Implementasi Support Vector Machine Berdasarkan Ciri Histogram of Oriented Gradients Untuk Verifikasi Citra Tanda Tangan Berbasis Raspberry Pi

##plugins.themes.bootstrap3.article.main##

Mohammad Lutfi Zulfikri Hurriyatul Fitriyah Wijaya Kurniawan

Abstrak

Tanda tangan merupakan atribut personal yang telah lama diterima secara luas sebagai alat untuk verifikasi dari indentitas seseorang. Namun tanda tangan juga mudah dipalsukan untuk disalahgunakan. Untuk menghindari hal tersebut, maka dibuatlah sistem untuk dapat melakukan verifikasi tanda tangan. Sistem ini memakai citra tanda tangan yang ditangkap kamera sebagai input yang dipicu oleh push button, Raspberry Pi sebagai unit pemroses citra digital, dan LCD 16x2 sebagai output sistem. Penelitian ini menggunakan feature descriptor Histogram of Oriented Gradients (HOG) dengan didahului preprocessing citra. Output dari metode HOG merupakan feature vector yang merepresentasikan ciri tanda tangan pada citra, feature vector ini yang nantinya akan akan diklasifikasikan dengan Support Vector Machine (SVM) classifier untuk dilakukan pelatihan data dan prediksi data. Terdapat dua bagian utama software sistem, yaitu bagian data training untuk pelatihan data citra dan membangun fungsi pemisah, dan bagian data testing untuk verifikasi tanda tangan berdasarkan hasil prediksi SVM classifier. Hasil implementasi didapat bahwa sistem dapat memverifikasi tanda tangan dengan akurasi sebesar 87,33%. Rata-rata sistem membutuhkan 1,45 detik untuk melatih data pada setiap nama penanda tangan dan untuk proses verifikasi rata-rata sistem membutuhkan waktu 0,238 detik untuk tanda tangan asli dan 0,242 detik untuk tanda tangan palsu.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Zulfikri, M., Fitriyah, H., & Kurniawan, W. Implementasi Support Vector Machine Berdasarkan Ciri Histogram of Oriented Gradients Untuk Verifikasi Citra Tanda Tangan Berbasis Raspberry Pi. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, p. 3039-3046, jan. 2019. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4865>. Tanggal Akses: 21 sep. 2019
Bagian
Artikel