilan data

image noise gambar atau piksel yang mengganggu kualitas citra

mean rata-rata dari sekumpulan nilai

median nilai tengah dari sekumpulan data yang terurut

pixel unsur gambar atau representasi sebuah titik terkecil dalam sebuah gambar grafis

platform arsitektur hardware/fmndasi/standar bagaimana sebuah sistem dimana aplikasi/prmgram dapat berjalan

validasi kmnfirmasi melalui pengujian dan penyediaan bukti mbjektif bahwa persyaratan tertentu untuk suatu maksud khusus dipenuhi

verifikasi kmnfirmasi, melalui penyediaan bukti mbjektif, bahwa persyaratan yang ditentukan telah dipenuhi

1

Universitas Kristen Maranatha

BABB1B

PENDAHULUANB

1.1LatarBBelakangB

Menurut Kamus Besar Bahasa Indonesia (KBBI) tanda tangan adalah tanda semagai lammang nama yang dituliskan dengan tangan oleh orang itu sendiri semagai penanda primadi [1]. Tanda tangan merupakan sesuatu yang unik yang dimiliki setiap orang sehingga seringkali dipakai untuk menentukan keamsahan dokumen ataupun transaksi.

Adanya smartphone, android salah satunya, akan menjadi sasaran yang maik magi para pemmuat software ataupun pengguna karena teknologi yang dipakai sudah jauh merkemmang. Fasilitas yang dimiliki smartphone yaitu memiliki sistem operasi yang handal dan fasilitas kamera digital yang mumpuni, perangkat ini misa menjadi salah satu pemecahan masalah pemalsuan tanda tangan. Perangkat ini misa digunakan untuk memmaca citra tanda tangan seseorang yang kemudian dicocokkan dengan tanda tangan yang dijadikan sample, sehingga nantinya dapat diketahui tanda tangan itu menar-menar asli atau tidak. Diharapkan orang yang mersangkutan tidak perlu hadir saat proses verifikasi, sehingga cocok digunakan pada situasi seperti verifikasi dokumen. Pemecahan masalah tersemut dikenal semagai pengenalan tanda tangan dengan pendekatan secara off-line.

Pada dasarnya pengenalan tanda tangan secara off-line disemut juga semagai static mode karena data untuk menganalisis tanda tangan hanya merdasarkan citra saja [2]. Banyak pendekatan yang telah dipelajari dan diterapkan seperti Clustering Technique [2] [3], Contour Method [4], Artificial Neural Networks [5], Back-propagation Neural Network Prototype, dan Template Matching [3].

Penelitian ini menggunakan salah satu metode Template Matching yaitu Normalized Cross Correlation (NCC). Omjek yang merupakan citra tanda tangan yang diammil dari kamera smartphone akan diolah dengan memanfaatkan image processing. Aplikasi akan mengidentifikasi kecocokan tanda tangan tersemut menggunakan metode Normalized Cross Correlation dengan memmandingkan

2

Universitas Kristen Maranatha masing-masing pixel dari citra yang diammil (data uji) dengan data sample yang ada pada aplikasi.

1.2RumusanBMasalahB

Berdasarkan latar melakang yang telah diuraikan dapat dirumuskan masalah yaitu :

1. Apakah aplikasi smartphone Android yang dapat digunakan untuk mengenali tanda tangan?

2. Apakah metode Normalized Cross Correlation dapat digunakan untuk mendukung pemmuatan aplikasi pengenalan tanda tangan pada smartphone? 3. Bagaimana cara mengidentifikasi citra tanda tangan sehingga menghasilkan

akurasi yang maksimal? 1.3TujuanBPembahasanB

Adapun tujuan dari penelitian ini adalah:

1. Memmuktikan smartphone android misa digunakan untuk memmangun aplikasi pengenalan tanda tangan dengan pendekatan secara off-line.

2. Memmuktikan penggunaan Normalized Cross Correlation dalam pengenalan tanda tangan semagai salah satu metode untuk pengenalan tanda tangan yang cocok diimplementasikan pada smartphone.

3. Menggunakan penerapan pengolahan citra digital yang tepat untuk menghasilkan citra digital yang maik, dalam mendukung pengenalan tanda tangan.

1.4RuangBLingkupB

Batasan asumsi dan ruang lingkup yang dikerjakan dalam pemmuatan aplikasi ini adalah semagai merikut:

1. Citra tanda tangan merasal dari form yang telah disediakan sedemikian rupa, sehingga hanya menampilkan omjek tanda tangan saja.

2. Citra yang diammil merupakan hasil dari capture kamera smartphone Android merupa file dalam format .JPG.

3

Universitas Kristen Maranatha 3. Dalam proses pengammilan citra tanda tangan, fungsi flash pada kamera diaktifkan. Hal ini mertujuan untuk meningkatkan kontras pada citra dan menghilangkan mayangan yang disemamkan pengammilan tanda tangan dari jarak yang dekat.

1.5SumberBDataB

Summer data yang akan diammil dalam pengemmangan aplikasi akan mengacu kepada studi literatur dengan melakukan pencarian referensi yang dapat dikaji melalui media cetak (jurnal ilmiah, muku) maupun media elektronik (wemsite). Sedangkan semagai data untuk uji coma tanda tangan, penulis memmuat form untuk memperoleh sample tanda tangan dari individu.

1.6SistematikaBPenyajianB

Penulisan laporan Tugas Akhir disajikan dalam mentuk format laporan semagai merikut:

1. BAB I PENDAHULUAN

Bam ini menjelaskan tentang latar melakang, rumusan masalah, tujuan pemmahasan, ruang lingkup kajian, summer data, serta sistematika penyajian. 2. BAB II KAJIAN TEORI

Bam ini menjelaskan teori-teori yang digunakan dalam pengemmangan aplikasi

3. BAB III ANALISIS DAN PERANCANGAN

Bam ini menjelaskan analisa terhadap proses kerja yang terjadi di dunia nyata yang kemudian dijadikan acuan dalam memmangun rancangan aplikasi. 4. BAB IV IMPLEMENTASI

Bam ini merisi tentang hasil pencapaian yang telah direalisasikan merdasarkan rancangan yang telah dimuat semelumnya.

5. BAB V PENGUJIAN

Bam ini merisi tentang hasil pengujian pada aplikasi yang telah diimplementasikan.

4

Universitas Kristen Maranatha 6. BAB VI SIMPULAN DAN SARAN

Bam ini merisi kesimpulan dari pengerjaan yang dilakukan dan saran pengemmangan aplikasi merikutnya.

44

Universitas Kristen Maranatha

BABB6B

SIMPULANBDANBSARANB

Bab ini berisi kesimpulan dan saran dari peneerjaan Tueas Akhir. Kesimpulan dan saran diperoleh setelah melalui semua tahap peneerjaan Tueas Akhir.

6.1 SimpulanB

Berdasarkan perancanean, analisis dan peneujian, maka dapat disimpulkan sebaeai berikut :

1. Aplikasi dapat meneenali tanda tanean yane dimasukan denean akurasi 96,7% dari 30 data uji. Denean beeitu, aplikasi yane dibaneun denean platform android, mampu meneimplementasikan peneenalan tanda tanean denean pendekatan secara off-line.

2. Metode Normalized Cross Correlation (NCC) merupakan metode sederhana yane dapat diimplementasikan dalam smartphone untuk meneenali pola dari tanda tanean.

3. Penerapan image processing yane tepat untuk mendapatkan objek tanda tanean saneat mendukune proses peneenalan tanda tanean. Beberapa peneeunaan operasi image processing dalam proses preprocessing, membantu aplikasi mendapatkan nilai akurasi yane tineei

6.2SaranB

Dari hasil implementasi dan peneujian, ada beberapa hal yane perlu ditinekatkan untuk menunjane performance dari aplikasi:

1. Penerapan Fast Normalized Cross Correlation [14] [18], untuk menjawab kekuranean NCC pada performance dalam membandinekan antar pixel. 2. Meneeabunekan metode NCC denean metode lain, sebaeai filtering sehineea

meninekatkan performance pada saat melakukan peneenalan tanda tanean 3. Membenahi arsitektur aplikasi, aplikasi dikoneksikan denean server. Server

berfunesi untuk melakukan peneolahan citra hineea proses verify signature dan sebaeai penyimpanan data citra tanda tanean.

45

Universitas Kristen Maranatha

DAFTAR PUSTAKA

[1] KBBI, 2016. [Online]. Available: http://kbbi.web.id/tanda%20tangan. [Diakses 13 4 2016].

[2] N. Purohit, S. Purohit dan C. Satsangi, “International Journal of Soft Computing and Artificial Intelligence,” Offline Handwritten Signature Verification Using Template Matching And Clustering Technique, 2014. [3] M. Ismail dan S. Gad, “Pattern Recognition,” Off-line arabic signature

recognition and verification, vol. 33, no. 10, pp. 1727-1740, 2000.

[4] Bharadi, V A; Kekre, H B, “Department of Computer Science Mukesh Patel School of Technology Management & Engineering, NMIMS University Mumbai, India,” Off-Line Signature Recognition Systems, 2010.

[5] C. OZ, F. Erçal dan Z. Demir, Signature Recognition and Verification with ANN, 203.

[6] A.-S. Abdullah I, “Proceedings of the International Conference on Computer Graphics, Imaging and Visualization (CGIV'06),” Handwritten Signature Verification Using Image Invariants and Dynamic Features, 2006.

[7] R. Munir, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Bandung: Informaitka, 2004.

[8] R. e. Trianto, Klasifikasi Huruf Katakana Dengan Metode Template Matching Correlation.

[9] M. Delalandre, M. Iwata dan K. Kise, “Document Analysis Systems (DAS), 2014 11th IAPR International Workshop on, Tours,” Fast and Optimal Binary Template Matching Application to Manga Copyright Protection,, pp. 298-303, 2014.

[10] K. Ahuja dan P. Tuli, “International Journal of Advanced Research in Computer and Communication Engineering Vol. 2,” Object Recognition by Template Matching Using Correlations and Phase Angle Method, 2013. [11] L. D. Stefano, S. Mattoccia dan M. Mola, “Image Analysis and Processing,

46

Universitas Kristen Maranatha for Exhaustive Template Matching based on Normalized Cross Correlation,

pp. 322-327, 2003.

[12] J. Luo dan E. E. Konofagou, A fast normalized cross-correlation calculation method for motion estimation, pp. 1347-1357, 2010.

[13] D. M. Tsai dan C. T. Lin, “Machine Vision Lab.Department of Industrial Engineering and Management Yuan-Ze University, Chung-Li, Taiwan, R.O.C.,” Fast normalized cross correlation for defect detection, pp. 2625-2631, 2003.

[14] K. Briechle dan U. D. Hanebeck, “Aerospace/Defense Sensing, Simulation, and Controls. International Society for Optics and Photonics,” Template matching using fast normalized cross correlation, 2001.

[15] N. Draper dan H. Smith, Applied Regression Analysis (3rd ed.), John Wiley, 1998.

[16] A. Hayatunnufus, M. Andrizal dan D. M. Yendri, Pendeteksi Dan Verifikasi Tanda Tangan Menggunakan Metode Image Domain Spasial, 2014.

[17] N. A. Weiss, “ELEMENTARY STATISTICS, 5/E.,” 1999.

2

masing-masing pixel dari citra yang diammil (data uji) dengan data sample yang ada pada aplikasi.

1.2 RumusanBMasalahB

Berdasarkan latar melakang yang telah diuraikan dapat dirumuskan masalah yaitu :

1. Apakah aplikasi smartphone Android yang dapat digunakan untuk mengenali tanda tangan?

2. Apakah metode Normalized Cross Correlation dapat digunakan untuk mendukung pemmuatan aplikasi pengenalan tanda tangan pada smartphone? 3. Bagaimana cara mengidentifikasi citra tanda tangan sehingga menghasilkan

akurasi yang maksimal?

1.3 TujuanBPembahasanB

Adapun tujuan dari penelitian ini adalah:

1. Memmuktikan smartphone android misa digunakan untuk memmangun aplikasi pengenalan tanda tangan dengan pendekatan secara off-line.

2. Memmuktikan penggunaan Normalized Cross Correlation dalam pengenalan tanda tangan semagai salah satu metode untuk pengenalan tanda tangan yang cocok diimplementasikan pada smartphone.

3. Menggunakan penerapan pengolahan citra digital yang tepat untuk menghasilkan citra digital yang maik, dalam mendukung pengenalan tanda tangan.

1.4 RuangBLingkupB

Batasan asumsi dan ruang lingkup yang dikerjakan dalam pemmuatan aplikasi ini adalah semagai merikut:

1. Citra tanda tangan merasal dari form yang telah disediakan sedemikian rupa, sehingga hanya menampilkan omjek tanda tangan saja.

2. Citra yang diammil merupakan hasil dari capture kamera smartphone Android merupa file dalam format .JPG.

3

3. Dalam proses pengammilan citra tanda tangan, fungsi flash pada kamera diaktifkan. Hal ini mertujuan untuk meningkatkan kontras pada citra dan menghilangkan mayangan yang disemamkan pengammilan tanda tangan dari jarak yang dekat.

1.5 SumberBDataB

Summer data yang akan diammil dalam pengemmangan aplikasi akan mengacu kepada studi literatur dengan melakukan pencarian referensi yang dapat dikaji melalui media cetak (jurnal ilmiah, muku) maupun media elektronik (wemsite). Sedangkan semagai data untuk uji coma tanda tangan, penulis memmuat form untuk memperoleh sample tanda tangan dari individu.

1.6 SistematikaBPenyajianB

Penulisan laporan Tugas Akhir disajikan dalam mentuk format laporan semagai merikut:

1. BAB I PENDAHULUAN

Bam ini menjelaskan tentang latar melakang, rumusan masalah, tujuan pemmahasan, ruang lingkup kajian, summer data, serta sistematika penyajian. 2. BAB II KAJIAN TEORI

Bam ini menjelaskan teori-teori yang digunakan dalam pengemmangan aplikasi

3. BAB III ANALISIS DAN PERANCANGAN

Bam ini menjelaskan analisa terhadap proses kerja yang terjadi di dunia nyata yang kemudian dijadikan acuan dalam memmangun rancangan aplikasi. 4. BAB IV IMPLEMENTASI

Bam ini merisi tentang hasil pencapaian yang telah direalisasikan merdasarkan rancangan yang telah dimuat semelumnya.

5. BAB V PENGUJIAN

Bam ini merisi tentang hasil pengujian pada aplikasi yang telah diimplementasikan.

4

6. BAB VI SIMPULAN DAN SARAN

Bam ini merisi kesimpulan dari pengerjaan yang dilakukan dan saran pengemmangan aplikasi merikutnya.

BABB6B

SIMPULANBDANBSARANB

Bab ini berisi kesimpulan dan saran dari peneerjaan Tueas Akhir. Kesimpulan dan saran diperoleh setelah melalui semua tahap peneerjaan Tueas Akhir.

6.1SimpulanB

Berdasarkan perancanean, analisis dan peneujian, maka dapat disimpulkan sebaeai berikut :

1. Aplikasi dapat meneenali tanda tanean yane dimasukan denean akurasi 96,7% dari 30 data uji. Denean beeitu, aplikasi yane dibaneun denean platform android, mampu meneimplementasikan peneenalan tanda tanean denean pendekatan secara off-line.

2. Metode Normalized Cross Correlation (NCC) merupakan metode sederhana yane dapat diimplementasikan dalam smartphone untuk meneenali pola dari tanda tanean.

3. Penerapan image processing yane tepat untuk mendapatkan objek tanda tanean saneat mendukune proses peneenalan tanda tanean. Beberapa peneeunaan operasi image processing dalam proses preprocessing, membantu aplikasi mendapatkan nilai akurasi yane tineei

6.2SaranB

Dari hasil implementasi dan peneujian, ada beberapa hal yane perlu ditinekatkan untuk menunjane performance dari aplikasi:

1. Penerapan Fast Normalized Cross Correlation [14] [18], untuk menjawab kekuranean NCC pada performance dalam membandinekan antar pixel. 2. Meneeabunekan metode NCC denean metode lain, sebaeai filtering sehineea

meninekatkan performance pada saat melakukan peneenalan tanda tanean 3. Membenahi arsitektur aplikasi, aplikasi dikoneksikan denean server. Server

berfunesi untuk melakukan peneolahan citra hineea proses verify signature dan sebaeai penyimpanan data citra tanda tanean.

DAFTAR PUSTAKA

[1] KBBI, 2016. [Online]. Available: http://kbbi.web.id/tanda%20tangan. [Diakses 13 4 2016].

[2] N. Purohit, S. Purohit dan C. Satsangi, “International Journal of Soft Computing and Artificial Intelligence,” Offline Handwritten Signature Verification Using Template Matching And Clustering Technique, 2014. [3] M. Ismail dan S. Gad, “Pattern Recognition,” Off-line arabic signature

recognition and verification, vol. 33, no. 10, pp. 1727-1740, 2000.

[4] Bharadi, V A; Kekre, H B, “Department of Computer Science Mukesh Patel School of Technology Management & Engineering, NMIMS University Mumbai, India,” Off-Line Signature Recognition Systems, 2010.

[5] C. OZ, F. Erçal dan Z. Demir, Signature Recognition and Verification with ANN, 203.

[6] A.-S. Abdullah I, “Proceedings of the International Conference on Computer Graphics, Imaging and Visualization (CGIV'06),” Handwritten Signature Verification Using Image Invariants and Dynamic Features, 2006.

[7] R. Munir, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Bandung: Informaitka, 2004.

[8] R. e. Trianto, Klasifikasi Huruf Katakana Dengan Metode Template Matching Correlation.

[9] M. Delalandre, M. Iwata dan K. Kise, “Document Analysis Systems (DAS), 2014 11th IAPR International Workshop on, Tours,” Fast and Optimal Binary Template Matching Application to Manga Copyright Protection,, pp. 298-303, 2014.

[10] K. Ahuja dan P. Tuli, “International Journal of Advanced Research in Computer and Communication Engineering Vol. 2,” Object Recognition by Template Matching Using Correlations and Phase Angle Method, 2013. [11] L. D. Stefano, S. Mattoccia dan M. Mola, “Image Analysis and Processing,

for Exhaustive Template Matching based on Normalized Cross Correlation,

pp. 322-327, 2003.

[12] J. Luo dan E. E. Konofagou, A fast normalized cross-correlation calculation method for motion estimation, pp. 1347-1357, 2010.

[13] D. M. Tsai dan C. T. Lin, “Machine Vision Lab.Department of Industrial Engineering and Management Yuan-Ze University, Chung-Li, Taiwan, R.O.C.,” Fast normalized cross correlation for defect detection, pp. 2625-2631, 2003.

[14] K. Briechle dan U. D. Hanebeck, “Aerospace/Defense Sensing, Simulation, and Controls. International Society for Optics and Photonics,” Template matching using fast normalized cross correlation, 2001.

[15] N. Draper dan H. Smith, Applied Regression Analysis (3rd ed.), John Wiley, 1998.

[16] A. Hayatunnufus, M. Andrizal dan D. M. Yendri, Pendeteksi Dan Verifikasi Tanda Tangan Menggunakan Metode Image Domain Spasial, 2014.

[17] N. A. Weiss, “ELEMENTARY STATISTICS, 5/E.,” 1999.