Tugas Seminar

DISUSUN OLEH: KURNIA AMELINDA S. 1110100042

JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013

Resume Jurnal: Mengidentifikasi keaslian suatu tanda tangan dengan menggunakan teknologi identifikasi khusus dengan menggunakan karakteristik perilaku sifat manusia. Sistem yang digunakan adalah Backpropagation Model Neural Network dan supprorted oleh bahasa pemrograman Delphi. Untuk mengidentifikasi tanda tangan membutuhkan preprocessing dan fitur ekstraksi. Pada preprocessing , ada tiga tahap yang harus dilakukan, yaitu: mengubah citra grayscaled , kontras gambar, dan deteksi tepi gambar. Proses ekstraksi fitur dilakukan dengan segmentasi gambar dalam bentuk baris dan kolom yang memiliki tujuan untuk mendapatkan informasi fitur yang signifikan dari citra tanda tangan , serta untuk mendapatkan nilai data yang akan menjadi masukan bagi jaringan saraf . Pelatihan jaringan syaraf dilakukan untuk mendapatkan klasifikasi akurat dari data masukan terlatih tanda tangan . Sebuah tanda tangan dapat diidentifikasi ketika tanda tangan terdiri di salah satu kelas yang terbentuk dari proses pelatihan. Pada jurnal ini dilakukan dengan dengan menggunakan 150 gambar tanda tangan. Hal ini terdiri dari 10 responden untuk database yang membutuhkan 10 data dari masing-masing responden dan 5 responden dari sisi luar database yang memerlukan 5 data dari setiap responden . Kesimpulan dari penelitian ini adalah bahwa sistem aplikasi memiliki persentase keberhasilan sebesar 95 % untuk mengidentifikasi tanda tangan dari pengujian data terlatih , sementara itu hanya memiliki 88 % persentase tingkat keberhasilan dari pengujian sisi luar database.

Proses Kerja Software Perangkat lunak ini digunakan untuk mengenali pola suatu citra tanda tangan manusia agar dapat diketahui keasliannya. Diagram alir untuk proses di atas bisa dilihat pada gambar dibawah. Tahapan proses pengenalan tanda-tangan adalah akuisisi data citra tanda-tangan sebagai masukan, segmentasi menggunakan mean clustering, ekstraksi ciri, dan pelatihan dengan JST perambatan-balik. Pengujian dilakukan untuk mengetahui pengaruh jumlah simpul pada lapis tersembunyi, laju pembelajaran, dan momentum terhadap kinerja sistem, serta mengukur tingkat keberhasilan sistem dalam mengenali suatu tanda-tangan.