Laporkan Masalah

Identifikasi tandatangan menggunakan jaringan syaraf tiruan

WARDOYO, Siswo, DR. Ir. Thomas Sri Widodo, DEA

2008 | Tesis | S2 Teknik Elektro

Identifikasi tandatangan menggunakan cara manual dapat tertipu dengan keahlian seseorang dalam memalsukan tandatangan. Tidak terdapatnya ciri-ciri khusus, dan keterbatasan fisik manusia akan mempengaruhi hasil interpretasi dari sebuah tandatangan. Tujuan penelitian ini adalah melakukan identifikasi tandatangan dengan transformasi Fourier berdasarkan profil citra dari masingmasing tandatangan. Sampel penelitian adalah 228 tandatangan yang dikumpulkan dari 12 orang. Metode penelitiannya adalah pengumpulan data, pra-pengolahan, ekstraksi ciri, identifikasi dan keputusan. Metode ekstraksi ciri menggunakan transformasi Fourier sedangkan identifikasinya (pelatihan dan pengujian) menggunakan Jaringan Syaraf Tiruan (JST). Pelatihan dilakukan untuk menentukan jaringan yang kinerjanya optimal. Semua jenis jaringan dilakukan pengujian dengan data pelatihan, data asli, data asli yang di rotasi, diskala, ditranslasi dan data palsu. Dari hasil pengujian, maka bisa diambil keputusan tentang pemilik tandatangan yang diujikan. Keberhasilan uji jaringan menggunakan data pelatihan mencapai 100 %. Pengujian menggunakan data asli, diskala, dan di translasi mencapai 97,2 %. Tetapi pengujian dengan data dirotasi 100 mencapai 44,4 % dan pengujian dengan dirotasi 900 mencapai 22,2 %, dikarenakan terjadi petukaran piksel kolom ke baris pada saat dilakukan rotasi. Pengujian dengan data palsu mencapai 100 %.

Signature identification using manual manner can be tricked by competency of a person in falsifying signature. Improper typical features, and physical human limitation will affect interpretation results of a signature. The objective of this research are to identity of signature with Fourier transform based on image profile of each signature. For the samples of this research, we collect 228 signatures from 12 persons. The methods of this research are collecting data, preprocessing, feature extraction, identification, and decision. The feature extraction methods used Fourier transform; whereas, its identification (training and testing) used JST. The training was done on the network to determine it’s optimum performance. The network is tested with training data, rotated data, scaled, translated and false data. From the results of test, show that a decision of tested signature could be made. Network test using training data achieve 100% of success. Testing using, scaled and translated original data achieved 97.2%. However, testing with rotated 10o achieved 44.4%, and testing with rotated 90o achieved 22.2%, it was caused by occurrence of column pixel exchange in row when rotating. Testing with false data achieved 100 %.

Kata Kunci : Profil citra,Transformasi Fourier,JST,Image profile, Fourier transform


    Tidak tersedia file untuk ditampilkan ke publik.