Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Informatika

Analisa Hasil Perbandingan Poly Kernel Dan Normalisasi Poly Kernel Pada Support Vector Machine Sebagai Metode Klasifikasi Citra Tanda Tangan Chyntia Raras Ajeng Widiawati; Suliswaningsih Suliswaningsih
Jurnal Informatika Vol 9, No 1 (2022): April 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (261.452 KB) | DOI: 10.31294/inf.v9i1.11288

Abstract

Tanda tangan merupakan salah satu karakteristik penting yang bisa dimanfaatkan dalam verifikasi beberapa dokumen, salah satunya adalah dokumen akademik. Verifikasi tanda tangan di lingkungan akademik merupakan hal yang penting terutama dalam memastikan keaslian tanda tangan dosen atau tenaga pengajar. Tidak sedikit mahasiswa yang memilih untuk melakukan pemalsuan tanda tangan dosen atau tenaga pengajar demi mempermudah proses akademik mereka, hal tersebut menjadi masalah yang cukup penting terlebih jika mahasiswa tersebut sebenarnya belum layak dan belum memenuhi kriteria untuk mendapat tanda tangan atau pengesahan dari dosen yang bersangkutan. Diperlukan sebuah teknik maupun metode yang bisa membantu proses verifikasi tanda tangan dosen dan tenaga pengajar di lingkungan akademik. Salah satu teknik yang mungkin digunakan adalah dengan menggunakan teknik pengolahan citra. Pada penelitian ini akan dilakukan klasifikasi antara citra tanda tangan asli dan palsu sebagai proses verifikasi dari keaslian tanda tangan dosen yang diperoleh mahasiswa. Data yang digunakan merupakan citra tanda tangan dari dosen Universitas Amikom Purwokerto yang menjadi penguji pada Seminar Tugas Praktik. Metode yang diusulkan pada proses klasifikasi dengan menggunakan algoritme Support Vector Machine (SVM) dengan dua kernel yang berbeda. Kedua kernel tersebut terdiri dari poly kernel dan normalisasi poly kernel, pemilihan kedua kernel tersebut digunakan untuk membandingkan hasil mana yang lebih optimal. Hasil dari penelitian ini adalah SVM dengan menggunakan normalisasi poly kernel mampu memberikan hasil yang lebih baik jika dibandingkan dengan menggunakan poly kernel saja. Hasil yang diperoleh dengan menggunakan normalisasi poly kernel yaitu tingkat akurasi sebesar 79,43% dan tingkat spesifisitas sebesar 100%.