PENGGUNAAN FITUR GRAPHOMETRIC DAN METODE HMM (HIDDEN MARKOV MODEL) DALAM SISTEM VERIFIKASI TANDA TANGAN SECARA OFFLINE Off-line Signature Verification using HMM (Hidden Markov Model) and Graphometric Feature
Ayu Ria Lestari

Informasi Umum

Kode

113071092

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

322 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Tanda tangan merupakan cara yang paling sering dipakai dalam mengidentifikasikan seseorang dalam operasi sehari-hari seperti perbankan otomatis, transfer dana elektronik, analisis dokumen, dan kontrol akses. Namun pengecekan tanda tangan itu sampai saat ini masih banyak ditangani secara manual. Bila tanda tangan yang ingin dilakukan pengecekan cukup banyak maka saat mata mulai lelah, keakuratan dalam mengecek tanda tangan tersebut akan berkurang. Untuk itu diperlukan suatu sistem verifikasi tanda tangan yang mampu mengenali tanda tangan dengan baik.<br><br>Pada tugas akhir ini diimplementasikan Hidden Markov Model sebagai metode pengklasifikasiannya dan fitur graphometric sebagai pengenalan pola tanda tangan. Selanjutnya akan dilakukan penelitian terhadap FRR dan FAR pada verifikasi tanda tangan dan melakukan analisis terhadap faktor apa saja yang mempengaruhi akurasi pada metode Hidden Markov Model.<br><br>Berdasarkan pengamatan yang telah dilakukan, tingkat akurasi verifikasi tanda tangan mencapai 81% dengan 10 variasi tanda tangan.<br><br>Kata Kunci : Verifikasi, Tanda tangan, Graphometric, Hidden Markov Model, FRR, FAR data trainingABSTRACT: Signature is the most frequently used in identifying a person in day-to-day operations such as automated banking, electronic funds transfer, document analysis, and access control. But checking the signatures were up to now is still mostly handled manually. If the signature you want to be checked quite a lot, so when the eyes begin to fatigue, the accuracy in the signature check will be reduced. It required a signature verificationnsystem that can recognise the signature well.<br><br>In this final Hidden Markov Model implemented as a method of classification and feature graphometric as a signature pattern recognition. Next will be an examination of the FRR and FAR on signature verification and conduct an analysis of what factors affect the accuracy of the method of Hidden Markov Model.<br><br>Based on the observations that have been made, signature verification accuracy rate reached 81% by 10 variation of signature.<br><br>Keyword: Verification, Signature, Graphometric, Hidden Markov Model, FRR, FAR, training data

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook