Aplikasi sistem pengenalan tulisan tangan digital dengan menggunakan metode hasil kali dalam untuk menanggulangi kejahatan pemalsuan dokumen : tahun ke 2 dari rencana 2 tahun
S Semakin banyaknya penggunaan tulisan tangan sebagai satu cara untuk otentifikasi dan otorisasi pengaksesan akun atau media tertentu, dibutuhkan suatu kemajuan teknologi dalam hal keamanan tulisan tangan. Penelitian ini dilakukan bertujuan untuk mengidentifikasi karakteristik pemilik dari tulisan tangan, sehingga tulisan tangan dapat dikenali dan mampu mencegah terjadinya pemalsuan tulisan tangan melalui 2 metode, yaitu inner prduct dan cosine. Kedua metode tersebut akan dibandingkan tingkat akurasinya dalam mengenali ciri khas dan pemilik dari tulisan tangan yang diuji. Tahapan yang dilakukan terdiri dari digitasi ke 100 dokumen tulisan tangan, pre processing berupa konversi warna dan thresholding, lalu tahap gridding, feature extraction, lalu pattern recognition melalui inner product dan cosine. Dari hasil pengujian yang terdiri atas 60 data pelatihan (database) dan 40 data pengujian melalui metode cosine, 6 data salah dikenali, 10 data tidak diketahui pemilik tulisan tangan, dan 210 data berhasil dengan benar dikenali pemilik tulisan tangannya, sehingga akurasi yang di dapat hanya sebesar 52,5%. Secara keseluruhan dari penelitian ini dapat disimpulkan, penggunaan metode cosinus dan inner product dalam mengidentifikasi pemilik tulisan tangan dapat menghasilkan akurasi yang cukup baik, dimana nilai akurasi inner product masih lebih tinggi dibandingkan dengan cosinus.
T The increased use of handwriting as a means for authentication and authorization access account or a specific media, it takes a technological advancement in terms of security handwriting. Research aimed to identify the characteristics of the owner of handwriting, so that handwriting can be recognized and able to prevent the handwriting forgery through two methods, namely inner prduct and cosine. Both methods will be compared to the level of accuracy in recognizing the characteristics and the owner of the handwriting test. Steps being taken to 100 consists of digitized handwritten documents, pre-processing such as color conversion and thresholding, and gridding stage, feature extraction and pattern recognition through the inner product and cosine. From the test results comprising 60 training data (database) and 40 test data through methods cosine, 6 Data misidentified, 10 unknown data owner\'s handwriting, and 210 data has correctly identified the owner of the handwriting, so that accuracy in can only by 52.5%. Overall it can be concluded from this study, the use of cosine and inner product method of identifying the owner of handwriting can produce fairly good accuracy, where the accuracy of the inner product value is still higher than the cosine.