ABSTRAKSI: Tingkat kejahatan semakin marak terjadi, seperti pemalsuan dokumen-dokumen penting, pemalsuan tanda tangan, dan sebagainya. Untuk itu, demi menghindari tindak kejahatan tersebut, tulisan tangan mulai dilibatkan untuk membuktikan keaslian dari sebuah dokumen atau untuk menunjukan keaslian pemilik dokumen tersebut.
Dengan dilibatkannya tulisan tangan yang ditulis langsung oleh seseorang, maka akan sangat sulit bagi para pelaku kejahatan untuk memalsukan dokumen-dokumen penting, termasuk pemalsuan terhadap tulisan tangan, karena tulisan tangan setiap orang memiliki ciri khas yang berbeda, baik dari jenis tulisannya maupun lekukan-lekukan yang dibentuk oleh tangan untuk mengukir tulisan tersebut. Penerapan teknologi pengenalan karakter tulisan tangan akan sangat bermanfaat, seperti untuk pembuktian keaslian tulisan tangan, untuk keperluan analisis forensik dan keperluan perbankan.
Dalam tugas akhir ini dilaksanakan penelitian proses pengenalan tulisan tangan (handwriting recognition) menggunakan metode Transformasi Curvelet dan proses pengenalan karakter menggunakan metode K-Nearest Neighbor sehingga dapat dibedakan tulisan seseorang dengan tulisan orang lain. Citra masukan yang akan menjadi input berupa citra dalam format .jpg. Setelah itu dilakukan ekstraksi ciri dengan menggunakan Transformasi Curvelet. Keluaran dari Curvelet berupa ciri yang nantinya menjadi input untuk K-Nearest Neighbor.
Untuk meningkatkan performansi sistem, maka dilakukan pengujian terhadap sistem. Pengujian dilakukan dengan melakukan analisa terhadap beberapa parameter. Parameter-parameter tersebut adalah jumlah data latih yang digunakan, normalisasi, ukuran block dan nilai overlap pada block overlapping, skala dan orientasi pada curevelet, distance dan nilai K pada KNN yang menghasilkan akurasi terbaik pada sistem.
Dari hasil pengujian performansi sistem, maka diketahui bahwa performansi sistem mencapai akurasi tertinggi saat menggunakan parameter jumlah data latih 30 dan sampel 9, normalisasi dengan ukuran 200 x 50, ukuran block 10x10, nilai overlap 7, skala 2 orientasi 8, distance city block dan nilai K=7, sehingga diperoleh akurasi sitem sebesar 96,30%.Kata Kunci : Kata Kunci: : Tulisan tangan, Transformasi Curvelet, K-Nearest Neighbor, AkurasiABSTRACT: Increasing levels of crime rife, such as forgery of important documents, forgery of signatures, and so forth. Therefore, in order to avoid crime, handwriting began to be involved to prove the authenticity of a document or to show the authenticity of the document owner.
With the exclusion of handwriting, written directly by a person, it will be very difficult for criminals to forge vital documents, including the falsification of handwriting, because handwriting everyone has different characteristics, both from the type of literature as well as curves formed by hand to engrave the text. The application of handwritten character recognition technology will be useful, such as to prove the authenticity of the handwriting, for the purposes of forensic analysis and banking purposes.
In this final duty conducted the research process handwriting (handwriting recognition) using the method of transformation Curvelet and character recognition processes using K-Nearest Neighbor method that can distinguish one's writing with the writing of others. Input image that will be input in the form of images. Jpg format. Once that was done by using a feature extraction transformation Curvelet. The output of the Curvelet form that will be the input feature for the K-Nearest Neighbor.
To improve the performance of the system, then testing the system. Testing is done by analyzing several parameters. These parameters are trained to use the amount of data, normalization, block size and the overlap on the block overlapping, scale and orientation on curevelet, distance and value of K in the KNN that produces the best accuracy on the system.
From the results of performance testing system, it is known that the performance of the system to achieve the highest accuracy when using the parameter amount of data to train 30 and 9 samples, normalized to the size of 200 x 50, 10x10 block size, the overlap 7, 2 orientation scale 8, the city block distance and the K = 7, so that the obtained accuracy of 96.30%.Keyword: Keywords: Handwriting, Transformation Curvelet, K-Nearest Neighbor, Accuracy