PERBANDINGAN VERIFIKASI TANDA TANGAN DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION DAN SUPPORT VECTOR MACHINE

Barry Caesar Oktariyadi, Drs. Agus Harjoko, M.Sc., Ph.D

2014 | Tesis | S2 Ilmu Komputer

Tanda-tangan merupakan fitur biometrik yang dapat digunakan untuk memverifikasi identitas seseorang. Penelitian ini menyajikan implementasi verifikasi Tanda Tangan dengan Menggunakan Jaringan Saraf Tiruan Backpropagation dan dibandingkan dengan Support Vector Machine pada 100 contoh tanda-tangan. Menggunakan ekstraksi ciri vertical splitting, horizontal splitting untuk mendapatkan nilai sudut dan nilai jarak sebagai ciri dari tanda tangan yang selanjutnya akan di proses. Klasifikasi Jaringan saraf tiruan dengan metode pembelajaran jaringan saraf tiruan Backpropagation (JST-BP) dan Support Vector Machine (SVM). Jaringan saraf tiruan dengan metode pembelajaran Backpropagation yang digunakan terdiri dari 100 input nodes, 3 hidden layer dan 2 output nodes, fungsi pembelajarannya menggunakan resilient backpropagasi. Support Vector Machine (SVM) yang diterapkan menggunakan metode satu lawan satu. JST-BP memiliki akurasi dalam memverifikasi sebesar 98.5% sedangkan SVM memiliki akurasi dalam mengverifikasi sebesar 94.5%. Pada tanda-tangan Traced, JST dengan metode backpropagation masih dapat memverifikasi dengan akurasi 82%, sedangkan untuk SVM tanda-tangan baru tidak bisa diverifikasi dengan akurasi 48%. Waktu yang dibutuhkan JST dengan metode Backpropagation untuk proses pembelajaran lebih cepat bila dibandingkan dengan SVM.

Signature represents biometric feature useful to verify individual’s identity. The study presents the implementation of the signature identification with Support Vector Machine and compared with neural network backpropagation of 100 signature samples. Feature extraction using vertical splitting and horizontal splitting to get the value of the angle and distance as the characteristic value of the signature which would then be in the process. Artificial neural network classification methods Backpropagation earning Neural Network (ANN-BP) and support vector machine (SVM). The Artificial Neural Network with Backpropagation learning method consists of 100 input nodes, 3 hidden layer and 2 output nodes, while its learning function uses resilient backpropagation. Support Vector Machine (SVM) is implemented using one-againt-one method. ANN-BP has an accuracy in the verification of 98.5%, while SVM 94.5% for Traced signatures, ANN with back propagation method is able to verify with the accuracy of 82%, while for the new SVM signatures could not be verified with an accuracy of 43%. The JST with the backpropagation method is faster for the learning process than the SVM.

Kata Kunci : Tanda-tangan, Jaringan Saraf Tiruan Backpropagation, Support Vector Machine.