Pengolahan Citra Dan Metode Support Vector Machine (SVM) Dalam Pengenalan Pola Tanda Tangan

Rahmat Pujianto, Mei Lestari, Ni Wayan Parwati Septiani

Abstract


Tanda tangan atau paraf merupakan tulisan tangan dengan gaya tulisan tertentu dari nama seseorang dan indikasi yang ditulis pada dokumen sebagai bukti identitas. Masalah yang akan dibahas pada penelitian ini adalah sulitnya mengidentifikasi pemalsuan tanda tangan pada pengesahan skripsi. Artikel ini menggambarkan model indikasi tanda tangan yang mengaplikasikan pengolahan citra dengan ekstraksi ciri menggunakan Filter Gabor, Hue Saturation Value (HSV), Gray Level Co-occurance (GLCM) dan klasifikasi Support Vector Machine (SVM). Terdapat 300 citra tanda tangan yang dibagi menjadi data latih dan uji data, kemudian citra akan diekstraksi menggunakan Filter Gabor, HSV dan GLCM, kemudian akan diklasifikasikan menggunakan metode klasifikasi SVM untuk klasifikasi citra data latih yang sesuai.

 

Kata Kunci: Tanda Tangan, Filter Gabor, HSV, GLCM, Support Vector Machine (SVM)


Full Text:

PDF

References


R. C. Gonzalez, R. E. Woods, and S. L. Eddins, “Digital Image Processing Using Matlab - Gonzalez Woods & Eddins.pdf,” Education. 2004.

E. C. Djamal and S. N. Ramdlan, “Pengenalan Pola Tanda Tangan Menggunakan Multilayer Perceptron dalam Identifikasi Kepribadian,” Semin. Nas. Sist. Inf. Indones., 2013.

F. Damayanti and W. Setiawan, “Pengenalan Tanda Tangan Dengan Metode Modified Direction Feature ( Mdf ) Dan Euclidean Distance,” Pros. Conf. Smart-Green Technol. Electr. Inf. Syst., 2013.

J. DAUGMAN, “Gabor Wavelets and Statistical Pattern Recognition,” Handb. Brain Theory Neural Networks, 2003.

A. A. Kasim, R. Wardoyo, and A. Harjoko, “Batik classification with artificial neural network based ontexture-shape feature of main ornament,” Int. J. Intell. Syst. Appl., 2017.




DOI: https://doi.org/10.30998/jrkt.v1i01.4048

Refbacks

  • There are currently no refbacks.


         View My Stats