PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION

Barry Ceasar Octariadi
2020 Jurnal Teknoinfo  
Abstrak Tanda-tangan merupakan fitur biometrik yang dapat digunakan untuk memverifikasi identitas seseorang. Penelitian ini menyajikan pengenalan pola tanda tangan menggunakan metode jaringan syaraf tiruan backpropagation (JST-BP) pada 100 contoh tandatangan. Dimana hasil pengenalan pola akan dibandingkan akurasinya dengan metode Support Vector Machine (SVM). Menggunakan ekstraksi ciri vertical splitting, horizontal splitting untuk mendapatkan nilai sudut dan nilai jarak sebagai ciri dari
more » ... gai ciri dari standa tangan yang selanjutnya akan di proses. Klasifikasi Jaringan saraf tiruan dengan metode pembelajaran jaringan saraf tiruan backpropagation (JST-BP). Jaringan saraf tiruan dengan metode pembelajaran Backpropagation yang digunakan terdiri dari 100 input, 3 hidden layer dan 2 output, fungsi pembelajarannya menggunakan resilient backpropagasi. JST-BP memiliki akurasi dalam memverifikasi sebesar 98.5% Pada tanda-tangan Traced, JST dengan metode backpropagation masih dapat mmgverifikasi dengan akurasi 82% sedangkan SVM memiliki akurasi dalam mengidentifikasi sebesar 94.5%. Pada tanda-tangan Traced , JST dengan metode backpropagation masih dapat mengidentifikasi dengan akurasi 74%, sedangkan untuk SVM tanda-tangan baru tidak bisa diidentifikasi dengan akurasi 51 %. Kata kunci : Tanda-tangan, Jaringan saraf tiruan Backpropagation, vertical horzontal splitting, support vector machine Pendahuluan Tanda tangan (signature) adalah sebuah tanda (sign) atau symbol yang merupakan versi miniature dari pemiliknya. Tanda tangan bukanlah sembarang tanda atau symbol, tetapi merupakan symbol yang secara legal dan merupakan gambaran asli dari pemiliknya. Dalam kehidupan sehari-hari, tanda tangan digunakan sebagai identifikasi dari pemiliknya dan keberadaan tanda tangan dalam sebuah dokumen menyatakan bahwa pihak yang menandatangani, mengetahui dan menyetujui atau pengesahan seluruh isi dari dokumen. Pembubuhan tanda tangan sering dijumpai pada kegiatan administrasi instansi Pemerintahan maupun swasta, seperti pada perbankan, yaitu: transaksi penarikan uang secara tunai, penyetoran, kliring giro dan transaksi lainnya. Pada saat mengenali suatu tanda tangan secara visual memang cukup mudah untuk dilakukanya, dan jika banyak dokumen yang di validasi berdasarkan tanda tangan pihak yang berwenang maka hal ini akan membutuhkan waktu yang lebih banyak dan apabila dilakukan oleh satu orang, maka akan membinggungkan karena harus mencocokan setiap tanda tangan pada arsip yang satu dengan yang lainnya. Hal ini menarik perhatian peneliti untuk melakukan penelitian yang akan membuat suatu aplikasi identifikasi tanda tangan yang dapat dilakukan dengan menggunakan komputer, sehingga akan menghemat waktu jika dibandingkan secara manual. Pencocokan karakteristik tanda tangan dengan pemiliknya dapat dilakukan dengan menggunakan komputer, sehingga akan menghemat waktu jika dibandingkan dengan dilakukan secara manual. Dalam penelitian ini, pendekatan baru untuk identifikasi tanda tangan didasarkan pada Jaringan Saraf Tiruan Backpropagation (JST-BP). Backpropagation merupakan algoritma umum dari jaringan saraf tiruan. Pada proses pembelajaran algoritma Backpropagation termasuk kategori metode supervised learning. Metode pelatihan menggunakan algoritma ini dapat menghasilkan keseimbangan antara kemampuaan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan memberikan respon yang benar terhadap pola masukan serupa namun tidak sama dengan pola yang dipakai selama pelatihan. Dengan jaringan saraf tiruan Bacpropagation ini, beberapa contoh tanda tangan akan diberikan untuk dilakukan proses pembelajaran atau pelatihan (trainning) agar nantinya JST ini dapat melakukan proses pengenalan ketika menerima input tanda tangan yang akan diuji (testing). Pada penelitian sebelumnya yang dilakukan oleh [1] kinerja sistem identifikasi menggunakan Jaringan Saraf Tiruan Backpropagation . pada pelatihan yang berbeda efisiensi tahapan ditemukan di atas lebih dari 95% keberhasilan. Dalam penelitian [2] untuk masalah identifikasi tanda tangan otomastis telah mendapat sedikit perhatian dibandingkan dengan masalah verifikasi tanda tangan manual. Penelitian ini menyajikan sebuah verifikasi tanda tangan seseorang dengan mencocokan tanda tangan yang ada di database.dengan menggunakan metode Backpropagation (BP) bahwa sistem aplikasi memiliki persentase 95% tingkat keberhasilan untuk mengidentifikasi tanda tangan dari pengujian data terlatih,sementara itu memiliki hanya 88% persentase
doi:10.33365/jti.v14i1.462 fatcat:jownnz5aebf75npqfy6xt7cy74