ABSTRAKSI: Komunikasi adalah suatu kegiatan yang dilakukan oleh manusia untuk berinteraksi dengan manusia lain. Dalam berkomunikasi banyak jenis media yang dipakai, diantaranya menggunakan media suara, gambar atau tulisan. Namun tidak selamanya media-media tersebut digunakan untuk melakukan hal yang positif. Terkadang seseorang juga memanfaatkan media tersebut untuk melakukan kejahatan. Salah satunya adalah menggunakan media tulisan tangan. Pengidentifikasian tulisan tangan secara manual membutuhkan waktu yang lebih lama dan rentan terhadap kelelahan jika database tulisan tangan terlalu banyak. Oleh karena itu sistem komputerisasi diharapkan bisa membantu dalam mengidentifikasi tulisan tangan.
Pada Tugas Akhir ini akan membuat sistem identifikasi pembuat tulisan tangan dengan menggunakan transformasi wavelet diskrit dengan jenis haar wavelet dan algoritma propagasi balik levenberg marquardt. Sistem identifikasi pembuat tulisan tangan diadopsi dari sistem identifikasi tanda tangan yang sudah ada. Haar wavelet digunakan sebagai preprocessing dari sistem ini dan algoritma propagasi balik levenberg marquardt digunakan sebagai klasifikasi data.
Hasil yang didapat dari pengujian yang dilakukan, pengidentifikasian pembuat tulisan tangan dapat diimplementasikan dengan menggunakan metode haar wavelet dan algoritma propagasi balik levenberg marquardt dengan akurasi yang didapat adalah 86,67%.
Kata Kunci : handwriter identification, haar wavelet, descrete wavelet transform, artificial neural network, levenberg marquardt backpropagationABSTRACT: Communication is an activity by humans to interact with the others. There are many types of communication media, including sounds, images or handwritings. These media can be used to positive or negative things. One of them is using handwriting media. Identifying handwriter manually takes more times and make people tired if the database handwriting are too much. Therefore, a computerized system expected can assist in handwriter identification.
In this final task will build handwriter identification system using discrete wavelet transform with haar wavelet type and Levenberg Marquardt Backpropagation algorithm. Handwriter identification system adopted from signature identification system that already exists. Haar wavelet is used as preprocessing of system and Levenberg Marquardt Backpropagation algorithm is used as data classification.
The results of testing system, handwriter identification can be implemented using haar wavelet method and Levenberg Marquardt Backpropagation algorithm with the accuracy 86.67%.
Keyword: handwriter identification, haar wavelet, descrete wavelet transform, artificial neural network, levenberg marquardt backpropagation