<![CDATA[Abstrak Identifikasi tanda tangan merupakan langkah yang penting untuk menghindari tindakan pemalsuan tanda tangan. Sebuah sistem identifikasi tanda tangan sangat dibutuhkan agar pemalsuan tanda tangan tidak merugikan orang lain. Metode ekstraksi ciri Speed Up Robust Features dan Scale Invariant Feature Transform akan sesuai digunakan untuk sistem tersebut. Selain itu didukung juga penggunaan k-Nearest Neighbour untuk proses klasifikasi. Data yang digunakan di dalam penelitian ini adalah tanda tangan dari 10 orang dengan masing-masing memberikan 30 tanda tangan. Jumlah total 300 tanda tangan akan dibagi untuk data latih sebanyak 100 buah dan data uji sebanyak 200 buah. Hasil yang diperoleh dari pengujian adalah dengan jumlah poin=100 menggunakan ekstrasi ciri SIFT, rata-rata persentase citra benar tertinggi adalah 68% dari 200 data uji yang terbagi dalam 10 kelas. Sedangkan dengan ekstraksi ciri SURF dengan jumlah poin=125, rata -rata persentase citra benar tertinggi adalah 68% dari 200 data uji yang terbagi dalam 10 kelas. Kata kunci : Pengenalan tanda tangan, ekstraksi ciri, SURF, SIFT, k-NN]]>
Copyrights © 2015
