Model Artificial Neural Network untuk Pengenalan Tulisan Tangan Secara Online
| Main Author: | Harahap, Mawaddah |
|---|---|
| Other Authors: | Nababan, Erna Budhiarti, Tulus |
| Format: | Masters application/pdf |
| Bahasa: | ind |
| Terbitan: |
Universitas Sumatera Utara
, 2019
|
| Subjects: | |
| Online Access: |
http://repositori.usu.ac.id/handle/123456789/14444 |
Daftar Isi:
- 112 Halaman
- The current signature is widely used as an identification system to identify someone. In general, to recognize signature is still done manually by matchng signatures as the time of transaction with a valid one. Texture image of a unique signature on each can be analyzed for idebtification. Therefore, a capable system of analyzing is required to analyze the characteristic of signature so it is easier to identify it, one of them is a neural network. Based on research of methodolgy JST Kohonen SOM and MDF for introduction concept of signature, where data aquistion concept of signature to training and testing by ratio 75:25 to data of training used many as 500 sigantures from 100 respondent, where every respondent are taken by 5 signatures. Mean while to demands of test, concept of signatuures from 100 respondent by asumption every respondent are taken 3 signatures. From the result of test introduction concept of signature, degree of success by introduction of methodology JST Kohonen SOM 74% by size concept 4x4. Mean while the methode MDF, the degree of accuracy success 56% by normal size and total of transition 4 by nothing dividing concept to be several part.
- Saat ini, tanda tangan banyak digunakan sebagai sistem identifikasi untuk mengenali seseorang. Pada umumnya, untuk mengidentifikasi tanda tangan masih dilakukan secara manual yaitu dengan mencocokkan tanda tangan pada waktu transaksi dengan tanda tangan yang sah. Tekstur citra tanda tangan yang unik pada setiap orang dapat dianalisis untuk diidentifikasi. Oleh karena itu, diperlukan sebuah sistem yang mampu menganalisa karakteristik tanda tangan sehingga mempermudah dalam mengidentifikasi tanda tangan seseorang. Terdapat beberapa hasil penelitian yang dapat digunakan untuk menganalisis dan mengidentifikasi tanda tangan seseorang, salah satunya adalah Jaringan Saraf Tiruan. Dalam penelitian metode JST Kohonen SOM dan Modified Direction Feature (MDF) untuk pengelanan citra tanda tangan dimana akusisi data citra tanda tangan untuk pelatihan (training) dan pengujian (testing) dengan rasio 75:25. Untuk data pelatihan digunakan sebanyak 500 tanda tangan yang berasal 100 responden, dimana setiap responden diambil 5 tanda tangan. Sementara untuk kebutuhan pengujian, citra tanda tangan yang akan digunakan sebanyak 300 tanda tangan yang juga berasal dari 100 responden tersebut dengan asumsi setiap responden diambil 3 tanda tangan. Dari hasil pengujian pengenalan citra tanda tangan tingkat keberhasilan pengenalan dengan metode JST Kohonen SOM 74% dengan ukuran citra 4x4, sedangkan metode MDF tingkat akurasi keberhasilan 56% dengan ukuran normalisasi 4x4 dan jumlah transisi 4 dengan tidak ada pembagian citra menjadi beberapa bagian.