"( BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan (signature) adalah sebuah tanda (sign) atau symbol yang merupakan versi miniatur dari pemiliknya. Tanda tangan bukanlah sembarang tanda atau symbol, tetapi merupakan symbol yang secara legal dan merupakan gambaran asli dari pemiliknya. Dalam kehidupan sehari-hari, tanda tangan digunakan sebagai verifikasi dari pemiliknya dan keberadaan tanda tangan dalam sebuah dokumen menyatakan bahwa pihak yang menandatangani, mengetahui dan menyetujui atau pengesahan seluruh isi dari dokumen. Pembubuhan tanda tangan sering dijumpai pada kegiatan administrasi instansi Pemerintahan maupun swasta, seperti pada perbankan yaitu: transaksi penarikan uang secara tunai, penyetoran, kliring giro dan transaksi perbankan lainnya. Pada saat mengenali sesuatu tanda tangan secara visual memang cukup mudah untuk melakukanya, tetapi jika ada banyak dokumen yang di validasi berdasarkan tanda tangan pihak yang berwenang maka hal ini akan membutuhkan waktu yang lebih banyak dan apabila dilakukan hanya satu orang, ini cukup membinggungkan karena harus mencocokan setiap tanda tangan pada arsip yang satu dengan yang lainnya. Selain itu, hal ini juga cukup melelahkan dalam melihat suatu objek yang kecil secara detail dan teliti. Hal ini menarik perhatian peneliti untuk melakukan penelitian yang akan membuat suatu aplikasi verifikasi tanda tangan yang dapat dilakukan dengan menggunakan komputer, sehingga akan menghemat waktu jika dibandingkan dengan dilakukan secara manual. Untuk melakukan verifikasi tanda tangan seseorang dengan komputer, diperlukan suatu model yang tepat agar hasil pengenalanya bisa akurat. Pola tanda tangan seseorang sama halnya dengan pola sidik jari atau pola yang lainnya, memiliki karakteristik-karakteristik tersendiri yang dapat membedakan antara pola yang satu dan pola yang lainnya. Dengan mengetahui karakteristik- 17
") karateristik unik ini penelitian membuat sistem verifikasi tanda tangan dengan menggunakan Jaringan Saraf Tiruan Backpropagation (JST-BP). Backpropagation merupakan algoritma umum dari jaringan saraf tiruan. Pada proses pembelajaran algoritma Backpropagation termasuk kategori metode supervised learning. Metode pelatihan menggunakan algoritma ini dapat menghasilkan keseimbangan antara kemampuaan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan memberikan respon yang benar terhadap pola masukan serupa namun tidak sama dengan pola yang dipakai selama pelatihan. Dengan jaringan saraf tiruan (JST) Bacpropagation ini, beberapa contoh tanda tangan akan diberikan untuk dilakukan proses pembelajaran atau pelatihan (trainning) agar nantinya JST ini dapat melakukan proses pengenalan ketika menerima input tanda tangan yang akan diuji (testing). 1.2 Perumusan Masalah Dari latar belakang yang dijelaskan diatas, maka rumusan masalah dalam penelitian ini adalah sebagai berikut : 1. Bagaimana melakukan verifikasi tanda tangan dengan menggunakan metode Jaringan Saraf Tiruan Backpropagation (JST-BP) dan dibandingkan hasil akurasi dengan Support Vector Machine (SVM)? 2. Bagaimana melakukan ekstraksi ciri pada citra tanda tangan? 1.3 Batasan Masalah Batasan masalah dalam penelitian ini antara lain : 1. Data input adalah berupa Image tanda tangan manual bertipe bitmap (bmp) dan jpeg (jpg). Proses input tanda tangan manual (handwriting signature) berupa image. 2. Data Input format ukuran file image dari tanda tangan diambil 300x100 pixel. 3. Citra tanda tangan yang digunakan pada penelitian ini diambil 100 responden melakukan 3 kali tanda tangan.
"* 1.4 Tujuan Penelitian 1. Tujuan Penelitian Melakukan verifikasi tanda tangan dengan menggunakan klasifikasi Jaringan Saraf Tiruan Backpropagation (JST-BP) dan Support Vector Machine (SVM). Melakukan perbandingan verifikasi tanda tangan menggunakan klasifikasi Jaringan Saraf Tiruan Backpropagation (JST-BP) dan Support Vector Machine (SVM). 2. Manfaat Penelitian Manfaat dari penelitian ini adalah dapat verifikasi tanda tangan seseorang untuk mengetahui keakurasian tanda tangan seseorang. Memudahkan dalam mendeteksi sebuah tanda tangan apakah Genuine (asli) atau Traced (palsu). 1.5 Keaslian Penelitian Saat ini telah dilakukan penelitian tentang verifikasi tanda tangan. Penelitian-penelitian tersebut dijelaskan pada bagian berikutnya Namun dalam hal kesamaan metode yang digunakan ada beberapa penelitian tentang verifikasi tanda tangan dengan menggunakan metode Jaringan Saraf Tiruan Backpropagation (JST-BP) dan Support Vector Machine (SVM). 1.6 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah metode pengumpulan data dan pengembangan sistem: 1. Pengumpulan data Studi Pustaka pada metode ini penulis akan melakukan pencarian, pembelajaran dari berbagai macam literatur dan dokumen yang menunjang pengerjaan tesis ini khususnya yang berkaitan dengan verifikasi tanda tangan dengan menggunakan Jaringan Saraf Tiruan Backpropagation (JST-BP) dan Support Vector Machine (SVM).
#+ Melakukan pengamatan ke berbagai macam website di internet yang menyediakan informasi yang mendukung dan relevan dengan permasalahan dalam verifikasi tanda tangan dengan menggunakan Jaringan Saraf Tiruan Backpropagation (JST-BP) dan Support Vector Machine (SVM). Melakukan pengumpulan data gambar disini dengan format.bmp dan.jpeg yang dilakukan proses scanner dari data tanda tangan seseorang dengan 100 responden, setiap responden memberikan 3 contoh tanda tangan. 2. Pengembangan sistem Metode yang digunakan pada pengembangan sistem atau perangkat lunak adalah analisis sistem, gambaran umum sistem, perancangan (design), implementasi, uji coba (testing), dan pemeliharaan (maintenance). Deksripsi dari tahap tahap tersebut adalah, a) Analisis Sistem Analisis kebutuhan menggambarkan segala sesuatu yang dibutuhkan agar sistem yang dirancangan dapat berjalan sesuai dengan yang diharapkan. Berikut ini dijelaskan secara detail tentang hasil kebutuhan system berupa metode pengumpulan data, masukan sistem, keluaran sistem dan kebutuhan perangkat keras. b) Gambaran Umum Sistem Gambaran umum sistem menggambarkan fungsionalitas yang diharapkan dari sebuah sistem, sebuah gambaran umum merepresentasikan sebuah interaksi antara aktor dengan sistem. Pada sistem verifikasi tanda tangan ini, aktor yang mempengaruhi sistem adalah pengguna (user) sistem ini terdapat 4 aktivitas yang dilakukan oleh user yaitu ekstrasi ciri, melatih data, Menguji data dan Mengkonfigurasi Jaringan Saraf Tiruan Backpropagation (JST-BP) dan Support Vector Machine (SVM). c) Perancangan (design) Perancangan akan menyajikan data dan label data, tahapan analisis dan perancangan sistem aplikasi. Sebuah program aplikasi
#" selanjutnya akan dibangun berdasarkan rancangan yang dihasilkan dan digunakan untuk melakukan pengujian dan pembuktian konsep untuk menyelesaikan permasalahan. Meliputi rancangan system pengenalan tanda tangan,rancangan preprocessing, rancangan proses ekstraksi ciri tanda tangan,rancangan proses dan arsitektur JST-BP, rancangan proses dan arsitektur SVM, rancangan antarmuka. d) Implementasi Sistem Implementasi menjelaskan dari hasil menjelaskan implementasi dari hasil analisa dan perancangan sistem yang telah dibuat, ke dalam bentuk program aplikasi. Aplikasi yang dibangun di implementasikan menggunakan MATLAB versi 2009b yang terdiri dari dua bagian yaitu implementasi sistem dan implementasi antarmuka. Sistem yang dibangun sesuai dengan analisa dan perancangan sistem yaitu berupa aplikasi verifikasi Tanda tangan dengan menggunakan metode Jaringan Saraf Tiruan Backpropagation (JST-BP) dan dibandingkan dengan Support Vector Machine (SVM) menggunakan toolbox Matlab 2009b. e) Pengujian dan evaluasi Uji coba terhadap sistem yang dibangun secara menyeluruh. Tanda tangan yang akan dikenali diperoleh dari beberapa jenis tanda tangan dari orang yang berbeda, dan kemudian menguji jaringan maka tanda di buat beberapa variasi diantaranya dengan cara 1. Menguji dengan tanda tangan asli atau tanda tangan yang ada di dilatih (database). 2. Menguji dengan tanda tangan trace1 (meniru tanda tangan asli dengan tanda tangan tiruan atau tidak asli). 3. Tanda tangan traced 2 (meniru tanda tangan asli dan menambahkan pola garis pada tanda tangan asli). 4. Traced 3 (meniru tanda tangan asli dan menghilangkan pola garis pada tanda tangan asli). Untuk evaluasi di ukur dari tingkat akurasi pengenalan system dalam setiap pengujian Jaringan Saraf Tiruan Backpropagation (JST-BP)
## dan Support Vector Machine (SVM) pada data yang dilatih atau tidak dilatih. 1.7 Sistematika Penulisan Sistematika ini dibuat dengan maksud untuk memeberikan gambaran secara garis besar mengenai susunan dan isi tesis. Tesis ini dibagi menjadi 7 bab yang saling berhubungan dengan susunan yang terstruktur sebagai berikut: Bab I. Pendahuluan Bab ini berisi tentang latar belakang, perumusan masalah, batasan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, metodologi penelitian, sistematika penulisan. Bab II. Tinjauan Pustaka Bab ini berisi hasil penelitian yang relevan tentang verifikasi tanda tangan menggunakan Jaringan Saraf Tiruan Backpropagation (JST- BP) dan Support Vector Machine (SVM) sebelumnya. Bab III. Bab IV. Landasan Teori Berisi teori-teori dasar yang dipakai dalam melakukan penelitian dan penyusunan laporan. Pada bab ini akan menjelaskan tentang pengolahan citra, pengenalan pola, ekstraksi ciri, Jaringan Saraf Tiruan Backpropagation (JST-BP) dan Support Vector Machine (SVM). Analisis dan Rancangan Sistem Pada bab ini akan dijelaskan analisis kebutuhan, kebutuhan perangkat keras, gambaran umum sistem, rancangan sistem pengenalan tanda tangan, rancangan prposes ekstraski ciri, rancangan proses jaringan saraf tiruan Backpropagation, rancangan Support Vector Machine dan perancangan antarmuka. Data flow diagram dari sistem proses preprocessing, proses ekstraksi, proses jaringan saraf tiruan Backpropagation dan Support Vector Machine, perancangan antar muka aplikasi yang dibuat.
#$ Bab V. Bab VI. Bab VII. Implementasi Pada bab ini akan membahas implementasi sistem dengan tanda tangan menggunakan proses pembelajaran dan pengujian dengan metode SVM dengan kalsifikasi one against one dan metode JST- BP, implementasi proses verifikasi tanda tangan dan implementasi antarmuka. Hasil Penelitian dan Pembahasan Bab ini menjabarkan hasil dan pembahasan pelatihan dan pengujian terhadap Jaringan Saraf Tiruan-Backpropagation dan Support Vector Machine. Hasil pelatihan dan pengujian dianalisis keakuratanya. Proses implementasi dalam pembuatan aplikasi verifikasi tanda tangan dibagi menjadi beberapa tahap, antara lain tahap preprocessing, tahan ekstraksi ciri, tahap pelatihan dan pengujian. Kesimpulan dan Saran Bab ini berisi kesimpulan dan saran hasil analisa yang ditemui pada penelitian, termasuk kelebihan serta kelemahan sistem, serta tingkat pencapaian penelitian apakah telah sesuai dengan tujuan penelitian.
#% BAB II TINJAUAN PUSTAKA Sebelumnya telah dilakukan beberapa penelitian tentang verifikasi tanda tangan. Beberapa penelitian tentang verifikasi tanda tangan yang terkait dengan penelitian akan dilakukan antara lain: Aora dan Choubey (2013) menyatakan penelitian ini telah dilakukan tanda tangan secara offline dikumpulkan melalui berbagai orang. Operasi morfologi diterapkan pada gambar-gambar tanda tangan dengan Hough transform untuk menentukan bentuk biasa yang membantu dalam proses verifikasi. Nilai-nilai yang diambil dari ruang Hough ini digunakan dalam jaringan saraf tiruan yang dilatih menggunakan algoritma backpropagasi. Setelah pelatihan didapat akurasi 95%. Penerapan sistem ini lebih difokuskan dibidang yang bersangkutan dengan keamanan system. Menggunakan otentikasi biometrik, sebagai keamanan komputer biometrik atau sebagai metode analisis perubahan perilaku seseorang. Hidayatno, dkk (2008) dalam penelitian ini menggunakan metode Jaringan saraf tiruan backpropagation, dengan 150 citra tanda tangan yang terdiri dari 10 responden untuk database yang membutuhkan data dari masing-masing 10 responden dan 5 responden dari sisi luar dari database yang membutuhkan 5 data dari setiap responden. Kesimpulan dari penelitian ini adalah bahwa sistem aplikasi memiliki persentase 95% tingkat keberhasilan untuk mengverifikasi tanda tangan dari pengujian data terlatih, sementara itu memiliki hanya 88% persentase tingkat keberhasilan dari pengujian dari bagian luar database. Sisodia dan Anand, dkk (2009) dalam penelitian ini tanda tangan atau tulisan tangan sangat penting digunakan untuk prosedur verifikasi manusia seperti transaksi bidang perbankan dan bidang sangat penting lainnya. Tanda tangan dapat digunakan sebagai biometrik perilaku dan penelitian ini menggunajan metode Artificial Neural Network Backpropgation (ANN-BP) untuk proses verifikasi. Penelitian yang dilakukan telah memberikan hasil yang baik dan teruji, 24
#& kemampuan Jaringan Syaraf Tiruan untuk mengenali pola sangat baik. Dengan didukung metode Statis Signature Verifikasi (SSV) sistem terdiri dari preprocessing dan ekstraksi fitur diikuti oleh classifier. Database tanda tangan terdiri dari 6 user dengan 40 sampel masing-masing, total 240 sampel yang digunakan untuk mengevaluasi kinerja sistem dan tingkat verifikasi 94,27%. Pal, dkk(2009) dalam penelitian ini menggunakan metode bi-script offline system, data base tanda tangan verifikasi diusulkan dari Negara Inggris dan Bengali (Bangla) untuk proses verifikasi. Berbagai fitur yang digunakan seperti data bitmaps, metode chain-code direction features dan gradien features dihitung dari kedua metode komponen yang digunakan untuk tujuan penelitian ini. Metode Support Vector Machines (SVM) dan Nearest Neighbour (NN) sebagai metode klasifikasi untuk verifikasi tanda tangan dalam sistem yang diusulkan. Database 1554 tanda tangan Inggris dan Bengali 1092 tanda tangan digunakan untuk menghasilkan data pelatihan. Berbagai data pelatihan berdasarkan fitur yang berbeda dihitung dan dianalisis. Pada akurasi tertinggi 99,41%, 98,45% dan 97.75% yang diperoleh berdasarkan chain-code direction features, bitmaps dan gradient features masing masing menggunakan 1800 data (1100 Inggris dan 700 Bengali) sampel untuk pelatihan dan 846 data (454 Inggris 392 Bengali) sampel untuk pengujian. "#$%&'%#( dkk (2009) dalam penelitian ini verifikasi off-line tanda tangan dan sistem pengenalan pola menggunakan global direction features dan grid features dari setiap data tanda tangan yang digunakan. Support vector machine (SVM) digunakan untuk memverifikasi dan mengklasifikasikan tanda tangan memperoleh 95%. Dengan menggunakan metode SVM multiclass satu terhadap semua (one-against-all). Disini juga membandingkan kinerja metode SVM dengan (JST) metode backpropagation Jaringan Syaraf Buatan mendapatkan akurasi 75%. Hasil penelitian menunjukkan bahwa SVM melebihi JST dalam kedua proses verifikasi dan verifikasi. SVM membuat sistem lebih akurat dibandingkan dengan sistem lain yang sudah ada, baik implementasi dan waktu yang optimal.
#' Pada penelitian ini akan dilakukan verifikasi tanda tangan dengan menggunakan support vector machine sebagai klasifikasi tanda tangan tersebut. Pada penelitian sebelumnya banyak yang hanya diuji pada satu metode klasifikasi saja, penelitian ini akan dibandingkan dua klasifikasi yaitu support vector machine dan jaringan saraf tiruan yang mana akan dibandingkan tingkat ke akurasian dari verifikasi tanda tangan. Dan aplikasi tanda tangan ini akan dibandingkan dengan tanda tangan palsu, yang mana hasilnya akan di ukur dari hasil akurasi.
#( Tabel 2. 1 Matrik Perbandingan Penelitian Sebelumya No. Peneliti Metode Tujuan Hasil 1. Aora dan Choubey (2013) Jaringan Saraf Tiruan Backpropagation (JST-BP) Identifikasi dan Verifikasi tanda tangan asli atau palsu Hasil penelitian ini dengan pelatihan yang berbeda efisiensi tahapan ditemukan di atas lebih dari 95% keberhasilan. 2. Hidayanto dkk (2009) Backpropagation verifikasi tanda tangan seseorang dengan mencocokan tanda tangan yang ada di database. Hasil penelitian penelitian ini adalah bahwa sistem aplikasi memiliki persentase 95% tingkat keberhasilan untuk mengverifikasi tanda tangan dari pengujian data pelatihan,sementara itu memiliki hanya 88% persentase tingkatkeberhasila n dari pengujian dari bagian luar database. 3. Sisodia dan Anand (2009) Jaringan Saraf Tiruan Backpropagation( JST-BP) Verifikasi tanda tangan off-line berdasarkan Jaringan Saraf Tiruan Backpropagatio n(jst-bp) Hasil penelitian mengevaluasi sistem kinerja dan tingkat verifikasi 94,27%
#) Tabel 2. 2 Matrik Perbandingan Penelitian Sebelumya(Lanjutan) No. Peneliti Metode Tujuan Hasil 4. Pal dkk (2009) 5. "#$%&'%# dkk (2009) Support Vector Machine dan Backpropagation Support Vector Machine dengan Metode One Against All dan Backpropagation Verifikasi tanda tangan dengan membandingkan tanda tangan dari bangsa Inggris dan Bengali, dengan membandingkan Support Vector Machine dan Backpropagatio n. Identifikasi dan verifikasi tanda tangan dengan membandingkan Support Vector Machine dan BP. Hasil penelitian. pada akurasi tertinggi 99,41%, 98,45% dan 97.75% yang diperoleh berdasarkan metode chain-code direction features, bitmaps dan gradient features masing masing menggunakan 1800 (1100 Inggris dan 700 Bengali) sampel untuk pelatihan dan 846 (454 Inggris dan 392 Bengali) sampel untuk pengujian. Hasil penelitian menunjukkan bahwa SVM memiliki akurasi 95 % sedangkan JST BP 75%.
#* Tabel 2. 3 Matrik Perbandingan Penelitian Sebelumya(Lanjutan) No. Peneliti Metode Tujuan Hasil 6. Barry (2014) Jaringan Saraf Tiruan Backpropagation( JST-BP)dan Support Vector Machine(SVM) verifikasi tanda tangan asli atau tanda tangan palsu menggunakan Jaringan Saraf Tiruan Backpropagatio n dan dibandingkan dengan Support Vector Machine Penelitian ini menghasilkan JST- BP memiliki ratarata dalam mengverifikasi dengan akurasi 98.05% sedangkan SVM memiliki rata-rata dalam mengverifikasi sdengan akurasi 94.05%. Pada tanda-tangan Traced, JST dengan metode backpropagation masih dapat mengverifikasi dengan rata-rata dengan akurasi 76%, sedangkan untuk SVM tandatangan baru tidak bisa diverifikasi dengan rata-rata dengan akurasi 51%.