DETAIL KOLEKSI

Metode lvq dalam pengembangan sistem identifikasi keaslian tanda tangan digital

1.0


Oleh : Ahmad Khodirin

Info Katalog

Nomor Panggil : 064001400003

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2022

Pembimbing 1 : Dian Pratiwi

Pembimbing 2 : Gatot Budi Santoso

Subyek : Biometric characteristic;Valid identifier

Kata Kunci : signature, canny edge detection, learning vector quantization.

Status Posting : Published

Status : Lengkap


File Repositori
No. Nama File Hal. Link
1. 2022_TA_SIF_064001400003_Halaman-Judul.pdf 18
2. 2022_TA_SIF_064001400003_Lembar-Pengesahan.pdf 3
3. 2022_TA_SIF_064001400003_Bab-1_Pendahuluan.pdf 2
4. 2022_TA_SIF_064001400003_Bab-2_Tinjauan-Pustaka.pdf 10
5. 2022_TA_SIF_064001400003_Bab-3_Metodologi-Penelitian.pdf 40
6. 2022_TA_SIF_064001400003_Bab-4_Analisis-Dan-Pembahasan.pdf 20
7. 2022_TA_SIF_064001400003_Bab-5_Kesimpulan.pdf 2
8. 2022_TA_SIF_064001400003_Daftar-Pustaka.pdf 1

T Tanda tangan adalah sebuah ciri biometrik penting dari masing masing individu, yang dapat digunakan sebagai pengenal pada seseorang. Penggunaan tanda tangan ialah cara yang alami dan tradisional untuk tanda pengenal yang sah. Dalam melakukan identifikasi untuk memastikan bahwa tanda tangan rekayasa atau palsu memerlukan beberapa tahapan, karena disebabkan banyaknya jenis atau variasi terhadap tanda tangan seseoang. Pada beberapa waktu belakang melakukan validasi tanda tangan ialah dengan menggunakan mata telanjang atau membandingkan dua tanda tangan secara langsung, metode tersebut memiliki banyak kekurangan dan kelemahan. Maka dengan semakin majunya perkembangan zaman dengan didukung oleh teknologi yang semakin canggih peneliti menggunakan metode Canny Edge Detection dan Learning Vector Quantization dengan perbandingan perhitungan vektor. Penelitian ini bertujuan untuk mengembangkan program yang dapat mengenali paslu atau aslinya tanda tangan, sistem dilatih dengan mamasukan beberapa citra hasil pindai tanda tangan, proses identifikasi menggunakan metode Canny Edge Detection bertujuan menyederhanakan variabel yang diamati dengan cara menyusutkan dimensi citra tanda tangan, dan proses verifikasi dilakukan dengan metode Learning Vector Quantization dengan mencocokan data latih dengan data uji maka akan menghasilkan tanda tangan asli atau pun yang sudah diakuisisi.

S Signature is an important biometric characteristic of each individual, which can be used as an identifier for someone. The use of a signature is a natural and traditional way of valid identification. In carrying out the identification to ensure that the signature is engineered or fake requires several stages, due to the many types or variations of someone's signature. In recent times, validating signatures is by using the naked eye or directly comparing two signatures, this method has many shortcomings and weaknesses. So, with the advancement of the times, supported by increasingly sophisticated technology, researchers use the Canny Edge Detection and Learning Vector Quantization methods with a comparison of vector calculations. This study aims to develop a program that can recognize fake or original signatures, the system is trained by entering several scanned images of signatures, the identification process using the Canny Edge Detection method aims to simplify the observed variables by shrinking the dimensions of the signature images, and the verification process is carried out with the Learning Vector Quantization method by matching training data with test data it will produce an original signature or even one that has been acquired.

Bagaimana Anda menilai Koleksi ini ?