<![CDATA[Tanda tangan adalah salah satu biometrik berbasis perilaku yang sering digunakan dalam proses autentikasi. Namun, berbagai jenis tanda tangan menyebabkan proses identifikasi menjadi kompleks, sehingga memerlukan penggunaan teknologi komputer yang baik. Studi ini dibuat sebagai upaya untuk menganalisis tanda tangan yang dimiliki oleh pemilik tanda tangan berdasarkan tekstur citra menggunakan metode ekstraksi Grey Level Co-occurrence Matrix (GLCM) dan klasifikasi Backpropagation. Empat fitur GLCM (contrast, correlation, energy, homogeneity) dihitung dalam empat arah (0°, 45°, 90°, 135°). Data terdiri dari sekitar 80 data dari 4 kelas, dibagi menjadi 20 data uji dan 60 data latih. Pengujian dilakukan lima kali untuk setiap konfigurasi neuron guna memperoleh hasil rata-rata. Hasil penelitian ini menunjukkan bahwa konfigurasi lapisan tersembunyi dengan 50 neuron memberikan kinerja terbaik dengan akurasi rata-rata sekitar 80%. Meningkatkan jumlah neuron cenderung mengurangi akurasi karena kemungkinan overfitting. Meskipun demikian, kombinasi GLCM dan Backpropagation dapat mengidentifikasi tanda tangan dengan cukup baik.]]>
Copyrights © 2026
