Pengenalan Tanda Tangan Menggunakan Histogram Of Oriented Gradients Dan Smooth Support Vector Machine

Marthatiyanda, Ocky (2019) Pengenalan Tanda Tangan Menggunakan Histogram Of Oriented Gradients Dan Smooth Support Vector Machine. Other thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_OCKY MARTHATIYANDA_COVER.pdf - Published Version Download (35kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_LEMBAR PENGESAHAN.pdf - Published Version Download (189kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (199kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (257kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_KATA PENGANTAR.pdf - Published Version Download (112kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_DAFTAR ISI.pdf - Published Version Download (58kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_BAB 1.pdf - Published Version Download (157kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_BAB 2.pdf - Published Version Download (370kB) | Preview
	Text UNIKOM_OCKY MARTHATIYANDA_BAB 3.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text UNIKOM_OCKY MARTHATIYANDA_BAB 4.pdf - Published Version Restricted to Repository staff only Download (462kB) | Request a copy
Preview	Text UNIKOM_OCKY MARTHATIYANDA_BAB 5.pdf - Published Version Download (58kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_DAFTAR PUSTAKA.pdf - Published Version Download (77kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_JURNAL DALAM BAHASA INDONESIA.pdf - Published Version Download (363kB) | Preview
Preview	Text UNIKOM_OCKY MARTHATIYANDA_JURNAL DALAM BAHASA INGGRIS.pdf - Published Version Download (324kB) | Preview

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%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pengenalan tanda tangan, Histogram of Oriented Gradients, Smooth Support Vector Machine
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mrs. Calis Maryani
Date Deposited:	02 Oct 2019 02:12
Last Modified:	02 Oct 2019 02:12
URI:	http://elibrary.unikom.ac.id/id/eprint/947

Actions (login required)

View Item