SUTIKNO, S (2010) APLIKASI PENGENALAN TANDA TANGAN DENGAN METODE LEARNING VECTOR QUANTIZATION DAN BACKPROPAGATION. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
COVER OK.pdf Download (46kB) | Preview |
|
|
Text (ABSTRAK)
Abstrak.pdf Download (18kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
Bab1.pdf Restricted to Registered users only Download (24kB) |
|
|
Text (BAB II)
Bab2.pdf Restricted to Registered users only Download (263kB) |
|
|
Text (BAB III)
Bab3.pdf Restricted to Registered users only Download (361kB) |
|
|
Text (BAB IV)
Bab4.pdf Restricted to Registered users only Download (304kB) |
|
|
Text (BAB V)
Bab5.pdf Restricted to Registered users only Download (6kB) |
|
|
Text (DAFTAR PUSTAKA DAN LAMPIRAN)
Daftar Pustaka.pdf Restricted to Registered users only Download (13kB) |
Abstract
Pada era teknologi informasi saat ini, hampir semua pekerjaan dapat dilakukan dengan menggunakan komputer untuk meningkatkan efisiensi. Salah satu kegiatan yang dapat dikomputerisasikan adalah pengenalan tanda tangan. Fungsi tanda tangan adalah untuk menyatakan bahwa pemilik tanda tangan mengetahui dan menyetujui seluruh isi dokumen yang ditandatangani. Pengenalan tanda tangan dapat dilakukan dengan menerapkan Jaringan Syaraf Tiruan (JST). Metode JST yang dapat digunakan untuk mengenali pola tanda tangan adalah Learning Vector Quantization (LVQ) dan Backpropagation. Kedua metode JST ini mempunyai fase pelatihan (training) dan fase pengenalan (recognition). Fase pelatihan digunakan untuk mempelajari pola tanda tangan dan menyimpannya ke dalam database, sedangkan fase pengenalan digunakan untuk mengenali identitas pemilik tanda tangan dengan menggunakan pengetahuan yang sudah pernah dipelajari sebelumnya. Input gambar tanda tangan akan di-crop atau dibuang sisi samping yang kosong. Setelah itu dilakukan ekstraksi ciri dengan membagi area tanda tangan menjadi 20 x 20 kotak. Kemudian, lakukan pemeriksaan terhadap setiap area kotak. Bagi area yang memiliki piksel hitam lebih banyak, maka area tersebut akan berwarna hitam (nilai area 1) dan sebaliknya bila area memiliki piksel putih yang lebih banyak maka area tersebut akan berwarna putih (nilai area 0). Semua nilai area ini adalah hasil ekstraksi ciri yang akan dilatih dan dikenali oleh metode JST. Berdasarkan pengujian yang telah dilakukan, disimpulkan bahwa proses pelatihan dengan menggunakan metode Backpropagation akan memakan waktu yang lebih lama daripada metode LVQ, karena metode Backpropagation menggunakan perulangan epoh yang lebih banyak dari metode LVQ. Pada fase pengenalan, LVQ bekerja dengan menghitung jarak kemiripan antar pola, sedangkan metode Backpropagation mengenali suatu pola dengan menggunakan rumus dan menghasilkan bit-bit output yang langsung merujuk pada identitas pemilik tanda tangan. Pada kasus pengenalan tanda tangan ini, metode LVQ bekerja lebih baik daripada metode Backrpopagation.
| Item Type: | Thesis (S1) |
|---|---|
| Call Number CD: | FIK/INFO. 10 209 |
| Call Number: | SIK/15/10/197 |
| NIM/NIDN Creators: | 0150312-057 |
| Uncontrolled Keywords: | APLIKASI |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | Admin Perpus UMB |
| Date Deposited: | 03 Nov 2010 15:25 |
| Last Modified: | 26 Nov 2025 07:06 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/24092 |
Actions (login required)
 |
View Item |
