Laksana, Nova (2018) implementasi metode artificial neural network backproopagation dengan local thresholding untuk pengenalan tanda tangan. S1 Teknik Informatika thesis, STMIK Widya Cipta Dharma.
![[img]](http://repository.wicida.ac.id/style/images/fileicons/text.png) |
Text
1543904-S1-Tehnik Informatika.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
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 Matlab. Langkah-langkah pengembangan aplikasinya meliputi: akuisisi citra tanda-tangan, segmentasi citra, ekstraksi ciri citra, pelatihan dan pengujian. Proses pelatihan yang dilakukan adalah melihat nilai MSE dari masing-masing tanda tangan mahasiswa. Dan untuk pengujian yaitu jaringan syaraf tiruan mengenali tanda tangan setiap mahasiswa. Hasil dari penelitian ini dibuatnya aplikasi pengenalan tanda tangan mahasiswa dengan jaringan syaraf tiruan dan melihat tingkat keberhasilan dari jaringan syaraf tiruan untuk mengenali setiap tanda tangan yang di uji. ============================================================ Identification of human signatures is a process for recognizing and determine the signature of a person. Signature identification technology is included in biometrics that use the characteristic nature of human behavior. During this time, the signature recognition was done manually. Therefore, research needs to be done to create a computerized introduction system. In this study used the method of backpropagation neural network (backpropagation). this implemented identification system uses a model of Backpropagation Neural Network with the help of Matlab programming language. Application development steps include: image signature acquisition, image segmentation, image character extraction, training and testing. The training process is to see the value of MSE from each student signature. And for testing the neural network recognize the signature of each student. The results of this study made the application of student signatures recognition with artificial neural networks and see the success rate of artificial neural networks to recognize each signature in the test.
| Item Type: | Thesis (S1 Teknik Informatika) |
|---|---|
| Additional Information: | Pembimbing 1 : M. Irwan Ukkas, S.Si,M.Kom Pembimbing 2 : Awang Harsa Kridalaksana, M.Kom |
| Uncontrolled Keywords: | Jaringan Syaraf Tiruan, Tanda Tangan, Local Thresholding, Backpropagation. Matlab |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Teknik Informatika |
| Depositing User: | Mrs Nova Laksana |
| Date Deposited: | 09 Aug 2018 02:39 |
| Last Modified: | 12 Jan 2019 00:56 |
| URI: | http://repository.wicida.ac.id/id/eprint/1129 |
Actions (login required)
 |
View Item |
