Fitri Damayanti1, Wahyudi Setiawan2 1
D3 Manajemen Informatika Universitas Trunojoyo, Jl. Raya Telang, PO BOX 2, Kamal, Bangkalan – 69162, fitri2708@yahoo.com
2
D3 Manajemen Informatika Universitas Trunojoyo, Jl. Raya Telang, PO BOX 2, Kamal, Bangkalan – 69162, wsetiawan.ok@gmail.com
ABSTRAK
Tanda tangan merupakan suatu skema untuk memvalidasi suatu transaksi maupun proses tertentu yang bersifat personal dan sudah umum digunakan. Dahulu sistem validasi atau proses pengenalan terhadap tanda tangan seseorang mungkin hanya dilakukan dengan proses pemantauan secara langsung dengan menggunakan mata telanjang. Dengan semakin majunya teknologi serta ilmu pengetahuan yang mendukungnya, maka sangat dimungkinkan untuk mengenali suatu tanda tangan secara komputerisasi.
Pada penelitian ini dibangun sistem pengenalan tanda tangan secara real time dimana proses ekstraksi ciri menggunakan metode Dominant Point untuk mendapatkan ciri pada setiap karakter masukan. Dalam metode ini, sistem akan membaca arah goresan pena yang didasarkan pada kumpulan titik-titik. Pada proses klasifikasai serta pengenalan karakter menggunakan metode Fine Classification. Pada proses ini, pengenalan dilakukan dengan tiga tahap yaitu penilaian prakandidat, menyeleksi kandidat, lalu pencocokan karakter.
Dari uji coba yang dilakukan pada sistem, hasil untuk pengenalan citra tanda tangan diperoleh dengan jumlah data pelatihan sebanyak 180 citra, dengan hasil akurasi sistem yang didapatkan sebesar 81 %.
Kata kunci: Dominant Point, Fine Classification, Tanda Tangan, Real Time
1. Pendahuluan
Pengenalan pola masih menjadi kajian yang menarik bagi para peneliti, termasuk penelitian tentang pengenalan pola tanda tangan. Di perkantoran maupun industri, sidik jari, pola geometri telapak tangan, suara ataupun wajah digunakan sebagai mesin absensi. Di dunia perbankan, untuk melakukan transaksi keuangan digunakan tanda tangan sebagai alat validasi. Di dunia kedokteran, iris mata digunakan untuk identifikasi adanya faal pada organ tubuh, pupil mata untuk untuk identifikasi tingkat kelelahan seseorang. Sistem identifikasi tulisan tangan secara otomatis telah digunakan di industri perbankan untuk mengurutkan cek, pelayanan kantor pos untuk mengurutkan surat.
Pemilihan topik penelitian ini berdasarkan pengamatan pada beberapa proses yang membutuhkan tanda tangan untuk dijadikan sebagai bukti autentifikasi dari seseorang. Pada proses tersebut, pengecekan tanda tangan dilakukan secara manual, dimana proses pengecekan ini hanya melihat kemiripan tanda tangan sekarang dengan tanda tangan sebelumnya.
Achmad Fauzi Arief pada tahun 2009 yang berjudul ―Perangkat Lunak Pengkonversi Teks Tulisan Tangan Menjadi Teks Digital‖ ( Fauzi, 2009). Pada penelitian tersebut dibuat suatu perangkat lunak yang dapat mengolah teks tulisan tangan menjadi
126
teks digital. Dalam proses pembuatan perangkat lunak tersebut dibuat menggunakan teks tulisan tangan sebagai citra masukan. Data tersebut diproses dan diwujudkan dalam pengolahan citra dengan proses segmentasi menggunakan Thresholding, kemudian hasil dari pengolahan citra dimasukan sebagai masukan unit pada jaringan syaraf tiruan Standart Backpropagation yang berfungsi sebagai pengambil keputusan dengan tujuan mengenali teks tulisan tangan tersebut dan selanjutnya diwujudkan dalam bentuk teks digital dalam sistem komputer berkode ASCII.
Chandra Setia Rini tahun 2007 berjudul ―Perancangan dan Pembuatan Aplikasi Pengenalan Tulisan Tangan Menggunakan Metode Dominant Point‖ (Rini, 2007). Penelitian tersebut membahas tentang penggunaan ekstraksi ciri menggunakan Dominant Point. Pada penelitian tersebut proses pengenalan tulisan tangan dilakukan secara real time dari segi akurasi dan waktu pelatihan.
Felicia Soedjianto, Lukas Dwi Kristianto, Rudy Adipranata pada tahun 2010 yang berjudul ―Signature Recognition with Dominant Point Method‖ (Soedjianto, 2010). Pada sistem pengenalan tanda tangan ini menggunakan metode titik dominan (Dominant Point). Dengan Dominant Point, keberhasilan pengenalan tergantung pada arah bergerak ketika menulis tanda tangan.
Pada penelitian ini dibangun sistem pengenalan tanda tangan secara real time yaitu proses ekstraksi ciri menggunakan metode Dominant Point untuk mendapatkan ciri dari tiap karakter masukan. Metode ini pada dasarnya sistem akan membaca arah goresan pena yang didasarkan pada titik-titik local extrema kurva atau Dominant Point. Metode yang digunakan untuk klasifikasi juga merupakan faktor yang penting untuk memperoleh tingkat akurasi yang baik. Adapun pada proses klasifikasi serta pengenalan karakter menggunakan Fine Classification. Pada proses ini, pengenalan dilakukan dengan tiga tahap yaitu penilaian pra kandidat, menyeleksi kandidat, lalu pencocokan karakter. Proses inilah yang membuat sistem dengan cepat melakukan pengenalan.
2. Pembahasan Dominant Point
Dominant Point adalah titik awal dan titik akhir stroke, local extrema, dan titik tengah yang menghubungkan kedua jenis titik tersebut secara yang berurutan [6] seperti ditunjukkan Gambar 1. Untuk mendapatkan titik awal dan titik akhir dari stroke yaitu dengan mengakses array pada indeks yang paling awal dan indeks paling akhir. Konteks kurva dala hal ini adalah fungsi f(x) (Putra, 2009).
Jika ada fungsi f(x) dan f ' ( 1) = 0, dimana 1 adalah angka yang terletak dalam domain dari f, maka 1 disebut angka kritis dari fungsi f. dan titik ( 1,f( 1)) disebut titik kritis dari fungsi f(x).
Gambar 1. Contoh Dominant Point Start Area dan End Area
Proses startarea dan endarea merupakan proses untuk menentukan titik awal dan titik akhir stroke. Karena proses yang dilakukan secara Real time, maka pengecekan yang dilakukan dua kali pada setiap stroke. Pengecekan dilakukan secara vertikal dan horizontal. Pada posisi vertikal, yang dilihat berdasarkan nilai titik awal dan akhir pada sumbu Y. Sedangkan pada posisi horizontal dilihat berdasarkan nilai titik awal dan akhir yang terletak pada sumbu X.
127
Karena pada tahap klasifikasi juga menggunakan nilai yang diperoleh dari start area dan end area pada setiap stroke, maka proses harus diseragamkan. Seperti pada Gambar 2. Pembagian area ini digunakan untuk membagi area sama antara vertikal maupun horizontal. Pembagian vertical area gambar yang telah dituliskan oleh pengguna dilakukan dengan membagi tinggi menjadi lima bagian. Karena tinggi dan lebar canvas adalah 100x100 pixel, maka tiap area (lebar dan tinggi) adalah 20 pixel (Li, 1996).
Gambar 2. Pembagian area Direction Primitive
Direction Primitive digunakan untuk mengkonversi arah gerak ke dalam kode. Seperti ditunjukkan Gambar 3. ada delapan macam arah gerak, yaitu E, SE, S, SW, W, NW, N, NE. Arah ini akan memberi kode pada nomor 0 sampai 7. Cara bacanya sesuai dengan arah jarum jam. Setelah mengikuti arah pada kode rantai (chain code), maka akan diperoleh chain code untuk setiap stroke seperti ditunjukkan Gambar 3.
Gambar3. Contoh Direction Code Generate Chain Code
Proses ini merupakan proses pencarian titik-titik Dominant Point dari tiap-tiap karakter. Langkah pertama yang dilakukan adalah dengan mencari arah gerakan pena dari semua titik dalam karakter. Kemudian dilakukan tiga langkah selanjutnya yaitu penghalusan, pemampatan dan Dominant Point.
Seperti ditunjukkan Gambar 4. jika ada fungsi f(x) dan f‟(x1)= 0, dimana 1 adalah angka yang terletak dalam domain dari f, maka 1 disebut angka kritis dari fungsi f. dan titik (x1, f(x1))disebut titik kritis dari fungsi f(x) (Sezgin, 1998).
Keterangan:
x : angka yang terletak dalam domain dari f x1 : disebut angka kritis dari fungsi f
f(x1) : fungsi dari angka yang akan diobservasi
(x1, f(x1)) : titik kritis dari fungsi f
Oleh karena itu, titik tersebut dapat dikatakan local maximum jika terjadi perubahan fungsi dari increasing ke decreasing, dan dapat dikatakan local minimum jika terjadi perubahan fungsi dari decreasing ke increasing. Local maximum dan local minimum akan memiliki extreme value (nilai ekstrim) saja dalam beberapa interval fungsi domain.
128
Gambar 4. Local Maximum dan Minimum Extreme
Cara lain yaitu nilai global maximum akan menjadi yang terbesar dari semua fungsi domain dan nilai global minimum akan menjadi nilai terkecil untuk semua fungsi domain. Setelah Dominant Point dari local extrema diperoleh, maka ditambahkan dengan titik awal dan titik akhir. Kemudian menentukan tipe Dominant Point yang ketiga yaitu titik tengah yang menghubungkan Dominant Point yang berupa titik awal dan titik akhir dengan Dominant Point yang merupakan local extrema yang berurutan.
Klasifikasi
Seleksi Kandidat
Proses seleksi kandidat bertujuan agar pada tahap klasifikasi tidah membutuhkan waktu yang terlalu lama. Karena pemeriksaan kemiripan pada tahap Fine classification lebih mendetail, sedangkan pada tahap seleksi kandidat pemerikasaan bersifat lebih sederhana. Caranya adalah dengan memberi skor pada prekandidat yang telah ditentukan.
Kriteria penilaian prekandidat adalah dengan menggunakan jumlah stroke, start dan end Area. Hasil dari semua skor yang didapat kemudian dilakukan rata-rata. Prekandidat yang memiliki skor yang lebih tinggi dari batas yang telah ditentukan adalah kandidat terbaik yang kemudian akan dimunculkan sebagai hasil pengenalan terbaik. Jika kode area tepat sesuai dengan kode yang diinginkan, maka skornya adalah 100. Namun, jika areanya bergeser ke area disebalahnya, maka skor yang diberikan adalah 50. Jika areanya melenceng jauh, maka skor yang diberikan adalah 0. Masing-masing skor untuk kode area akan dilakukan rata-rata sesuai dengan jumlah stroke (Latifah, 2012).
Fine Classification
Pada proses Fine classification akan menghitung skor dari semua kandidat. Kandidat yang memiliki skor paling tinggi akan menjadi hasil pengenalan. Pemberian skor akan dilakukan untuk setiap stroke. Kandidat yang kodenya lebih mirip dengan kode, akan mendapatkan skor yang lebih besar. Hal ini dikarenakan proses ini melibatkan arah gerak, maka skor yang diberikan bergantung pada kode/ arah geraknya.
Perancangan Sistem
Dalam penelitian ini dibangun sistem pengenalan dengan ekstraksi fitur tekstur menggunakan metode Dominant Point dengan proses pencocokan menggunakan metode Fine Classification. Pada dasarnya sistem ini terbagi menjadi 2 sub, yaitu proses pelatihan (data training) dan proses pengujian (data testing).
Proses pertama dilakukan adalah pengambilan data dengan menggunakan media yang telah dirancang dalam sistem dengan bantuan mouse pen. Data masukan berupa tanda tangan real time menggunakan goresan dari mouse pen. Citra yang diperoleh dari perangkat masukan tersebut kemudian melalui tahapan preprosessing yaitunormalisasi dan pengecekan area, kemudian melalui tahapan Ekstraksi Fitur untuk mendapatkan kode stroke dari citra masukan. Pada proses ini menggunakan Dominant Point. Klasifikasi hasil dari data matrik kemudian diklasifikasikan menggunakan Fine
129
Classification. Hasil dari proses sistem ini tanda tangan yang dimasukkan oleh pengguna, dikenali oleh sistem atau tidak.
Proses-proses tersebut dilakukan baik pada data pelatihan dan data testing maupun pada proses pembuatan database. Kemudian dilakukan proses pencocokan citra antara data testing dengan citra yang ada dalam database menggunakan metode pencarian nilai jarak yaitu Fine Classification Proses ini bertujuan untuk mencari citra yang mirip dengan citra yang tersimpan dalam database.
Pada proses Dominant Point, seperti dijelaskan pada Gambar 6, langkah pertama setelah pengguna menggoreskan tanda tangan, kemudian menentukan titik awal dan titik akhir stroke, local extrema, dan titik tengah yang menghubungkan kedua jenis tersebut yang berurutan.
Mulai
Selesai Menentukan Titik awal dan
titik akhir
Menentukan titik tengah Menentukan Local Extrema
Dominant Point
Gambar 6. Flowchart Umum Dominant Point
Pada proses klasifikasi, data yang dimasukkan terlebih dahulu melalui tahap ekstraksi fitur, kemudian diproses candidate selection. Pada proses ini, nilai yang didapat disimpan untuk kemudian di skorkan untuk proses klasifikasi seperti pada Gambar7. Hasil akhir dari proses klasifikasi adalah tanda tangan yang dimasukkan oleh pengguna, dikenali atau tidak beserta skor kandidatnya.
Selesai Mulai Candidate Selection Fine Clasification Hasil dikenali beserta Score