Harfiya, Latifa Nabila (2017) Verifikasi Citra Tanda Tangan Berdasarkan Ciri Pyramid Histogram of Oriented Gradient (PHOG) Menggunakan Metode Klasifikasi K-Nearest Neighbor. Sarjana thesis, Universitas Brawijaya.
Abstract
Tanda tangan dikenal sebagai suatu atribut unik yang dimiliki secara personal yang secara luas telah diterima oleh masyarakat menjadi salah satu wujud alat verifikasi identitas seseorang. Upaya-upaya pemalsuan dan penyalahgunaan tanda tangan kerap kali terjadi karena hingga kini tanda tangan masih digunakan dalam berbagai keperluan legalitas untuk berbagai macam dokumen seperti surat akta, katu tanda penduduk, dan lain sebagainya. Rentannya tanda tangan akan pemalsuan dan penyalahgunaan menyebabkan perlu dilakukannya verifikasi tanda tangan. Penelitian ini bertujuan untuk menerapkan dan menguji tingkat akurasi verifikasi citra tanda tangan dengan penggunaan ciri Pyramid Histogram of Oriented Gradient (PHOG) dan hasil klasifikasi K-Nearest Neighbor (K-NN). Proses verifikasi tanda tangan diawali dengan preprocessing kemudian ekstraksi ciri PHOG untuk mendapatkan ciri dari area global hingga area lokal citra yang digunakan untuk proses setelahnya yaitu klasifikasi menggunakan metode K-NN. Terdapat berbagai parameter yang dapat memengaruhi ekstraksi ciri PHOG dan metode klasifikasi K-NN seperti jumlah bin, level, rentang sudut, dan K. Jumlah bin, level, rentang sudut, dan K terbaik untuk data tanda tangan Indonesia didapatkan secara berurutan adalah 10, 2, 180, dan 1, sedangkan untuk data tanda tangan Spanyol dan Persia adalah 9, 2, 180, dan 1. Adapun parameter tambahan yaitu jumlah data latih yang secara keseluruhan memengaruhi hasil klasifikasi yang digunakan. Verifikasi dengan menggunakan parameter terbaik dan jumlah data latih terbanyak berhasil menghasilkan akurasi tertinggi sebesar 99,5% pada data tanda tangan Indonesia asli, 96% pada data tanda tangan Spanyol asli, dan 98,5% pada data tanda tangan Persia asli. Sedangkan pada data tanda tangan palsu akurasi yang dihasilkan hanya sebesar 56% pada data tanda tangan Indonesia, 26,5% pada data tanda tangan Spanyol, dan 35,5% pada data tanda tangan Persia. Hasil pengujian menunjukkan bahwa walaupun algoritme bekerja dengan baik dalam melakukan pengenalan, tetapi masih belum cukup baik membedakan tanda tangan asli dengan tanda tangan palsu yang memiliki kemiripan yang tinggi dengan tanda tangan asli.
English Abstract
Signature is long known as a privately owned unique attribute that have been accepted by people in wide community as one of many tools that used to verify a person’s identity. Signature forgery and misuse be expected to often happen because until today signatures are used in various purposes of legality for any documents such as letter of deed, id card, and so on. Signature verification becomes needed as signatures are prone to get those forgeries and misuses. This research aims to implement and test the accuracy signature image verification using PHOG feature extraction and K-NN classifier. The process of signature image verification started by image preprocessing and continued by feature extraction based on Pyramid Histogram of Oriented Gradient (PHOG) which kind of superlative for extracting feature from global to local image area that used for the next process, classification using K-Nearest Neighbor method. There are some parameters that can affect the feature extraction of PHOG and K-NN as classification method such as number of bin, level, range of angles, and K. Signature data from Indonesia obtained the the best number of bin, level, range of angles, and k in sequence is 10, 180, 2, and 1, while the signature data from Spain and Persian obtained 9, 180, 2, and 1 as the best number. As for the additional parameters, namely the amount of training data that affect the overall results of the classification used. Image verification using the best parameter values and the most training data used produces the highest accuracy of 99,5% on Indonesian original signature data, 96% on Spanish original signature data and 98,5% on the data of the Persian original signatures. While the forgery signatures data accuracy produces accuray only as much as 56% on data from Indonesia, 26,5% on data from Spain, and 35,5% on data from Persian. Results from tests show that the algorithm is not good enough for distinguishing genuine signature and forgery signature that has high similarity with genuine signature.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/267/051705158 |
| Uncontrolled Keywords: | Verifikasi Tanda Tangan, Pyramid Histogram Of Oriented Gradient, K-Nearest Neighbor |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.8 Data security |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 11 Jul 2017 07:27 |
| Last Modified: | 11 Sep 2020 02:47 |
| URI: | http://repository.ub.ac.id/id/eprint/136 |
Preview |
Text
Latifa Nabil Harfiya.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |