IDENTIFIKASI CITRA TANDA TANGAN BERDASARKAN GRID ENTROPY DAN PCA MENGGUNAKAN MULTI LAYER PERCEPTRON
Article Sidebar
Main Article Content
Abstract
Tanda tangan merupakan tanda yang bertujuan sebagai lambang dari nama seseorang yang dituliskan menggunakan tangan orang itu sendiri sebagai penanda pribadi. Penggunaan tanda tangan tidak luput dalam kehidupan sehari-hari, penting untuk mengenal bentuk tanda tangan seseorang untuk melakukan verifikasi apakah tnada tangan tersebut milik orang yang bersangkutan atau orang lain. Pada penelitian ini penulis membuat penelitian mengenai identifikasi tanda tangan dengan menggunakan Grid Entropy dan Principal Component Analysis sebagai ekstraksi ciri. Model pembelajaran dataset menggunakan Multi Layer Perceptron dan Cross Validation menggunakan nilai parameter yang berbeda pada hidden layer dan node dalam Multi Layer Perceptron. Hasil pengujian terbaik didapatkan dari pembelajaran dataset menggunakan 2 hidden layer dengan node sebanyak 40 node di setiap hidden layer, dari skenario tersebut didapatkan akurasi sebesar 87,22%.
Article Details
Copyright Notice
Authors who publish with Journal of Informatics, Information System, Software Engineering and Applications (INISTA) agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
References
[2] J. Arifin and M. Z. Naf ’an, “Verifikasi Tanda Tangan Asli Atau Palsu Berdasarkan Sifat Keacakan (Entropi),” J. Infotel, vol. 9, no. 1, pp. 130–135, 2017.
[3] M. Z. Naf’an and J. Arifin, “Identifikasi Tanda Tangan Berdasarkan Grid Entropy Menggunakan Multi Layer Perceptron,” J. Infotel, vol. 9, no. 2, pp. 172–176, 2017.
[4] R. Wulanningrum, E. Utami, and A. Amborowati, “Implementasi Principal Component Analysis Untuk,” Semin. Nas. Teknol. Inf. dan Multimed. 2014, vol. 1, no. 1, pp. 31–36, 2014.
[5] D. P. Pamungkas, E. Utami, and A. Amborowati, “Komparasi Pengenalan Citra Tanda Tangan dengan Metode 2D-PCA dan 2D-LDA,” Citec J., vol. 2, no. 4, pp. 341–354, 2015.
[6] F. Adnan, “Investigasi Hubungan antara Jumlah Dimensi Parameter Extraksi Terhadap Keakurasian Pengenalan Tanda Tangan Secara Offline,” Semin. Nas. Teknol. Inf. Komun. Terap. 2012, vol. 1, no. 1, pp. 370–376, 2012.
[7] H. Mawaddah, A. Mahmud Husein, and A. Dharma, “BERBASIS PRINCIPAL COMPONENT ANALYSIS,” Semin. Nas. APTIKOM, vol. 1, no. 1, pp. 3–7, 2017.
[8] S. Odeh and M. Khalil, “Apply Multi-Layer Perceptrons Neural Network for Off-line signature verification and recognition,” Int. J. Comput. Sci. Issues, vol. 8, no. 6, pp. 261–266, 2011.
[9] A. Muntasa, PENGENALAN POLA; Aplikasi untuk Pengenalan Wajah, Analisis Tekstur Obyek, Pengenalan Plat Nomor Kendaraan dan Segmentasi Pembuluh Darah. Yogyakarta: GRAHA ILMU, 2015.