Abstract :
(ABSTRAKSI) Tanda-tangan merupakan fitur biometrik yang dapat digunakan untuk
memverifikasi identitas seseorang. Penelitian ini menyajikan implementasi
verifikasi Tanda Tangan dengan Menggunakan Jaringan Saraf Tiruan
Backpropagation dan dibandingkan dengan Support Vector Machine pada 100
contoh tanda-tangan. Menggunakan ekstraksi ciri vertical splitting, horizontal
splitting untuk mendapatkan nilai sudut dan nilai jarak sebagai ciri dari tanda
tangan yang selanjutnya akan di proses. Klasifikasi Jaringan saraf tiruan dengan
metode pembelajaran jaringan saraf tiruan Backpropagation (JST-BP) dan
Support Vector Machine (SVM). Jaringan saraf tiruan dengan metode
pembelajaran Backpropagation yang digunakan terdiri dari 100 input nodes, 3
hidden layer dan 2 output nodes, fungsi pembelajarannya menggunakan resilient
backpropagasi. Support Vector Machine (SVM) yang diterapkan menggunakan
metode satu lawan satu. JST-BP memiliki akurasi dalam memverifikasi sebesar
98.5% sedangkan SVM memiliki akurasi dalam mengverifikasi sebesar 94.5%.
Pada tanda-tangan Traced, JST dengan metode backpropagation masih dapat
memverifikasi dengan akurasi 82%, sedangkan untuk SVM tanda-tangan baru
tidak bisa diverifikasi dengan akurasi 48%. Waktu yang dibutuhkan JST dengan
metode Backpropagation untuk proses pembelajaran lebih cepat bila
dibandingkan dengan SVM. (ABSTRACT) Signature represents biometric feature useful to verify individualâs
identity. The study presents the implementation of the signature identification with
Support Vector Machine and compared with neural network backpropagation of
100 signature samples. Feature extraction using vertical splitting and horizontal
splitting to get the value of the angle and distance as the characteristic value of
the signature which would then be in the process. Artificial neural network
classification methods Backpropagation earning Neural Network (ANN-BP) and
support vector machine (SVM). The Artificial Neural Network with
Backpropagation learning method consists of 100 input nodes, 3 hidden layer
and 2 output nodes, while its learning function uses resilient backpropagation.
Support Vector Machine (SVM) is implemented using one-againt-one method.
ANN-BP has an accuracy in the verification of 98.5%, while SVM 94.5% for
Traced signatures, ANN with back propagation method is able to verify with the
accuracy of 82%, while for the new SVM signatures could not be verified with an
accuracy of 43%. The JST with the backpropagation method is faster for the
learning process than the SVM.