IDENTIFIKASI TANDA-TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN-BALIK (BACKPROPAGATION)

Authors

  • Achmad Hidayatno Universitas Diponegoro, Semarang
  • R. Rizal Isnanto Universitas Diponegoro, Semarang
  • Dian Kurnia Widya Buana Universitas Diponegoro, Semarang

Keywords:

Signature identification, biometrics, feature extraction, backpropagation neural network

Abstract

Identifikasi tanda tangan manusia adalah proses untuk mengidentifikasi dan mendapatkan seseorang yang memiliki tanda tangan. Teknologi identifikasi tanda tangan termasuk dalam sistem biometrik yang menggunakan karakteristik perilaku manusia. Untuk saat ini, ada banyak pemalsuan tanda tangan yang umumnya membahayakan orang yang memiliki tanda tangan. Pemalsuan tanda tangan terjadi dengan mudah dimana diperlukan suatu sistem yang dapat membantu mengidentifikasi tanda tangan seseorang.

Sistem identifikasi yang akan diimplementasikan menggunakan model Backpropagation Neural Network dan didukung oleh bahasa pemrograman Delphi. Untuk mengidentifikasi tanda tangan, gambar tanda tangan pertama-tama membutuhkan preprocessing dan ekstraksi fitur. Dalam preprocessing, ada tiga tahap yang harus dilakukan, yaitu: mengkonversi gambar grayscaled, kontras gambar, dan deteksi tepi gambar. Proses ekstraksi fitur dilakukan dengan mensegmentasi gambar dalam bentuk baris dan kolom yang memiliki tujuan untuk mendapatkan informasi fitur yang signifikan dari gambar tanda tangan, serta untuk mendapatkan nilai data yang akan menjadi input untuk jaringan saraf. Pelatihan jaringan saraf dilakukan untuk mendapatkan klasifikasi yang akurat dari input data tanda tangan terlatih. Sebuah tanda tangan dapat diidentifikasi ketika tanda tangan tersebut terdiri dari salah satu kelas yang membentuk proses pelatihan.

Penelitian ini menggunakan 150 gambar tanda tangan yang terdiri dari 10 responden untuk database yang memerlukan 10 data dari masing-masing responden dan 5 responden dari sisi luar database yang memerlukan 5 data dari masing-masing responden. Kesimpulan dari penelitian ini adalah bahwa sistem aplikasi memiliki tingkat keberhasilan 95% untuk mengidentifikasi tanda tangan dari pengujian data yang terlatih, sementara itu hanya memiliki tingkat keberhasilan 88% dari pengujian sisi luar basis data.

Downloads

Download data is not yet available.

References

Kristanto, Andri, Jaringan Syaraf Tiruan (Konsep Dasar, Algoritma, dan Aplikasi), Gava Media, Yogyakarta, 2004.
Kurniawan, Sofyan, Pengenalan Pola Sidik Jari Menggunakan Jaringan Saraf Tiruan Umpan Maju (Feedforward) dengan Pelatihan Perambatan Balik (Backpropagation), Skripsi Mahasiswa S-1 Teknik Elektro Universitas Diponegoro Semarang, 2005.
Kusumadewi, Sri, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu,Yogyakarta, 2003.
Munir, R., Pengolahan Citra Digital dengan Pendekatan Algoritmik. Informatika Bandung, 2004.
Puspitaningrum, D., Pengantar Jaringan Saraf Tiruan, ANDI, Yogyakarta, 2006.
Schalkoff, R.J., Pattern Recognition : Statistical, Struktural and Neural Approaches, John Wiley & Sons, Inc., 1992.
Setiawan,H.D., Peramalan Ketinggian Muka Air Dengan Jaringan Saraf Tiruan Perambatan Balik, Skripsi Mahasiswa S-1 Teknik Elektro Universitas Diponegoro Semarang, 2005.
Zainal, A. dan Fauzi, A., Aplikasi Neural Network pada Pengenalan Pola Tanda Tangan, Proyek Akhir Politeknik Elektronika Negeri Surabaya, 2002.

Downloads

Published

2008-12-30

How to Cite

Hidayatno, A., Isnanto, R. R., & Buana, D. K. W. (2008). IDENTIFIKASI TANDA-TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN-BALIK (BACKPROPAGATION). Jurnal Teknologi, 1(2), 100-106. Retrieved from https://ejournal.akprind.ac.id/index.php/jurtek/article/view/778