Zulfikri, Mohammad Lutfi (2018) Implementasi Support Vector Machine Berdasarkan Ciri Histogram Of Oriented Gradients Untuk Verifikasi Citra Tanda Tangan Berbasis Raspberry PI. Sarjana thesis, Universitas Brawijaya.
Abstract
Tanda tangan telah lama digunakan oleh masyarakat sebagai salah satu alat untuk verifikasi identitas seseorang, umumnya tanda tangan digunakan dalam dokumen resmi. Sayangnya tanda tangan juga dapat disalahgunakan untuk memalsukan legalitas dokumen. Untuk menghindari penyalahgunaan atau pemalsuan tanda tangan tersebut, maka dibuatlah alat untuk dapat melakukan verifikasi tanda tangan. Sistem ini menggunakan kamera sebagai masukkan dengan push button sebagai pemicu kamera menangkap citra, Raspberry Pi sebagai unit pemroses citra digital, dan LCD 16x2 sebagai keluaran sistem. Penelitian ini menggunakan metode Histogram of Oriented Gradients (HOG) sebagai feature descriptor dan preprocessing citra seperti konversi colorspace citra, Thresholding, Morphological Transformation, dan deteksi dan koreksi kemiringan. Metode HOG tersebut akan menghasilkan feature vector yang merepresentasikan ciri tanda tangan pada citra, feature vector ini selanjutnya akan masuk ke proses klasifikasi Support Vector Machine (SVM) untuk dilakukan pelatihan data dan prediksi keluaran verifikasi citra. Dalam sisi software, terdapat dua bagian utama sistem, yaitu bagian pelatihan data untuk melatih data citra tanda tangan dengan SVM dan bagian verifikasi tanda tangan untuk prediksi keluaran verifikasi, selain itu sistem juga menggunakan bantuan software OpenCV sebagai library pengolahan citra. Dari pengujian akurasi verifikasi citra tanda tangan didapatkan hasil sebesar 87,33% dari data uji sebanyak 300 citra tanda tangan. Dari pengujian ini data latih sangat mempengaruhi akurasi, data latih yang memiliki pola tanda tangan asli yang cukup bervariasi dapat menurunkan akurasi sistem. Dalam pengujian waktu proses pelatihan data klasifikasi, rata-rata sistem membutuhkan 1,45 detik untuk melatih data, dalam setiap pengujiannya waktu pemrosesan tidak terlalu bervariasi, hal ini dikarenakan komputasi program ditangani oleh proses scheduling dari sistem operasi Raspbian.
English Abstract
Signatures have long been used by people as a tool to verify a person's identity. Generally, signatures are used in creating official documents. Unfortunately, signatures can also be misused to falsify the legality of documents. To avoid the misuse or the falsification of a signature, a system is made to verify the signature. This system uses a camera which is equipped with a push button to let the camera capture an image as an input, Raspberry Pi as a digital image processing unit, and a 16x2 LCD as a system output. This study uses the Histogram of Oriented Gradients (HOG) method as a feature descriptor and image preprocessing such as image colorspace conversion, Thresholding, Morphological Transformation, and skew detection and correction. The HOG method will produce a feature vector that represents the signature characteristics of the image. This feature vector will be going to the Support Vector Machine (SVM) classification process for data training and image verification output prediction. In the software side, there are two main parts of the system which are training data section to train signature image data with SVM and the signature verification section for verification output predictions. Besides, the system also uses OpenCV software as an image processing library. According to the accuracy of signature image verification test, accuracy results are 87.33% from test data of 300 signature images, according to this test, it is shown that the training data greatly affects accuracy. Training data that have a fairly varied original signature pattern can reduce system accuracy. From testing the classification data, it is shown that training process time system requires 1.45 seconds in average to train the data. In each test, the processing time is not too varied. This is because computational programs are handled by the scheduling process of the Raspbian operating system.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/1046/051901075 |
| Uncontrolled Keywords: | verifikasi tanda tangan, pengolahan citra, histogram of oriented gradients, support vector machine, raspberry pi-signature verification, image processing, histogram of oriented gradients, support vector machine, raspberry pi |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 26 Apr 2020 15:10 |
| Last Modified: | 19 Oct 2021 07:48 |
| URI: | http://repository.ub.ac.id/id/eprint/167143 |
Preview |
Text
Mohammad Lutfi Zulfikri.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |