vii
ABSTRAK
Tanda tangan digunakan oleh masyarakat dalam pembuktian identitas di kehidupan sehari – hari, seperti dalam bidang kesehatan, pendidikan, perbankan, usaha, dan bidang lainnya. Tanda tangan dicek dengan cara membandingkan tanda tangan dengan tanda tangan asli yang disebut dengan pengecekan manual. Pengecekan tanda tangan dapat dibantu dengan mengembangkan sebuah sistem yang dapat digunakan dalam mengenali pola tanda tangan. Sistem dibangun menggunakan jaringan saraf tiruan tanpa supervisi dengan metode Kohonen dan Adaptive Resonance Theory 1 (ART1). Dalam menggunakan metode Kohonen dan ART1, pola tanda tangan dilatih dengan cara mengelompokkan pola kedalam beberapa kelompok. Citra asli terlebih dahulu diolah melalui proses binerisasi, thinning, pemotongan dan ekstraksi fitur. Hasil dari proses pengolahan citra adalah masukan yang digunakan dalam pelatihan dan pengujian jaringan saraf tiruan menggunakan metode Kohonen dan ART1. Waktu pelatihan metode Kohonen selama 68.0842 detik sedangkan waktu pelatihan metode ART1 selama 6.83757 detik. Metode Kohonen dan ART1 dapat mengenali citra yang telah dilatih dengan ketepatan 100%. Sedangkan untuk citra yang tidak dilatih, persentase akurasi dari metode Kohonen sebesar 63.75% dengan rata – rata waktu pengujian adalah 0.000319295 detik dan persentase akurasi dari metode ART1 sebesar 47.5% dengan rata
– rata waktu pengujian adalah 0.000410643 detik. Dari hasil tersebut didapatkan kesimpulan bahwa metode Kohonen lebih cepat dan tepat dalam mengenali pola tanda tangan dibandingkan dengan metode ART1.
Kata kunci : Jaringan Saraf Tiruan, Kohonen, Adaptive Resonance Theory 1 (ART1).
viii
IMPLEMENTATION AND COMPARISON OF SIGNATURE PATTERN RECOGNITION USING KOHONEN METHOD AND ADAPTIVE
RESONANCE THEORY (ART) METHOD
ABSTRACT
Signature is used by society to prove identity in daily life, such as health, education, banking, business, and other fields. Signature is checked by comparing the signature with the original signature called manual checking. Checking the signature can be helped by developing a system that can be used to recognize signature pattern. The system was built using unsupervised neural network with Kohonen method and Adaptive Resonance Theory 1 (ART1). Using Kohonen and ART1 method, signature pattern is trained by classifying the pattern into several groups. The original image must first be processed through binarization, thinning, cropping and extraction features. The result of the image processing is input that is used in neural network training and testing using Kohonen and ART1 method. Training time for Kohonen method is 68.0842 seconds while training time for ART1 method is 6.83757 seconds. Kohonen and ART1 method can recognize images that have been trained with 100% accuracy. As for the image that is not trained, the percentage of accuracy of the Kohonen method is 63.75% with the average of recognition time is 0.000319295 seconds and the percentage of accuracy of the ART1 method is 47.5% with the average of recognition time is 0.000410643 seconds. From these results, it is concluded that the Kohonen method is faster and more accurate than the ART1 method at recognizing signature pattern.
Keywords : Neural Network, Kohonen, Adaptive Resonance Theory 1 (ART1).
