Prasetya, Reynatha Yudha (2008) Pengenalan Tanda Tangan Menggunakan Jaringan Syaraf Tiruan LVQ. Sarjana thesis, Universitas Brawijaya.
Abstract
Pengenalan Tanda Tangan adalah salah satu implementasi pengenalan pola. Teknologi pengenalan sangat berperan untuk mempermudah suatu pekerjaan dan mencegah pembobolan kata kunci. Dalam penelitian pengenalan tanda tangan ini disajikan suatu metode untuk mengenali tulisan tangan dengan menggunakan algoritma jaringan syaraf tiruan (JST) Learning Vektor Quantization ( LVQ ). Berdasarkan kemampuan yang dimiliki, jaringan syaraf tiruan dapat digunakan untuk belajar dan menghasilkan aturan atau operasi dari beberapa contoh, untuk menghasilkan output yang sempurna dari input yang dimasukkan dan membuat prediksi tentang kemungkinan output yang akan muncul. Proses yang dilakukan untuk menghasilkan sebuah sistem pengenalan meliputi beberapa tahap, yaitu tahap pengolahan citra dan tahap pelatihan dan pengenalan. Tahap pengolahan citra dimulai dari Gray Scale, Thresholding, Croping, Stretch Resize, dan Ekstraksi Ciri. Pengolahan citra diperlukan untuk memudahkan pengolahan data gambar sebelum masuk dalam tahap pelatihan. Kemudian tahap kedua adalah pelatihan dan pengenalan. Pada tahap ini, metode LVQ mulai digunakan dan menentukan Bobot , Target Error, MaxEpoch , dan Laju Pelatihan ( Learning rate ). Dalam proses pengenalan, juga digunakan jarak euclidean. Data yang dijadikan sebagai input adalah gambar tanda tangan yang mempunyai resolusi 200 x 200 pixel, berjumlah 92 gambar, dan berekstensi Bitmap ( .bmp ). Tolak ukur keberhasilan sistem pengenalan tanda tangan ini adalah dengan menghitung nilai Termination Error Rate dan tingkat keakuratan dalam pengenalan tanda tangan. Dari penelitian ini diperoleh struktur JST dengan jumlah nilai learning rate 0,01, nilai target error 0,004 dan jumlah epoch sebesar 10000. JST yang terbentuk mampu mengenali citra yang berisi tanda tangan yang sudah dilakukan pembelajaran dengan nilai keakuratan rata – rata sebesar 73,91% dan rata – rata keakuratan hasil pengenalan terhadap citra yang berisi tanda tangan yang belum dilakukan pembelajaran sebesar 69,56%.
English Abstract
The signature recognition is one of pattern recognition implementation. The technology of recognizing process is having an important role in order to make a certain work in security issue be easy to do and to prevent the negative action of password cracking. This signature recognition research is providing a method for recognizing handwriting using a neural network method called Learning Vector Quantization (LVQ). According to the ability of the neural network, it can be used for learning and resulting the rule or operation of some samples, obtaining a perfect output from the inputs and for predicting the probability of output to come out. The process for building a recognition system is formed by some phases, they are : image processing and learning process and recognition process. The image processing is begun from the process of gray scaling, thresholding, cropping, stretch resizing, and characteristic extracting. The image processing is needed to ease the image data processing before the data is processed in learning and recognizing phases. At these steps, the LVQ is begun to used dan to set the weight, error target, MaxEpoch, and learning rate. In recognizing process is used Euclidean distance as well. The input data is the image of signature that sized 200x200 pixels. The amount of input data is 92 images, and have Bitmap (BMP ) file extension. The parameter of successful for this signature recognition system is estimated by calculating termination error rate and the accuracy rate of signature recognition. And due to this research done, it is produced a neural network structure with learning rate at 0,01, error target at 0,001 and the number of epoch at 10000. This a neural network method can recognize image with signature on it with average accuration rate 73,91% for image after learning process and average accuration rate 69,56% for image before learning process.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2008/162/050801954 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 04 Sep 2008 12:57 |
| Last Modified: | 09 Mar 2022 04:42 |
| URI: | http://repository.ub.ac.id/id/eprint/151819 |
Preview |
Text
050801954.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |