Identifikasi keaslian tanda tangan menggunakan metode Shape Feature Extraction Techniques (SFET) dan Support Vector Machine (SVM)

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Mukayaroh, Mukayaroh (2019) Identifikasi keaslian tanda tangan menggunakan metode Shape Feature Extraction Techniques (SFET) dan Support Vector Machine (SVM). Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Mukayaroh_H72215031.pdf

Download (2MB)

Abstract

Tanda tangan yang digunakan sebagai tanda keabsahan suatu dokumen, merupakan sebuah tulisan tangan yang memiliki karekter atau ciri khusus. Dimana tanda tangan satu orang dengan orang lainnya pasti berbeda, hal ini membuat tanda tangan sebagai identitas dari pemilik tanda tangan itu sendiri. Namun pemalsuan tanda tangan mudah saja terjadi di masyarakat. Untuk mencegah adanya pemalsuan tanda tangan yang dapat merugikan sebalah pihak, perlu dilakukan pembuatan sistem yang dapat mengidentifikasi keaslian tanda tangan. Pada penelitian ini dilakukan beberapa proses untuk mengidentifikasi keaslian tanda tangan. Untuk memperbaiki kualitas citra tanda tangan dan supaya informasi yang ada pada citra tanda tangan lebih terfokus pada objek, maka perlu adanya pre-processing sebelum dilakukannyaa proses ektraksi fitur. Beberapa proses yang dilakukan pada tahap pre-processing diantaranya yaitu mengubah citra RGB ke grayscale, median filter, binerisasi, dan thinning. Pada penelitian ini, metode yang digunakan untuk ektraksi fitur ialah Shape Feature Extraction Techniques (SFET), dengan menggunakan dua parameter yaitu bounding box dan center of gravity. Untuk klasifikasi digunakan metode Support Vevtor Machine. Dengan menggunakan 3 kernel diperoleh evaluasi hasil testing terbaik yaitu pada kernel linear. Dari hasil evaluasi ditunjukan akurasi sistem sebesar 88.10%, sensitivitas sebesar 80.95%, dan spesifisitas sebesar 95.24%. Oleh karena itu, model yang digunakan dalam identifikasi keaslian tanda tangan ialah model SVM dengan kernel linear.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Mukayaroh, Mukayarohmukayaroh96@gmail.comH72215031
Contributors:
ContributionNameEmailNIDN
Thesis advisorNovitasari, Dian Candra Rinidiancrini@uinsby.ac.idUNSPECIFIED
AuthorUNSPECIFIEDUNSPECIFIEDUNSPECIFIED
Subjects: Matematika
Teknologi > Teknologi Informasi
Keywords: Identifikasi; Tanda Tangan; SFET; SVM
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Mukayaroh Mukayaroh
Date Deposited: 26 Jul 2019 08:45
Last Modified: 26 Jul 2019 08:45
URI: http://digilib.uinsby.ac.id/id/eprint/32813

Actions (login required)

View Item View Item