Implementasi Metode Deteksi Tepi Laplacian dan Jarak Euclidean untuk Identifikasi Tanda Tangan

Mas Aly Afandi, Sevia Indah Purnama, Risa Farid Crisianti

Abstract


Signature is one of the biometrics that are widely used for important document authentication and verification. The existence of a signature as a form of validation and approval in important documents is mandatory. Along in current sophisticated technological developments, signing can be done using digital media such as cellphones or other media. The ability of the system that can be identify a person signature is important. This research aims to implement the Laplacian edge detection method and Euclidean distance to identify a person signature. The total image that used is 20 signatures from 5 different people while 15 signatures as data training image and 5 signatures as a data test image. The result of this research indicate that Laplacian edge detection method and Euclidean distance have an accuracy of 94% with 1 neighbor, with 2 neighbor has an accuracy of 60% and has an accuracy of 74% with 3 neighbor. 

Keywords : signature, Laplacian edge detection and Euclidean distance


Abstrak

Tanda tangan adalah salah satu biometrik yang banyak digunakan untuk autentikasi dan verifikasi dokumen penting. Keberadaan tanda tangan sebagai bentuk pengesahan dan persetujuan dalam dokumen-dokumen penting adalah hal yang wajib. Seiring perkembangan teknologi saat ini, proses penandatanganan dapat dilakukan dalam media digital seperti handphone maupun media lainnya. Kemampuan sistem untuk mengidentifikasi tanda tangan seseorang menjadi penting karena banyak pemalsuan yang terjadi. Penelitian ini bertujuan untuk mengimplementasikan metode deteksi tepi Laplacian dan jarak Euclidean untuk mengidentifikasi tanda tangan seseorang. Total citra yang digunakan yaitu 20 tanda tangan dari 10 orang yang berbeda dimana 15 tanda tangan sebagai data citra latih dan 5 tanda tangan sebagai data citra uji. Hasil penelitian ini menunjukkan bahwa metode deteksi tepi Laplacian dan jarak Euclidean memiliki akurasi sebesar 94% dengan 1 ketetanggaan, dengan 2 ketetanggaan memiliki akurasi sebesar 60%, dan memiliki akurasi sebesar 74% dengan 3 ketetanggaan.

Kata Kunci : tanda tangan, deteksi tepi Laplacian dan jarak Euclidean



Full Text:

PDF

References


A. K. Jain, A. A. Ross, and K. Nandakumar, Introduction to Biometrics. Springer.

I. V. Anikin and E. S. Anisimova, “Handwritten signature recognition method based on fuzzy logic,” Dyn. Syst. Mech. Mach., pp. 1–5, 2016.

V. Smejkal and J. Kodl, “Dynamic Biometric Signature - an Effective Alternative for Electronic Authentication,” Adv. Technol. Innov., vol. 3, pp. 166–178, 2017.

P. Porwik and T. Para, “Some Handwritten Signature Parameters in Biometric Recognition Process,” Int. Confrence Inf. Technol. Interfaces, pp. 185–190, 2007.

V. A. Bharadi and H. B. Kekre, “Off-Line Signature Recognition Systems,” Int. J. Comput. Appl., vol. 1, no. 27, pp. 48–56, 2010.

J. V. Tahapary, “Keabsahan Tanda Tangan Elektronik Sebagai Alat Bukti yang Sah Ditinjau dalam Hukum Acara Perdata,” 2011.

H. H. Soepraptomo, “Kejahatan Komputer dan Siber Serta Antisipasi Pengaturan Pencegahannya di Indonesia,” 2001.

N. Iriyanti, “Tinjauan Kekuatan Pembuktian Digital Signature dalam Sengketa Perdata Ditinjau dari UU No 11 Tahun 2008 Tentang Informasi dan Transaksi Elektronik,” 2009.

M. Farid, “Alat Bukti Elektronik dalam Proses Pembuktian Perkara Perdata di Pengadilan,” 2015.

A. Edi, “Implikasi Adanya Pemalsuan Tanda Tangan dalam Akta Jual Beli Tanah yang Dilakukan oleh PPAT,” 2017.

H. Santoso, “Identifikasi tanda tangan dengan deteksi tepi dan koefisien korelasi,” PROXIES, vol. 1, no. 2, pp. 68–74, 2017.

A. Karouni, B. Daya, and S. Bahlak, “Offline signature recognition using neural networks approach,” Procedia Comput. Sci., vol. 3, pp. 155–161, 2011.

E. R. Kuswandi and N. Fadillah, “Perbandingan Metode Robert dan Metode Prewitt Untuk Deteksi Tepi pada Citra Tanda Tangan,” J. Nas. Inform. dan Teknol. Jar., vol. 3, no. 2, pp. 155–158, 2019.

M. S. Nixon and A. S. Aguado, Feature Extraction & Image Processing for Computer Vision. Elsevier, 2012.

X. Wang, “Laplacian Operator-Based Edge Detectors,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 29, no. 5, pp. 886–890, 2007.




DOI: https://doi.org/10.25077/jnte.v9n1.756.2020

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 License.

        

 

.
 Statistic and Traffic