ABSTRAKSI: Tanda tangan merupakan salah satu atribut unik seseorang yang dapat digunakan sebagai bukti sah untuk menandakan sebuah dokumen yang telah disetujui oleh pihak yang menandatangani dokumen tersebut. Untuk memastikan keabsahan dari tanda tangan tersebut, tidak cukup hanya dengan menggunakan kasat mata saja, terlebih lagi jika melibatkan banyak dokumen dengan jumlah tanda tangan yang banyak pula. Untuk itu, diperlukan sebuah sistem pengenalan tanda tangan yang mampu membedakan tanda tangan yang asli dengan yang palsu dengan tepat sehingga dapat membantu pengguna dalam proses autentifikasi dokumen.
Sistem pengenalan tanda tangan ini dibangun dalam tiga tahap, yaitu preprocessing, feature extraction, dan proses klasifikasi. Hasil dari preprosessing akan dijadikan input pada proses feature extraction yang meliputi global feature, mask feature, dan grid feature. Kemudian hasil feature extraction tersebut akan digunakan untuk proses klasifikasi serta melakukan verifikasi pada gambar tanda tangan dari data uji dengan menggunakan Probabilistic Neural Network.
Pada tugas akhir ini, data yang digunakan adalah 200 buah gambar tanda tangan yang telah di-scan yang berasal dari 10 orang, dan terdiri dari 100 tanda tangan asli dan 100 tanda tangan palsu. Akurasi tertinggi yang didapatkan pada percobaan pada data latih mampu mencapai 100% sedangkan percobaan pada data uji mencapai 91,25%.Kata Kunci : Tanda tangan, preprocessing, feature extraction, probabilistic neural network (PNN)ABSTRACT: Signature is one of the unique attributes of a person that can be used as valid evidence to indicate a formal document that has been approved by the man who signed the document. To ensure the validity of the signature, it is not enough just to use the naked eye, especially if it involves a lot of documents with many signatures on it. So, it needs a signature recognition system which is able to distinguish between a genuine signature with a fake signature appropriately and can help users to authenticate the documents.
This Signature recognition system was built in three phases: preprocessing, feature extraction and classification processes. The results from preprosessing will become input to the feature extraction process which includes global feature, mask feature, and a grid feature. Then the results of feature extraction will be used for the classification process and verify the signature image of the test data by using Probabilistic Neural Network.
This final project used 200 units signature images that have been scanned from 10 people, consisting of 100 genuine signatures and 100 false signatures. The highest accuracy obtained in experiments on the train data was able to reach 100%, and the experiments on test data was reached 91,25%.Keyword: Signature, preprocessing, feature extraction, probabilistic neural network (PNN)