Article Sidebar

Submitted
August 10, 2021
Published
March 31, 2022
Download
PDF
Statistic
Read Counter : 455 Download : 0

Main Article Content

Abstract

Di era teknologi yang semakin canggih ini, rata-rata masyarakat sudah mulai beralih dari tanda tangan statik yang menggunakan media kertas ke tanda tangan digital dengan menggunakan media pentablet. Maka dari itu kebutuhan akan proses identifikasi tanda tangan digital secara otomatis dengan menggunakan kecerdasan buatan pun semakin banyak diminati. Metode yang peneliti gunakan dalam pengembangan sistem adalah waterfall model yang terdiri dari 6 tahapan. Metode yang digunakan dalam proses identifikasi ini adalah Jaringan syaraf tiruan dengan algoritma Backpropagation. Proses identifikasi ini melewati beberapa tahapan yaitu dari pre-processing data hingga pengolahan citra, citra RGB diubah menjadi grayscale sampai menjadi citra biner yang kemudian digunakan sebagai data input pada proses pelatihan dan pengujian menggunakan Backpropagation. Citra tanda tangan yang telah melewati pre-processing data ini berjumlah 200 sampel yang berasal dari 10 subjek penelitian. Dari 200 citra tersebut, 180 citra digunakan untuk pelatihan dan 20 citra digunakan untuk pengujian. Hasil pengujian pada saat proses pelatihan adalah 75% training = 88.1%, 15% validation = 60.3%, 15% test adalah 59.5% dan 100% all adalah 79.7% sedangkan pada proses pengujian adalah 65%.

Keywords

backpropagation identifikasi tanda tangan tanda tangan digital jaringan syaraf tiruan

Article Details

References

  1. Alqurni, R. P. and Muljono (2016) ‘PENGENALAN TANDA TANGAN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN PERCEPTRON DAN BACKPROPAGATION’, Techno.com Jurnal Teknologi Informasi, 15(4), pp. 352–363.
  2. Kumalasanti, R. A. and Dwiandiyanta, B. Y. (2013) ‘Identifikasi tanda tangan statik menggunakan jaringan syaraf tiruan backpropagation dan wavelet haar’, Prosiding Simposium Nasional Rekayasa Aplikasi Perancangan dan Industri, 43(0274), pp. 93–100.
  3. Lucci, S. and Kopec, D. (2016) ARTIFICIAL INTELLIGENCE IN THE 21ST CENTURY A Living Introduction. 2nd edn, Mercury Learning and Information. 2nd edn. Dulles: David Pallai.
  4. MathWorks imcrop, The MathWorks, Inc. Available at: https://www.mathworks.com/help/images/ref/imcrop.html (Accessed: 16 January 2021).
  5. MathWorks Imfuse, The MathWorks, Inc. Available at: https://www.mathworks.com/help/images/ref/imfuse.html#bta33ue (Accessed: 16 January 2021).
  6. MathWorks imresize, The MathWorks, Inc. Available at: https://www.mathworks.com/help/matlab/ref/imresize.html (Accessed: 16 January 2021).
  7. MathWorks morphological-filtering, The MathWorks, Inc. Available at: https://www.mathworks.com/help/images/morphological-filtering.html (Accessed: 16 January 2021).
  8. Ricardo, I. (2012) ‘Pengenalan Tanda Tangan melalui Pengolahan Citra Digital dan Jaringan Saraf Tiruan Radial Basis Function’, Jurnal Sistem Informasi Universitas Pelita Harapan, pp. 153–158.
  9. Saputri, Y. D. (2019) ‘Pengertian Tanda Tangan Digital dan Cara Membuatnya di Android’, Liputan 6. Available at: https://www.liputan6.com/tekno/read/3920688/pengertian-tanda-tangan-digital-dan-cara-membuatnya-di-android?utm_expid=.9Z4i5ypGQeGiS7w9arwTvQ.0&utm_referrer=.
  10. Sutrisno, A. and Fahruzi, I. (2016) ‘Identifikasi Tandatangan Menggunakan Jaringan Syaraf Tiruan Backpropagation’, Jurnal Inovtek Polbeng - Seri Informatika, 1(2), pp. 161–168. Available at: http://etd.repository.ugm.ac.id/index.php?mod=penelitian_detail&sub=PenelitianDetail&act=view&typ=html&buku_id=39946.
  11. Widyardini, S. T. (2015) Pemrograman Matlab untuk Pengolahan Citra Digital: Studi Kasus Sistem Pemantau Ruangan Pengganti CCTV. Malang: UB Press.
  12. Zaitun, Warsito and Pauzi, G. A. (2015) ‘Sistem Identifikasi dan Pengenalan Pola Citra Tanda-Tangan Menggunakan Sistem Jaringan Saraf Tiruan ( Artificial Neural Networks ) Dengan Metode Backpropagation’, JURNAL Teori dan Aplikasi Fisika FMIPA Universitas Lampung, 03(02), pp. 93–101.