KLASIFIKASI KEPEMILIKAN TANDA TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Wijaya, Khrisnaldi (2023) KLASIFIKASI KEPEMILIKAN TANDA TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Diploma thesis, Universitas Multi Data Palembang.

Text Khrisnaldi Wijaya 1923250008.pdf Download (1MB)

Abstract

Pada jaman sekarang ini, tanda tangan menjadi bukti penting untuk memvalidasi suatu berkas yang menandakan bahwa berkas terbebut asli dibuat oleh pemilik berkas tersebut. Oleh karena itu, tanda tangan tidak boleh disalahgunakan oleh orang yang tidak bertanggung jawab karena akan berakibat fatal. Pengenalan kepemilikan tanda tangan sangat diperlukan dalam hal ini agar dapat mengetahui siapa pemilik tanda tangan tersebut. Penelitian ini bertujuan untuk mengenali pola tanda tangan seseorang menggunakan Convolutional Neural Network dengan arsitektur AlexNet. Dataset yang digunakan sebanyak 300 citra yang dibagi menjadi 240 data latih dan 60 data uji. Penelitian ini menggunakan 3 optimizer dalam pengujian yaitu optimizer Adam, optimizer SGD, dan optimizer RMSprop. Dalam penelitian ini menggunakan batchsize sebesar 2, learning rate sebesar 0,01 untuk optimizer SGD dan learning rate sebesar 0,001 untuk optimizer adam dan RMSprop. Setiap optimizer yang diuji menghasilkan nilai precision, recall, dan accuracy yang berbeda. Pengujian dilakukan pada dataset internal dan eksternal, hasil pengujian dataset internal tertinggi didapatkan dari optimizer SGD dengan tingkat akurasi sebesar 83,3%. Sedangkan pengujian dataset eksternal tertinggi didapatkan dari optimizer SGD dengan tingkat akurasi sebesar 73%.

Actions (login required)

View Item