DETAIL DOCUMENT
Pengenalan Tanda Tangan Menggunakan Histogram Of Oriented Gradients Dan Smooth Support Vector Machine
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Marthatiyanda, Ocky
Subject
004_Data Processing & Computer Science 
Datestamp
2019-10-02 02:12:29 
Abstract :
Tanda tangan merupakan ciri khas dari setiap orang sebagai bukti mengesahkan dokumen ataupun transaksi. Hal ini banyaknya pemalsuan tanda tangan, jika suatu transaksi bermasalah atau gagal karena adanya pada pemalsuan tanda tangan, tentu mengalami kerugian dimulai dari transaksi bermasalah ataupun gagal dalam mengesahkan dokumen-dokumen legal. Sehingga untuk mengatasi hal tersebut dapat dilakukan dengan cara mengidentifikasi tanda tangan dengan memanfaatkan teknik pengolahan citra. Untuk mengidentifikasi tanda tangan tersebut diperlukan beberapa metode di awal (preprocessing) seperti pengambilan data tanda tangan dari hasil scanning dengan format .jpg, cropping dan grayscale, cropping dilakukan menggunakan teknik resize dalam ukuran 200x200 piksel, setelah proses cropping dilakukan untuk tahap selanjutnya dilakukan proses grayscale untuk inputan ekstraksi ciri dengan metode Histogram Of Oriented Gradients dan selanjutnya proses dilakukan dengan metode Histogram of Gradients untuk mencari nilai fitur vektor, dimana fitur vektor ini akan digunakan dalam mengklasifikasi beberapa label dari pemilik tanda tangan dengan metode Smooth Support Vector Machine untuk klasifikasi beberapa pelabelan pemilik tanda tangan. Pada penelitian ini digunakan data sebanyak 300 tanda tangan dari 30 responden dimana setiap responden diambil 10 data tanda tangan. Untuk pengujian menggunakan metode k-fold cross validation dimana k yang digunakan adalah 10-fold. Pada k-fold cross validation data dibagi sebanyak k yaitu 30 untuk data testing dan 270 untuk data training dengan iterasi sebanyak 10 fold. Berdasarkan hasil evaluasi pengujian pada pengenalan tanda tangan yang telah dilakukan dengan metode k-fold cross validation pada 10-fold untuk semua skenario pengujian pada pemilik tanda tangan telah didapatkan nilai rata–rata akurasi sebesar 88%. 
Institution Info

Universitas Komputer Indonesia