Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi jaringan syaraf tiruan feedforward dan feature detection untuk verifikasi tanda tangan
Ryan Hamzah Fadhilah NIM. (2015) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Tanda tangan adalah hasil proses menulis seseorang yang bersifat khusus sebagai substansi simbolik. Pada penelitian yang telah dilakukan oleh Hidayanto A., dkk. (2008) yang melakukan penelitian identifikasi tanda tangan menggunakan jaringan syaraf tiruan algortima backpropagation, Namun pada hasil penelitian tersebut menyarankan bahwa perlu dilakukan penelitian pengenalan tanda tangan dengan metode jaringan syaraf tiruan selain backpropagation, untuk membandingkan tingkat keberhasilannya, agar diperoleh metode terbaik untuk identifikasi tanda tangan dan juga menyarankan untuk dilakukan proses prapengolahan yang lebih kompleks pada citra tanda tangan sehingga diperoleh ciri citra tanda tangan yang lebih detail. Dalam penelitian ini digunakan algoritma learning vector quantization dan metode edge detection sobel. Learning vector quantization merupakan jaringan syaraf tiruan dengan tipe arsitektur single layer feeforward. Edge detection sobel merupakan salah satu metode dari fitur deteksi tepi. Setelah dilakukan pengujian data citra tanda tangan terhadap data hasil pelatihan maka dapat diambil kesimpulan bahwa rata-rata persentase kecocokan tanda tangan sebesar 83% dan rata-rata waktu total 0,02246013 detik.
Ringkasan Alternatif
The signature is the result of the process of writing one's special as symbolic substance. In research conducted by Hidayanto A (2008) who conducted research signature identification using artificial neural network backpropagation algorithm, but the results of these studies suggest that it is necessary to study the introduction of a signature with a method other than the backpropagation neural network, to compare the level of success, in order to obtain the best method for the identification of signatures and also suggest the pretreatment process is more complex in order to obtain the image of the signature image of the signature traits more detail. In this research used learning vector quantization algorithm and edge detection sobel method. Learning vector quantization is a neural network with type architecture a single layer feeforward. Edge detection sobel is one method of edge detection feature. After testing the signature image data to the data training results it can be concluded that the average percentage of signatures match 83% and average total time 0,02246013 seconds.