PENGENALAN CITRA TANDA TANGAN DENGAN METODE LEARNING VECTOR QUANTIZATION

Fibriyani, Evi (2017) PENGENALAN CITRA TANDA TANGAN DENGAN METODE LEARNING VECTOR QUANTIZATION. Skripsi thesis, Universitas Mercu Buana Yogyakarta.

[img]
Preview
Text
ABSTRAK.pdf

Download (7kB) | Preview
[img]
Preview
Text
BAB 1.pdf

Download (198kB) | Preview
[img] Text
BAB 2.pdf
Restricted to Repository staff only

Download (312kB)
[img] Text
BAB 3.pdf
Restricted to Repository staff only

Download (556kB)
[img] Text
BAB 4.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
BAB 5.pdf

Download (7kB) | Preview
[img] Text
COVER DAN LAMPIRAN.pdf
Restricted to Repository staff only

Download (3MB)
[img] Text
SKRIPSI FULL TEXT.pdf
Restricted to Repository staff only

Download (5MB)

Abstract

Tanda tangan merupakan salah satu ciri dari setiap orang. Tanda tangan banyak digunakan sebagai syarat untuk mengesahkan dokumen-dokumen legal. Hal ini menjadi suatu masalah jika adanya ketidak cocokan dari tanda tangan seseorang. Untuk membantu dalam pencocokan tanda tangan, maka dibuatlah sistem untuk membantu proses dengan sistim komputerisasi. Skripsi ini membahas tentang bagaimana sebuah perangkat lunak mengidentifikasi citra pola tanda tangan menggunakan metode Learning Vector Quantization. Dengan ciri yang diambil dari tanda tangan yaitu jarak terjauh diagonal, jarak terjauh sejajar garis vertikal dan jarak terjauh sejajar garis horizontal dihitung dari titik pusat masing-masing blok. Sehingga terdapat 48 ciri pada setiap citra tanda tangan seseorang. Pengujian dilakukan terhadap 10 data tulisan tangan dengan image inputan berformat *.png. Feature vector pengujian kemudian dilakukan klasifikasi dalam 10 kelas yaitu: jika masuk kelas 1 untuk jenis tanda tangan Agus, kelas 2 untuk jenis tanda tangan Asna, kelas 3 untuk jenis tanda tangan Atik, kelas 4 untuk jenis tanda tangan Didik, kelas 5 untuk jenis tanda tangan Evi, kelas 6 untuk jenis tanda tangan Langen, kelas 7 untuk jenis tanda tangan Lia, kelas 8 untuk jenis tanda tangan Sulis, kelas 9 untuk jenis tanda tangan Veri, kelas 10 untuk jenis tanda tangan Yuni. Dari 50 data dapat diidentifikasi dengan benar sebanyak 38 data. Hasil identifikasi dengan metode Learning Vector Quantization adalah 82% dapat menentukan dentifikasi pola citra tanda tangan. Kata kunci : Tanda Tangan, Learning Vector Quantization, Jarak, Featur vector

Item Type: Thesis (Skripsi)
Additional Information/ Lokasi Hardcopy: Indah Susilawati, ST., M.Eng.
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Program Studi Teknik Informatika
Depositing User: Teknik Informatika UMBY
Date Deposited: 10 Feb 2018 04:50
Last Modified: 19 Aug 2022 03:52
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/1657

Actions (login required)

View Item View Item