DEEP LEARNING UNTUK PENGENALAN TANDA TANGAN DENGAN JARINGAN SYARAF TIRUAN

Yuni Susanti, Riska and Wulanningrum, Wulanningrum and Swanjaya, Daniel (2020) DEEP LEARNING UNTUK PENGENALAN TANDA TANGAN DENGAN JARINGAN SYARAF TIRUAN. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

[img] Text (Full text)
RAMA_55201_16103020003.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[img] Text (Similarity)
RAMA_55201_16103020003SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (435kB)
[img] Text (References)
RAMA_55201_16103020003_0719068702_0723098303_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (183kB)

Abstract

Tanda tangan merupakan identitas tanda bukti seseorang. Hal ini membuat keberadaan tanda tangan menjadi penting, biasanya tanda tangan diambil dari nama orang atau gaya lainnya. Dalam membuat tanda tangan tidak boleh diubah-ubah, sebab akan sangat mempengaruhi adanya ketidakaslian identitas, karena dianggap dapat memalsukan sebuah dokumen yang penting maupun dalam melakukan transaksi. Sering terjadi masalah penyalahgunaan tanda tangan oleh pihak yang tidak bertanggung jawab, mengakibatkan identitas seseorang terkadang tidak valid. Sering terjadinya pemalsuan tanda tangan, disebabkan oleh sistem verifikasi yang kurang baik. Verifikasi tanda tangan kebanyakan dilakukan dengan manual, yaitu dengan membandingkan menggunakan indera penglihatan yang masih memungkinkan adanya kekurangan untuk mencegah masalah pemalsuan tanda tangan. Penelitian merancang sistem untuk identifikasi pengenalan pola citra tanda tangan, sistem mampu membedakan tanda tangan asli dan palsu. Proses pengenalan data akan dilatih dengan metode jaringan syaraf tiruan perceptron dan deteksi tepi sobel. Hasil akhirnya sistem mampu mengenali tanda tangan pelatihan pertama hasil 97% dengan 6 tanda tangan asli dan 5 tanda tangan palsu dan pelatihan kedua hasil 95,45% dengan 16 tanda tangan asli dan 6 tanda tangan palsu.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Perceptron, JST, Tanda Tangan
Subjects: 660 Art, design and media > 706 Design
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Mrs Riska Yuni Susanti
Date Deposited: 26 Aug 2020 06:42
Last Modified: 26 Aug 2020 06:42
URI: http://repository.unpkediri.ac.id/id/eprint/1247

Actions (login required)

View Item View Item