Verifikasi Tanda Tangan Dengan Edge Detection Dan Metode Learning Vector Quantization

Abstract

Tanda tangan merupakan salah satu karakteristik yang dimiliki oleh setiap orang . Kasus pemalsuan tanda tangan cukup banyak terjadi[6]. Hal ini dikarenakan kurangnya sistem verifikasi dalam pengidentifikasian tanda tangan. Berdasarkan hal tersebut, dibangun aplikasi verifikasi tanda tangan. Aplikasi yang dibangun menggunakan metode edge detection dalam pengekstraksi ciri dan metode jaringan syaraf tiruan Learning Vector Quantization (LVQ) pada pencocokan pola tanda tangan. Aplikasi verifikasi tanda tangan diawali dengan pemindaian tanda tangan lalu diekstraksi ciri dan disimpan ke dalam basisdata yang digunakan sebagai data latih. Kemudian pengguna memindai tanda tangan uji dan sistem mencocokan dengan data latih menggunakan metode LVQ. Hasil pencocokan dari aplikasi tersebut didapat persentase sebesar 70% tanda tangan asli yang terverifikasi dengan benar dan Tingkat kesalahan dalam system verifikasi tanda tangan dalam membaca tanda tangan palsu sebesar 30% sistem membaca dengan tanda tangan asli. Aplikasi ini dapat memverifikasi tanda tangan.Katakunci : Tanda tangan, Verifikasi. Edge detection, LVQ, Jaringan syaraf tiruan

Verifikasi Tanda Tangan Menggunakan Ekstraksi Fitur LBP dan Klasifikasi LVQ

“…Secara umum, verifikasi tanda tangan dilakukan dengan cara manual, yaitu dengan membandingkan secara langsung dengan mata manusia. Cara ini mempunyai banyak kelemahan yaitu penglihatan menjadi letih, terutama jika melakukan cukup banyak verifikasi, dapat menyebabkan kebosanan orang yang melakukannya, sehingga ketelitian dan ketepatan hasil yang diinginkan seringkali kurang memuaskan [3]. Oleh karena itu, dibutuhkan suatu sistem komputer yang otomatis dapat memverifikasi tanda tangan seseorang untuk menghemat waktu dalam pencocokan dan mengurangi kesalahan.…”

“…Penelitian -penelitian yang dimaksud antara lain verifikasi tanda tangan menggunakan ekstraksi fitur Edge Detection dengan metode prewitt dan klasifikasi dengan metode LVQ dimana dataset berjumlah 400 yaitu 300 tanda tangan asli dan 100 tanda tangan palsu dimana dataset diambil dengan kertas dan akurasi yang diperoleh sebesar 70%. [3]. Pada penelitian verifikasi tanda tangan berdasarkan sifat keacakan (entropi), terdapat 30 responden dimana setiap responden diambil 30 tanda tangan asli dan 5 tanda tangan palsu dimana dataset diambil dengan kertas.…”

Pengenalan Tanda Tangan Menggunakan Learning Vector Quantization dan Ekstraksi Fitur Local Binary Pattern

“…Berkenaan dengan metode Learning Vector Quantization (LVQ) sendiri, [16] membuktikan bahwa metode ini mampu membaca tanda tangan palsu dengan tingkat kesalahan sebesar 30%. Sedangkan pada [17], LVQ terbukti dapat mempermudah pendeteksian keaslian tanda tangan.…”