Nugroho, Adi (2016) DENTIFIKASI CITRA TANDA TANGAN MENGGUNAKAN METODE BACKPROPAGATION DAN RADIAL BASIS. S1 thesis, Universitas Sultan Ageng Tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text
IDENTIFIKASI CITRA TANDA TANGAN MENGGUNAKAN METODE BACKPROPAGATION DAN RADIAL BASIS.PDF - Published Version Restricted to Registered users only Download (8MB) |
Abstract
Signature is a biometric authentication system that is most frequently used than evidence of validation and can not be stolen or lent to others. The introduction of the signature can be done with the eyes, but the identification of signatures using this method can not be fooled by an individual's expertise in falsifying signatures. Absence of specific characteristics on a signature that is harder for people to falsify it. Physical limitations of humans (fatigue, inaccurate and eye disorders) may affect the results of the interpretation of a signature. Therefore, identification of automatic signature image can help a forensic expert in processing and analyzing the image of the signature. The method used is backpropagation artificial neural network and radial basis. The data used as many as 96 images, which consists of 84 images and 12 images training testing. In this study, feature extraction method used is the Fourier transformation, the sampling is horizontal and vertical. Architecture that is applied to the back propagation neural network using traingdx learning, variable learning rate 0.1, goal 1e-5, the minimum gradient 1e-25, the ratio of the increase in learning rate is 1.6, the ratio of decrease in the learning rate of 0.5 and 0.3 momentum. Hidden first layer 48, the hidden layer both have a value of 24 with the output with the number of neurons as much as 12 got the accuracy of the signature image of each signature by 91.67%. While the neural network using radial basis the wide dissemination of data (spread) of 1 epoch 10000, goal 1e-2 obtained average accuracy value of each signature amounted to 66.67%.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | Tanda Tangan merupakan salah satu sistem otentikasi biometrik yang paling sering digunakan dibandingkan bukti-bukti pengesahan dan tidak dapat dicuri maupun dipinjamkan kepada orang lain. Pengenalan tanda tangan dapat dilakukan dengan pandangan mata, tetapi identifikasi tanda tangan menggunakan cara ini dapat tertipu dengan keahlian seseorang dalam memalsukan tanda tangan. Tidak terdapatnya ciri-ciri khusus atas sebuah tanda tangan yang mempersulit orang untuk memalsukannya. Keterbatasan fisik manusia (kelelahan, keidakcermatan dan gangguan pandangan mata) dapat mempengaruhi hasil interpretasi atas sebuah tanda tangan. Oleh karena itu, identifikasi citra tanda tangan otomatis dapat membantu ahli forensik dalam memproses dan menganalisis citra tanda tangan. Metode yang digunakan adalah jaringan saraf tiruan backpropagation dan radial basis. Data yang digunakan sebanyak 96 citra, yang terdiri atas 84 citra pelatihan dan 12 citra pengujian. Pada penelitian ini metode ekstraksi ciri yang digunakan adalah transformasi fourier, yang disampling secara horisontal dan vertikal. Arsitektur yang diterapkan pada jaringan saraf tiruan backpropagation menggunakan pembelajaran traingdx, variabel laju pembelajaran 0.1, goal 1e-5, minimum gradien 1e-25, rasio kenaikan laju pembelajaran 1.6, rasio penurunan laju pembelajaran 0.5, dan momentum 0.3. Hidden layer pertama 48, hidden layer kedua mempunyai nilai 24 dengan output dengan jumlah neuron sebanyak 12 didapatkan nilai akurasi citra tanda tangan sebesar 91.67%. Sedangkan pada jaringan saraf tiruan radial basis menggunakan lebar penyebaran data (spread) 1, epoh 10000, goal 1e-2 didapatkan nilai akurasi rata-rata citra tanda tangan setiap tanda tangan sebesar 66.67%. | |||||||||
| Uncontrolled Keywords: | ignature, Neural Networks, Backpropagation, Radial Basis, Fourier transform Tanda Tangan, Jaringan Saraf Tiruan, Backpropagation, Radial Basis, Transformasi Fourier | |||||||||
| Subjects: | T Technology > TP Chemical technology | |||||||||
| Divisions: | 03-Fakultas Teknik 03-Fakultas Teknik > 20201-Jurusan Teknik Elektro |
|||||||||
| Depositing User: | Perpustakaan Pusat | |||||||||
| Date Deposited: | 14 Apr 2022 10:03 | |||||||||
| Last Modified: | 14 Apr 2022 10:03 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/12691 |
Actions (login required)
 |
View Item |