PERANCANGAN APLIKASI ANDROID IDENTIFIKASI TANDA TANGAN MENGGUNAKAN MULTI LAYER PERCEPTRON

Gagas Novandra
Muhammad Zidny Naf’an
Tri Ginanjar Laksana


DOI: https://doi.org/10.29100/jipi.v3i1.660

Abstract


Sering terjadinya suatu kasus pemalsuan tanda tangan disebabkan karena metode yang digunakan untuk mengidentifikasi tanda tangan masih kurang baik dan tidak akurat. Hal ini dikarenakan identifikasi tanda tangan kebanyakan masih dilakukan dengan cara melihat langsung tanda tangan, beserta nama pemilik tanda tangan yang tercantum di bagian bawah tanda tangan pada sebuah dokumen. Mengidentifikasi tanda tangan dengan cara manual tentu memiliki banyak kelemahan seperti ketelitian dan ketepatan saat identifikasi yang kurang absah, sehingga pemalsuan tanda tangan sangat mungkin terjadi. Penelitian ini menggunakan metode Artificial Neural Network yang akan diterapkan pada aplikasi identifikasi tanda tangan. Neural Network merupakan metode yang dapat mendeteksi pola rumit dan tidak mengikuti seragkaian instruksi yang diberikan peneliti. Namun metode ini mampu belajar dengan sendirinya saat menghadapi permasalahan. Metode ini memiliki kelebihan yaitu kemampuan untuk memodelkan fungsi linear, komputasi paralel, dan mempunyai sifat mentolerir kesalahan (fault tolerance). Penelitian ini diharapkan dapat membantu suatu lembaga, baik itu lembaga pemerintahan maupun lembaga swasta dalam mengidentifikasi pemilik dari suatu tanda tangan yang ada pada dokumen-dokumen penting seperti dokumen pencairan dana dan dokumen surat-menyurat. Sehingga kasus pemalsuan tanda tangan dapat diminimalisir. Selain hal tersebut dalam penelitian ini juga diharapkan agar nantinya sistem identifikasi tanda tangan dapat diterapkan pada suatu lembaga atau instansi.


Full Text:

PDF

Article Metrics :

References


T. Handhayani, A. R. Yohannis, and L. Hiryanto, “Pengembangan Aplikasi Identifikasi Biometrik Bebrbasis Perangkat Mobile untuk Alternatif Sistem Keamanan Digital,” 2016.

V. Iranmanesh et al., “Online handwritten signature verification using neural network classifier based on principal component analysis.,” ScientificWorldJournal., vol. 2014, p. 381469, 2014.

A. A. K. O. Sudana, “Sistem verifikasi citra tandatangan dengan metode pola busur terlokalisasi,” Maj. Ilm. Teknol. Elektro, vol. 5, no. 2, 2006.

A. Bansal, B. Gupta, G. Khandelwal, and S. Chakraverty, “Offline Signature Verification Using Critical Region Matching,” Int. J. Signal Process. Image Process. Pattern, vol. 2, no. 1, pp. 57–70, 2009.

M. Bhatia, “Off-Line Hand Written Signature Verification,” Int. J. Appl. or Innov. Eng. Manag., vol. 2, no. 5, pp. 108–116, 2013.

L. Fausett, Fundamentals of Neural Networks, no. 1. Prentice-Hall, 1994.

A. S. Shah, M. Shah, M. Fayaz, and F. Wahid, “Forensic Analysis of Offline Signatures Using Multilayer Perceptron and Random Forest,” Int. J. Database Theory Appl., vol. 10, no. 1, pp. 139–148, 2017.

K. S. Khabiya, S. S. Sonawane, L. V Sonawane, and T. S. Sali, “Online Signature Verification System using DRT , DCT and K-NN Classifier,” IJIRST -International J. Innov. Res. Sci. Technol., vol. 3, no. 1, pp. 22–27, 2016.