ANALISA TANDA TANGAN DIGITAL MENGGUNAKAN HEBBIAN LEARNING DAN SUPPORT VECTOR MACHINE

Juanda Hakim Lubis

Sari



ABSTRAK
Tanda tangan merupakan salah satu ciri dari setiap orang. Biasanya tanda tangan digunakan pada surat pernyataan, atau pun transaksi yang berhubungan dengan hal keuangan, baik penjualan barang maupun pembelian barang. Hal itu menjadi bermasalah jika suatu transaksi gagal karena adanya pemalsuan tanda tangan, tentu saja hal tersebut sangat merugikan, sehingga sangat penting untuk melakukan identifikasi tanda tangan.  Untuk menentukan suatu tanda tangan asli atau palsu tersebut digunakan metode Hebbian Learning. Dengan menggunakan Hebbian Learning dan Support Vector Machine tanda tangan akan diekstraksi cirinya lalu dibandingkan dengan tanda tangan uji untuk mengklasifikasikan tanda tangan uji asli atau  palsu. Hasil dari proses ini akan menyatakan cocok atau tidak cocok suatu tanda tangan. Bentuk tanda tangan mempengaruhi kombinasi parameter Hebbian Learning untuk mencapai tingkat akurasi yang baik. Dari hasil uji yang dilakukan menunjukkan bahwa sistem dapat mengenali tanda tangan dengan ketepatan rata-rata 91% untuk 5 orang data sampel.   

Kata kunci: Hebbian Learning, Support Vector Machine, tanda tangan



Teks Lengkap:

PDF

Referensi


Fenton, Dave, 2004, Introduction to Handwritten Signature Verification, University of Ottawa.

Haykin, Simon, 2005, Neural NetworksA Comprehensive Foundation, India: Pearson Prentice Hall

Gunn, S. 1998. “Support Vector Machines for Classification and Regression”. ISIS Technical Report, Image Speech & Intelligent Systems

Group University of Southampton

Sanger, Terence D., 1989, Optimal Unsupervised Learning In Feedforward Neural Networks, Technical Report, MIT Artificial Intelegence Laboratory.

Anto Satriyo Nugroho, dkk., “Support Vector Machine Teori dan Aplikasinya Dalam Bioinformatika”, Kuliah Umum IlmuKomputer.com.

asnugroho.net/papers/ikcsvm.pdf

Smith, Lindsay I. , 2002, A Tutorial On Principal Component Analysis, http://www.cs.otago.ac.nz/cosc453/student_tutorials principal_components.Pdf

Long Zuo dkk., Personal Handwriting Identification Based on PC, http://www.cbsr.ia.ac.cn/publications lzuo/Personal%20Handwriting%20Identification%20Based%20on%20PCA.pdf,

Handwriting Personality Profile, http://www.handwritingpro.com/examples.html

Emre Özgündüz dkk., 2010, Off-Line Signature Verification And Recognition By Support Vector Machine, Computer Engineering Department, Yildiz Technical University.Jacobs, Robert, 2008, Principal Components Analysis and Unsupervised Hebbian Learnin, Department of Brain & Cognitive Sciences, University of Rochester.


Refbacks

  • Saat ini tidak ada refbacks.



Didukung oleh:

STMIK Kaputama Binjai
Jl. Veteran No. 4 A - 9 A Binjai Kota Email : jtik.kaputama@gmail.com
p-ISSN : 2548-9704
e-ISSN : 2686-0880