KLASIFIKASI TANDA TANGAN TULIS/NON-DIGITAL DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Tanda tangan merupakan salah satu bentuk identitas biometrik dari manusia yang memiliki keunikan bentuk serta karakteristik yang berbeda-beda antar individu. Saat ini, marak sekali kasus pemalsuan tanda tangan tulis/non-digital. Sehingga diperlukan sistem klasifikasi untuk mengenali serta validasi tanda tangan tulis/non-digital. Tujuan dari penelitian ini yaitu menerapkan Convolutional Neural Network (CNN) untuk mengklasifikasikan tanda tangan tulis/non-digital. Penelitian ini akan menguji 4 kelas data yang setiap kelasnya terdiri dari 3 data. Total data yang digunakan untuk proses training serta validation sebanyak 108 yang dibagi menjadi 4 kelas. Proses pengujian dilakukan pada nilai parameter dengan  nilai akurasi dan error terbaik pada saat proses training. Hasil training menunjukkan nilai akurasi dan error terbaik pada dataset dengan jumlah data training sebanyak 24, data validation sebanyak 3, serta data uji sebanyak 3, dengan epoch sebanyak 20, batchsize sebanyak 12, dan dropout sebesar 0,25. Hasil pengujian pada data uji dengan parameter terbaik tersebut mendapatkan akurasi, presisi, recall, dan -score sebesar 1, dengan besar nilai error pengujian 0,00001. Penelitian lanjutan dapat dilakukan dengan data tanda tangan tulis/non-digital dengan data training yang lebih banyak serta data tanda tangan palsu, serta membandingkan parameter-parameter lain yang dapat mempengaruhi keberhasilan akurasi serta nilai error yang minimal.