Identifikasi Tanda Tangan Dengan Menggunakan Metode Convolution Neural Network (CNN)
DOI:
https://doi.org/10.32664/j-intech.v12i1.1273Kata Kunci:
citra, convolutional network, identifikasi, tanda tanganAbstrak
Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model Convolutional Neural Network (CNN) dalam identifikasi tanda tangan. Metode CNN dipilih karena kemampuannya dalam mengekstraksi dan menganalisis fitur-fitur visual kompleks dari gambar tanda tangan. Data yang digunakan dalam penelitian ini terdiri dari kumpulan gambar tanda tangan yang dibagi menjadi set pelatihan dan pengujian. Model CNN yang diusulkan terdiri dari beberapa lapisan konvolusi, pooling, dan fully connected yang dioptimalkan untuk tugas klasifikasi. Hasil evaluasi menunjukkan bahwa model CNN mencapai kinerja yang sangat baik dengan akurasi sebesar 0.97, yang menunjukkan tingkat akurasi dan ketepatan yang tinggi dalam pengenalan tanda tangan. Dengan hasil ini, CNN terbukti sebagai metode yang efektif dan andal untuk identifikasi tanda tangan, memberikan kontribusi signifikan dalam bidang verifikasi identitas berbasis biometrik. Temuan ini membuka peluang untuk aplikasi lebih lanjut dalam sistem keamanan dan autentikasi yang membutuhkan pengenalan tanda tangan otomatis.
Referensi
Anggraeni, Rully, and Ega Pertiwi. 2022. “Sistem Informasi Berbasis Web Untuk Pelaporan Kriminalitas Dan Monitoring Kinerja Pada Seluruh Polsek Di Wilayah Kabupaten Madiun A Web-Based Criminality And Office Performance Monitoring System At Police Stations Of Madiun Regency.†J-Intech 10(1):37–46.
Husna, Lenny, and Sestri Novia Rizki. 2023. “Pemanfaatan JST Pengenalan Keaslian Pola Tanda Tangan Untuk Pencegahan Tindakan Pemalsuan Tanda Tangan.†Jurnal Teknik Informa Tika Unika 08(01):2657–1501.
Issue, Volume, Copyright Lamlaj, Akibat Pemalsuan, and Tanda Tangan. 2018. “LamLaj.†3(2):119–28.
Jannah, Raudlatul, Miftahul Walid, and Hoiriyah Hoiriyah. 2022. “Sistem Pengenalan Citra Dokumen Tanda Tangan Menggunakan Metode CNN (Convolutional Neural Network).†Energy - Jurnal Ilmiah Ilmu-Ilmu Teknik 12(2):1–8. doi: 10.51747/energy.v12i2.1116.
Kasim, Nanang, and Gibran Satya Nugraha. 2021. “Pengenalan Pola Tulisan Tangan Aksara Arab Menggunakan Metode Convolution Neural Network.†Jurnal Teknologi Informasi, Komputer, Dan Aplikasinya (JTIKA ) 3(1):85–95. doi: 10.29303/jtika.v3i1.136.
Lubis, Adi Utama Pandapotan. 2020. “Analisis Yuridis Pertanggungjawaban Notaris Terhadap Pemalsuan Tanda Tangan Oleh Penghadap Dalam Akta Autentik.†Jurnal SOMASI (Sosial Humaniora Komunikasi) 1(1):116–28. doi: 10.53695/js.v1i1.36.
Lubis, Juanda Hakim. 2018. “Analisa Tanda Tangan Digital Menggunakan Hebbian Learning Dan Support Vector Machine.†JTIK (Jurnal Teknik Informatika Kaputama) 2(2):1–8. doi: 10.59697/jtik.v2i2.654.
Mawaddah, Udkhiati, Hendrawan Armanto, and Endang Setyati. 2021. “Prediksi Karakteristik Personal Menggunakan Analisis Tanda Tangan Dengan Mengggunakan Metode Convolutional Neural Network (Cnn).†Antivirus : Jurnal Ilmiah Teknik Informatika 15(1):123–33. doi: 10.35457/antivirus.v15i1.1526.
Nugroho, Pulung Adi, Indah Fenriana, and Rudy Arijanto. 2020. “Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) Pada Ekspresi Manusia.†Algor 2(1):12–21.
Rukmana, Rubiyanti, Nandita Dwi Savitri, and Yuliana Adelvina Padha. 2021. “Peran Notaris Dalam Transaksi Perdagangan Berbasis Elektronik.†Jurnal Komunikasi Hukum (JKH) 7(1):495. doi: 10.23887/jkh.v7i1.32324.
Saputra, M. Billy, S. H. Mh, Program Studi, Magister Kenotariatan, Program Pascasarjana, and Universitas Jayabaya. 2022. “Pertanggung Jawaban Ppat Sehubungan Dengan.†1(11):2431–44.
Sari, Amy Kartika, and Koko Wahyu Prasetyo. 2019. “Sistem Informasi Administrasi Perkara Hukum Perdata Pada Kantor Advokat (Studi Kasus : Buyung & Partners).†J-Intech 7(02):115–19. doi: 10.32664/j-intech.v7i02.437.
Simanjuntak, Sondang Irene, and Mohamad Fajri Mekka Putra. 2022. “Akibat Hukum Terhadap Pemalsuan Tanda Tangan Yang Dilakukan Karyawan Notaris Tanpa Sepengetahuan Notaris Yang Mempekerjakannya.†Jurnal Komunikasi Hukum (JKH) 8(1):67–80. doi: 10.23887/jkh.v8i1.43874.
Suartika E. P, I Wayan, Wijaya Arya Yudhi, Soelaiman Rully. 2016. “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) Pada Caltech 101.†Jurnal Teknik ITS 5(1):76.
Turmudzi, Muhammad, and Endang Setyati. 2021. “Identifikasi Penulis Berdasarkan Pola Tulisan Tangan Menggunakan Convolutional Autoencoder Dan KNN.†JEECOM Journal of Electrical Engineering and Computer 3(1):8–13. doi: 10.33650/jeecom.v3i1.1548.
Umam, Chaerul, and Lekso Budi Handoko. 2020. “Convolutional Neural Network (CNN) Untuk Identifkasi Karakter Hiragana.†Prosiding Seminar Nasional Lppm Ump 0(0):527–33.
Wita, Deviana Sely, and Dewi Yanti Liliana. 2022. “Klasifikasi Identitas Dengan Citra Telapak Tangan Menggunakan Convolutional Neural Network (CNN).†Jurnal Rekayasa Teknologi Informasi (JURTI) 6(1):1. doi: 10.30872/jurti.v6i1.7100.