ABSTRAKSI: Tanda tangan banyak digunakan sebagai sistem identifikasi untuk mengenali seseorang. Pada tugas akhir ini, penulis membuat suatu perangkat lunak untuk membantu mengidentifikasikan tanda tangan seseorang. Algoritma yang akan digunakan merupakan algoritma Jaringan Syaraf Tiruan.
Algoritma identifikasi tanda tangan yang digunakan adalah Jaringan Syaraf Tiruan Back-propagation dan Jaringan Syaraf Tiruan Kohonen atau sering disebut Self Organizing Map (SOM). Citra RGB hasil akuisisi, dan sudah dikonversi menjadi citra grayscale perlu dilakukan perbaikan terlebih dahulu sebelum diolah. Proses preprocessing nya sendiri terdiri dari : convert to binary image, menjadikan citra negatif, dan proses cropping. Setelah dilakukan proses pre-processing dan mendapatkan citra tanda-tangan yang memiliki kualitas lebih baik, tahap selanjutnya adalah melakukan ektraksi ciri. Pada tahap ini, citra dibagi-bagi menjadi beberapa baris M dan kolom N. Setiap kotak dilakukan pemayaran pixel dengan matrix model, untuk mendapatkan intensitas kemunculan dari setiap model. Setelah obyek-obyek yang ada berhasil disederhanakan, tahap selanjutnya adalah identifikasi dengan menggunakan metoda Jaringan Syaraf Tiruan Back-propagation dan Jaringan Syaraf Tiruan Self Organizing Map (SOM).
Hasil dari identifikasi yang diperoleh adalah sistem dapat mengenali pemilik tanda-tangan, serta mendapatkan arsitektur dan parameter Jaringan Syaraf Tiruan yang terbaik dengan memperhatikan parameter-parameter yang sudah ditentukan. Akurasi yang di dapat dalam pengenalan tanda tangan menggunakan Jaringan Syaraf Tiruan Back-Propagation adalah 81.78%, dengan Jaringan Syaraf Tiruan Self Organizing Map 71.83%.
Kata Kunci : identifikasi citra tanda tangan, JST Back-propagation, JST Self OrganizingABSTRACT: Signatures are widely used as an identification system to indentify people. In this final project, the author tried to make application to help identify people signature. The method used here are Neural Network Algorithm.
There are two kind of Neural Network used in this final project, they are Backpropagation Neural Network and Self Organizing Map Neural Network. RGB (Red Green Blue) image results acquisition has been converted to grayscale image, and it is need to be repaired before being processed. The pre processing, consist of converting to binary image inverting, and cropping processed. After pre processing and get better quality image, the next step is to conduct feature extraction. At this step, the image divided into M rows and N column. Each square pixel imaging performed with the matrix model, this is do to get the intensity of occurrence of each model. After the objects have successfully simplified, the next step is the identification by using Backpropagation Artificial Neural Network and Self Organizing Map (SOM) Artificial Neural Network.
The result of identification is system can recognize the owner signature, as well as getting best architecture and parameter of neural network by due regard the parameters already determined. Accuracy in the signature can be in recognition using Artificial Neural Network Back-Propagation is 81.78%, with a Neural Network Self Organizing Map is 71.83%.
Keyword: signature image identification, Back-propagation neural network, Self