Article Per Year (5 Year)
p-Index From 2021 - 2026
2.87
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Sistem dan Informatika Infotech Journal Jurnal Teknoinfo CYBERNETICS BULETIN AL-RIBAATH Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Computer Science and Information Technology (CoSciTech) JUTECH : Journal Education and Technology Joutica : Journal of Informatic Unisla Jurnal Riset Rumpun Ilmu Teknik (JURRITEK)
Barry Ceasar Octariadi
Universitas Muhammadiyah Pontianak
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Teknoinfo

 1 
PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION Barry Ceasar Octariadi
Jurnal Teknoinfo Vol 14, No 1 (2020): Januari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v14i1.462

Abstract

Tanda-tangan merupakan fitur biometrik yang dapat digunakan untuk memverifikasi identitas seseorang. Penelitian ini menyajikan pengenalan pola tanda tangan menggunakan metode jaringan syaraf tiruan backpropagation (JST-BP) pada 100 contoh tanda-tangan. Dimana hasil pengenalan pola akan dibandingkan akurasinya dengan metode Support Vector Machine (SVM). Menggunakan ekstraksi ciri vertical splitting, horizontal splitting untuk mendapatkan nilai sudut dan nilai jarak sebagai ciri dari standa tangan yang selanjutnya akan di proses. Klasifikasi Jaringan saraf tiruan dengan metode pembelajaran  jaringan saraf tiruan backpropagation (JST-BP). Jaringan saraf tiruan dengan metode pembelajaran Backpropagation yang digunakan terdiri dari 100 input, 3 hidden layer dan 2 output, fungsi pembelajarannya menggunakan resilient backpropagasi. JST-BP  memiliki akurasi dalam memverifikasi sebesar 98.5% Pada tanda-tangan Traced, JST dengan metode backpropagation masih dapat mmgverifikasi dengan akurasi 82% sedangkan SVM memiliki akurasi dalam mengidentifikasi sebesar 94.5%. Pada tanda-tangan Traced , JST dengan metode backpropagation masih dapat mengidentifikasi dengan akurasi 74%, sedangkan untuk SVM tanda-tangan baru tidak bisa diidentifikasi dengan akurasi 51 %.Kata kunci : Tanda-tangan, Jaringan saraf tiruan Backpropagation, vertical horzontal splitting, support vector machine
Co-Authors Alda Cendekia Siregar Alkadri, Syarifah Putri Agustini Andalas Rivaldi Permana Anugrah, Ilham Arni - Yanti Asrul Abdullah Chairul Syafar Putra Dewi Yanti Eki Komariah Elsa Damayanti Fenni Supriadi Insani, Rachmad Wahid Saleh Medi, Medi PURWANTO, ANGGI Purwoko, Agus Rachmat Wahid Saleh Insani Rizka Amalia Rizki Akbar Pratama Siregar, Alda Cendekia Sucipto Sucipto Sucipto Sufi Vanitra Syaibah Syaibah vera vibiola Yulia, Rantika Yulrio Brianorman