PENGENALAN POLA CITRA PADA TANDA TANGAN MENGGUNAKAN MODEL LEARNING VECTOR QUANTIZATION

AHMAD SIROJUDDIN, (2018) PENGENALAN POLA CITRA PADA TANDA TANGAN MENGGUNAKAN MODEL LEARNING VECTOR QUANTIZATION. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER_2018485TIF.pdf

Download (402kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018485TIF.pdf

Download (475kB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018485TIF.pdf

Download (301kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018485TIF.pdf

Download (297kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018485TIF.pdf

Download (365kB) | Preview
[img]
Preview
Text
6. BAB I_2018485TIF.pdf

Download (1MB) | Preview
[img]
Preview
Text
7. BAB II_2018485TIF.pdf

Download (6MB) | Preview
[img]
Preview
Text
8. BAB III_2018485TIF.pdf

Download (963kB) | Preview
[img] Text
9. BAB IV_2018485TIF.pdf
Restricted to Repository staff only

Download (2MB)
[img] Text
10. BAB V_2018485TIF.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
11. BAB VI_2018485TIF.pdf

Download (234kB) | Preview
[img]
Preview
Text
12. DAFTAR PUSTAKA_2018485TIF.pdf

Download (218kB) | Preview

Abstract

Tanda tangan merupakan sebuah bentuk khusus dan mengandung karakter tersendiri yang dimiliki oleh seseorang untuk bukti identitas. Tanda tangan dalam menandakan bukti asli dari seseorang untuk keperluan agar tidak terjadi penipuan untuk menandakan validasi sesuai dengan permaslahan dari pihak yang tidak bertanggung jawab. Jaringan saraf tiruan merupakan model terpenting untuk pengenalan pola salah satu metodenya menggunakan Learning Vector Quantization (LVQ) dengan menggunakan metode deteksi tepi menggunakan Operator sobel. Operator sobel adalah teknik Featur Extractionk Kelebihan dari operator sobel adalah mengurangi noise untuk memperoleh matriknya. Pada penelitian ini digunakan dengan 50 data yang data tersebut diambil dari 5 orang. Data tersebut akan dibagi menjadi 90 data latih dan 10 data uji, 70 data latih dan 30 data uji dan 50 data latih 50 data uji. Pengujian dilakukkan berdasarkan penambahan jumlah data dapat meningkatkan akurasinya berdasarkan jumlah epoch yang di hasilkan. Berdasarkan pengujian pada 50 citra data sampel terhadap hasil implementasi dan pengujian yang dibangun memiliki tingkat akurasi sebesar 60% dengan perbandingan data latih dan data uji yaitu 90:10 dengan nila ax = 0.001. Kata Kunci: Jaringan Syaraf Tiruan, Learning Rate dan Learning Vector Qantization, Pengenalan Tanda Tangan.

Item Type: Thesis (Skripsi)
Subjects: 300 Ilmu Sosial > 370 Pendidikan
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Ms. Nilam Badriyah
Date Deposited: 03 Jul 2019 03:47
Last Modified: 03 Jul 2019 03:47
URI: http://repository.uin-suska.ac.id/id/eprint/14832

Actions (login required)

View Item View Item