IDENTIFIKASI TANDA-TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN-BALIK(BACKPROPAGATION

Kurnia Buana, Dian Widya and Hidayatno, Achmad and Isnanto, R.Rizal (2011) IDENTIFIKASI TANDA-TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN-BALIK(BACKPROPAGATION. Undergraduate thesis, Teknik Elektro Universitas Diponegoro.

[img]
Preview
PDF - Published Version
186Kb

Abstract

Identifikasi tanda tangan manusia merupakan proses untuk mengenali dan menentukan tanda tangan dari seseorang. Teknologi identifikasi tanda tangan termasuk di dalam biometrik yang menggunakan karekteristik perilaku alami manusia. Selama ini, pengenalan tanda-tangan dilakukan secara manual. Oleh sebab itu perlu dilakukan penelitian untuk membuat sebuah system pengenalan yang terkomputerisasi. Pada penelitian ini digunakan metode jaringan saraf tiruan perambatan balik (backpropagation). Sistem identifikasi yang diimplementasikan ini menggunakan model Jaringan Saraf Tiruan Perambatan Balik (Backpropagation) dengan bantuan bahasa pemrograman Delphi. Langkah-langkah pengembangan aplikasinya meliputi: akuisisi citra tanda-tangan, segmentasi citra, ekstraksi ciri citra, pelatihan dan pengujian. Proses pelatihan yang dilakukan adalah menentukan bobot awal sistem, menentukan target keluaran sebagai patokan pelatihan menyesuaikan keluaran, melakukan perbaikan bobot sampai kesalahan yang terhitung lebih kecil daripada kesalahan toleransi. Perbaikan bobot dilakukan dengan melakukan umpan balik sinyal keluaran ke lapis tersembunyi dan lapis masukan. Bobot terakhir yang diperoleh disimpan pada basisdata, yang kemudian akan digunakan pada proses pengujian. Selain itu, pengujian dilakukan untuk mengetahui tingkat keberhasilan pengenalan data yang dimasukkan setelah melewati tahap pelatihan. Pada penelitian ini digunakan 150 citra tanda-tangan yang terdiri atas 10 responden untuk basisdata dengan tiap responden diambil 10 data dan ditambah 5 responden di luar basisdata dengan tiap responden diambil 5 data. Dari penelitian diperoleh kesimpulan bahwa sistem memiliki persentase tingkat keberhasilan dalam mengenali tanda-tangan sebesar 95% untuk pengujian terhadap data yang dilatihkan dan sebesar 88% untuk pengujian terhadap data luar. Kata-kunci:Tanda-tangan, Jaringan Saraf Tiruan, Umpan Maju (Feedforward), Perambatan Balik (Backpropagation), Perbaikan Bobot.

Item Type:Thesis (Undergraduate)
Subjects:T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:Faculty of Engineering > Department of Electrical Engineering
Faculty of Engineering > Department of Electrical Engineering
ID Code:29323
Deposited By:Mr. Sudjadi Pranoto
Deposited On:09 Sep 2011 09:24
Last Modified:09 Sep 2011 09:24

Repository Staff Only: item control page