IDENTIFIKASI CITRA TANDA TANGAN BERDASARKAN GRID ENTROPY DAN PCA MENGGUNAKAN MULTI LAYER PERCEPTRON

Abstract

Tanda tangan merupakan tanda yang bertujuan sebagai lambang dari nama seseorang yang dituliskan menggunakan tangan orang itu sendiri sebagai penanda pribadi. Penggunaan tanda tangan tidak luput dalam kehidupan sehari-hari, penting untuk mengenal bentuk tanda tangan seseorang untuk melakukan verifikasi apakah tnada tangan tersebut milik orang yang bersangkutan atau orang lain. Pada penelitian ini penulis membuat penelitian mengenai identifikasi tanda tangan dengan menggunakan Grid Entropy dan Principal Component Analysis sebagai ekstraksi ciri. Model pembelajaran dataset menggunakan Multi Layer Perceptron dan Cross Validation menggunakan nilai parameter yang berbeda pada hidden layer dan node dalam Multi Layer Perceptron. Hasil pengujian terbaik didapatkan dari pembelajaran dataset menggunakan 2 hidden layer dengan node sebanyak 40 node di setiap hidden layer, dari skenario tersebut didapatkan akurasi sebesar 87,22%.