K Oka Sudana
ABSTRACT
Signature is used as a proof of one’s ratification. This important purpose cause attempts of falsifying the
signature. Falsifying signature is relatively simple, because most verification was done manually only by comparing
the form of each signature with the originals. It’s even worse since most verification examiner are tired of the boring
verification continuously, that’s why the manual signature verification result is found less satisfying.
To overcome the weaknesses of this manual verification, this thesis proposes a computerized verification system for
Latinos signature, which feature of signature extracted by Localized Arc Pattern Methods according to model
pattern of Indonesian signature, which seeks appearance frequency the model pattern of inputted signature image.
This feature achieved than compared to the previous reference signature. This comparison yields the dissimilarity
value, which is used to define whether the signature is accepted or rejected through a critical value comparison. The
experiment achieved an error rate of 9.696%.
Keywords: Falsifying, image signature verification, Localized Arc Pattern, Model pattern, feature extraction.
Jurnal “Arc Pattern Method for Writer karakteristik dalam bujur sangkar ini dipergunakan
Recognition as an Aid for Person Identification”, sebagai pedoman untuk membentuk pola model.
tahun 1992 dan “Off-Line Verification of Japanese Metode Pola Busur dengan pembatasan ini disebut
Signature After Elimination of Background Pattern”, dengan Metode Pola Busur Terlokalisasi. Dengan
Tahun 1994, oleh Isao Yoshimura dan Mitsu menggunakan sampel tandatangan Indonesia, dari
Yoshimura, menuliskan hasil penelitian tentang metode ini didapatkan 52 buah pola model yang
penggunaan metode Pola Busur Terlokalisasi pada dikelompokkan menjadi 42 pola model, seperti terlihat
identifikasi seseorang (pada jurnal pertama) serta pada Gambar 2. Ada beberapa model yang mirip
verifikasi tandatangan pada tulisan kedua. Sedangkan dikelompokkan menjadi satu model, contohnya seperti
pada jurnal “Writer Identification Based on the Arc nomor 33, 34 dan 35 dikelompokkan menjadi satu
Pattern Transformation” Tahun 1988, mereka yaitu model 31. Angka di sebelah kiri atas pola
menjelaskan tentang implementasi Metode menunjukkan nomor urut pola, sedangkan angka
Transformasi Pola Busur untuk mengidentifikasi di sebelah kanan atas pola adalah nomor model.
seseorang berdasarkan tulisan tangan yang pernah
2.2. Tahapan Proses Verifikasi
dibuatnya. Penelitian-penelitian yang dilakukan oleh
Isao Yoshimura dan Mitsu Yoshimura, sebagian besar Tahapan dalam proses verifikasi tandatangan,
menggunakan dan mengembangkan Metode Pola khususnya citra tandatangan menggunakan Metode
Busur baik dalam bentuk asli, transformasi, maupun Pola Busur Terlokalisasi adalah :
melakukan lokalisasi terhadap Pola Busur tersebut.
Akuisisi data (data acquisition)
2.1. Metode Pola Busur Terlokalisasi Diawali pengambilan sampel tandatangan yang akan
Metode Pola Busur Terlokalisasi ini dipakai dalam sistem verifikasi, baik tandatangan
dikembangkan dari Metode Pola Busur (Arc Pattern acuan, palsu maupun uji.
Method). Prinsip metode ini adalah sebagai berikut : Prapemrosesan (preprocessing)
dua buah titik akhir (end point) masing-masing A dan
B dihubungkan oleh busur-busur (Gambar1). Pada Pada tahap ini terdapat proses untuk membuat
tandatangan yang telah diakuisisi menjadi file citra
gambar tersebut juga dapat dilihat lima buah titik yang
berjarak sama ditempatkan di atas busur yang disebut tandatangan biner yang siap untuk diekstraksi cirinya.
dengan titik karakteristik. Ekstraksi ciri (feature extraction)
Dari Metode Pola Busur tersebut disusun Ekstraksi ciri adalah tahap untuk
model yang terdiri atas satu atau dua buah titik akhir mendapatkan frekuensi kemunculan dari masing-
(end point) dan beberapa titik di antara dua titik akhir. masing pola. Pola yang memiliki model yang sama
Kombinasi itu menghasilkan model yang banyak tetapi dengan nomor urut berbeda, frekuensi
sekali, tapi untuk sistem aktual, tidak semua kemunculannya dijumlahkan. Penghitungannya adalah
pola model digunakan, karena sangat memperlambat dengan menggerakkan setiap pola model di atas pola
kerja sistem. Masalah ini ditanggulangi dengan biner citra tandatangan, dengan patokan titik
mengurangi sebagian pola model yang ada, yaitu berbentuk lingkaran penuh. Titik ini digeser secara
dengan melakukan pembatasan pandangan (lokalisasi teratur satu grid ke arah horisontal atau vertikal,
permasalahan) pada pola model yang didefinisikan sampai semua titik terlewati. Pada setiap pergeseran
di dalam sebuah bujur sangkar kecil berukuran 5 x 5 dilakukan pembandingan terhadap ruang yang
kotak. Hanya model-model yang dibentuk oleh titik dilingkupi oleh model tersebut, jika sama maka
frekuensi pola model tersebut ditambahkan. Misalkan
citra tandatangan dilambangkan dengan f dan terdapat diekspresikan sebagai vektor kolom x berdimensi p.
p pola model maka citra tandatangan tersebut dapat
N o .1 M o d e l 1 N o .2 M o d e l 2 N o .3 M o d e l 3 N o .4 M o d e l 4 N o .5 M o d e l 5 N o .6 M o d e l 6 N o .7 M o d e l 7
z z z z z z z
N o .8 M o d e l 8 N o .9 M o d e l 9 N o .1 0 M o d e l 1 0 N o .1 1 M o d e l 1 1 N o .1 2 M o d e l 1 2 N o .1 3 M o d e l 1 3 N o .1 4 M o d e l 1 4
z z z z z z z
N o .1 5 M o d e l 1 5 N o .1 6 M o d e l 1 6 N o .1 7 M o d e l 1 7 N o .1 8 M o d e l 1 8 N o .1 9 M o d e l 1 9 N o .2 0 M o d e l 2 0 N o .2 1 M o d e l 2 1
z z z z z z z
N o .2 2 M o d e l 2 2 N o .2 3 M o d e l 2 3 N o .2 4 M o d e l 2 4 N o .2 5 M o d e l 2 5 N o .2 6 M o d e l 2 6 N o .2 7 M o d e l 2 7 N o .2 8 M o d e l 2 8
z z z z z z z
N o .2 9 M o d e l 2 8 N o .3 0 M o d e l 2 9 N o .3 1 M o d e l 2 9 N o .3 2 M o d e l 3 0 N o .3 3 M o d e l 3 1 N o .3 4 M o d e l 3 1 N o .3 5 M o d e l 3 1
z z z z z z z
N o .3 6 M o d e l 3 2 N o .3 7 M o d e l 3 3 N o .3 8 M o d e l 3 3 N o .3 9 M o d e l 3 3 N o .4 0 M o d e l 3 4 N o .4 1 M o d e l 3 5 N o .4 2 M o d e l 3 6
z z z z z z z
N o .4 3 M o d e l 3 7 N o .4 4 M o d e l 3 7 N o .4 5 M o d e l 3 7 N o .4 6 M o d e l 3 8 N o .4 7 M o d e l 3 9 N o .4 8 M o d e l 4 0 N o .4 9 M o d e l 4 0
z z z z z z z
N o .5 0 M o d e l 4 0 N o .5 1 M o d e l 4 1 N o .5 2 M o d e l 4 2
z z z
data partisipan. Acuan yang berbentuk matriks p x m dengan nilai ambang yang tersimpan pada basisdata
ini selanjutnya dihitung rata-rata kemunculan setiap acuan (Cc) dan dikalikan dengan konstanta pengali
pola model dengan cara : nilai kritis (Cd).
m Jika d(Pj, Qi) ≤ Ccj x Cd
x i / = ∑k =1
x ik / m maka keputusannya ‘ASLI’
Selain itu keputusannya ‘PALSU’
Nilai-nilai yang dihasilkan yaitu x1/, x2/, … xp/,
ditempatkan sebagai elemen vektor kolom x/ 4. PERANCANGAN & PEMBUATAN
berdimensi p, yang merupakan rata-rata acuan. Lalu Rancangan sistem verifikasi adalah seperti
dicari matriks varians V berdimensi p x p dari acuan yang terlihat pada Gambar 5, sedangkan bagan alir
dengan persamaan : prosesnya terlihat pada Gambar 4 dan Gambar 3.
m
V = ∑ (x
j =1
j − x / )( x j − x / )t /m
q
( Z Qk − Z /k ) 2 p
( Z Qk − Z /k ) 2
D ( Pi, Q ) = ∑
k =1 λk
+ ∑
k = q +1 λ q
Z /k = l kt x / , Z Qk = lkt xQ
dengan ketentuan :
¾ D(Pi,Q) : nilai ketidaksamaan antara
acuan Pi dengan pembanding
Q.
¾ : vektor kolom yang berisi nilai
eigen dengan urutan menurun
(descending order) yaitu ( ,
, …, p)
¾ lk : vektor eigen yang berbentuk
vektor kolom terurut sesuai
dengan nilai eigen yang
berhubungan.
¾ xQ : vektor kolom yang berisi
frekuensi munculnya
pola model pada citra
tandatangan pembanding.
¾ x/ : vektor kolom rata-rata acuan.
¾ t : transpose.
¾ p : dimensi vektor kolom
¾ q : suatu integer dengan syarat 1 q
p. Konstanta q merupakan
nomor pemotongan dari nilai
eigen.
7. DAFTAR PUSTAKA
[1]. Achemilal, M., Mourier, M., Lorette, G. dan
Bonnefoy, J.P., 1986, “Dynamic Signature
Verification”, Proceedings of 4th International
Conference Exhibition, Monte Carlo, p.1-9.
[2]. Plamondon. R. dan Lorette. G., 1989, “Automatic
Signature Verification and Writer Identification – the
State of the Art”, Pattern Recognition, Vol.22, No.2,
p.107-131.
[3]. Sabourin, R., Plamondon, R. dan Beaumier, L., 1994,
“Structural Interpretation of Handwritten Signature
Images”, International Journal of Pattern Recognition
Kebutuhan waktu proses jika menggunakan
and Artificial Intelligence, Vol.8, No.3, p.709-748,
pola model Tandatangan Indonesia lebih sedikit World Scientific Publishing Company.
dibandingkan dengan menggunakan pola model
[4]. Sankar K. Pal dan Dwijesh K.Dutta M., 1986,
tandatangan Jepang, karena jumlah pola model
“Fuzzy,Mathematical Approach to Pattern
tandatangan Indonesia adalah sebanyak 52 pola yang Recognition”, Wiley Eastern Limited.
dikelompokkan menjadi 42 pola model lebih sedikit
[5]. Schalkolff, Robert J., 1992, “Pattern Recognition :
dibandingkan dengan pola model Tandatangan Jepang Statistical, Structural and Neural Approaches”, John
yang berjumlah 77 pola dan dikelompokkan menjadi Wiley & Sons Inc.
67 pola model. Banyak pola berpengaruh pada waktu
[6]. Tou T. Julius dan Gonzales Rafael C., 1974, “Pattern
pencarian frekuensi kemunculan pola yang dibaca dari Recognition Principles”, Addison-Wesley Publishing
citra tandatangan, sedangkan banyak pola model yang Company.
terwakili oleh dimensi vektor berpengaruh pada waktu
[7]. Yoshimura, I., Shimizu, T. dan Yoshimura, M., 1993, “A
perhitungan mencari nilai beda. Zip Code Recognition System using the Localized Arc
Pattern Method”, Proceedings of the 2nd International
6. KESIMPULAN Conference on Document Analysis and Recognition,
Kesimpulan yang didapat dari pembuatan sistem October 20-22, 1993, IEEE Computer Society, p183-
verifikasi dalam penelitian ini adalah: 186.
[8]. Yoshimura, I. dan Yoshimura, M., 1992, “On-line
• Penggunaan Metode Pola Busur Terlokalisasi Signature Verification Incorporating the Direction of
yang disesuaikan dengan pola model tandatangan Pen Movement”, Pixels to Features III: Frontiers in
orang Indonesia, untuk verifikasi tandatangan Handwriting Recognition, North-Holland, p.353-361.
Latin khususnya tandatangan Indonesia terbukti [9]. Yoshimura, I. dan Yoshimura, M., 1994, “Off-Line
cukup efektif dan menghasilkan unjuk kerja yang Verification of Japanese Signatures after Elimination of
lebih baik dibandingkan dengan memakai pola Background Patterns”, International Journal of Pattern
model tandatangan Jepang. Hal ini dilihat dari Recognition and Artificial Intteligence, Vol.8, No.3,
besarnya prosentase kesalahan serta waktu p.693-708, World Scientific Publishing Company.
pemrosesan. [10]. Yoshimura, M. dan Yoshimura, I., 1988, “Writer
• Unjuk kerja sistem diukur berdasarkan dua Identification Based on the Arc Pattern
macam tipe kesalahan, yaitu : kesalahan Transformation”, Proceedings of the 9th International
Conference on Pattern Recognition, November 14-
penolakan (false rejection) dan kesalahan 17, 1993, IEEE Computer Society, Washington, p.183-
penerimaan (false acceptance). Sistem yang 186.