ABSTRAKSI: Identifikasi tanda tangan manusia merupakan proses untuk mengenali dan menentukan tanda tangan dari seseorang. Teknologi identifikasi tanda tangan termasuk di dalam biometrik yang menggunakan karekteristik perilaku alami manusia. Pemalsuan citra tanda tangan dapat terjadi dengan mudah, sehingga dibutuhkan sistem identifikasi yang mampu membedakan tanda tangan asli atau palsu.
Sistem identifikasi yang diimplementasikan ini menggunakan model Jaringan Saraf Tiruan Adaptive Resonance Theory (ART). JST ART ini memiliki kemampuan untuk menerima informasi baru tanpa melupakan informasi sebelumnya, sama seperti cara kerja otak manusia. Untuk dapat mengidentifikasi tanda tangan, jaringan saraf tiruan memerlukan preprocessing dan feature extracting terlebih dulu. Proses ekstraksi ciri dengan filter 2D Gabor wavelet bertujuan untuk mendapatkan informasi ciri yang penting dari citra tanda tangan dan nilainya diambil sebagai masukan untuk jaringan saraf tiruan. Pelatihan JST dilakukan untuk mendapatkan klasifikasi yang tepat dari masukan data latih tanda tangan asli. Suatu tanda tangan dapat dikenali jika tanda tangan tersebut masuk dalam salah satu kelas yang terbentuk dari proses pelatihan.
Dari hasil pengujian diperoleh tingkat keakuratan sistem identifikasi tanda tangan dengan klasifikasi terbaik adalah sekitar 70% – 83.33% untuk bisa mengenali tanda tangan asli, dan sekitar 70% – 80% untuk menolak tanda tangan palsu.Kata Kunci : Biometrik, JST Adaptive Resonance Theory, preprocessing, feature extracting, filter 2D Gabor wavelet.ABSTRACT: Human signature identification is a process to recognize and decide the signature person. Signature identification technology include on biometric which use natural human behavior characteristics. Forgery of signature image is happened easily, so that is required by identification system to capable differentiate between genuine signature and forged signature.
Identification system implemented using Adaptive Resonance Theory (ART) neural network models. ART neural network is capable to receive new information without forgetting the previous information, like as the way of human brain work. To be able to identify signature, neural network need preprocessing and feature extracting. Extraction process with 2D Gabor Wavelet filter to get the important feature information from signature image and its value is taken as input to neural network. Learning of neural network is conducted to get the correct classification from data training a genuine signature. The signature can be recognized if it set in one of the class from training process.
From the testing result is obtained by level accuracy of signature identification system with the best classification is around 70% – 83.33% for can be recognized a genuine signature, and around 70% – 80% for reject a forged signatureKeyword: Biometric, Adaptive Resonance Theory, neural network, preprocessing, feature extracting, 2D Gabor Wavelet filter.