Tanda tangan merupakan salah satu karakteristik yang dimiliki oleh setiap orang . Kasus pemalsuan tanda tangan cukup banyak terjadi[6]. Hal ini dikarenakan kurangnya sistem verifikasi dalam pengidentifikasian tanda tangan. Berdasarkan hal tersebut, dibangun aplikasi verifikasi tanda tangan. Aplikasi yang dibangun menggunakan metode edge detection dalam pengekstraksi ciri dan metode jaringan syaraf tiruan Learning Vector Quantization (LVQ) pada pencocokan pola tanda tangan. Aplikasi verifikasi tanda tangan diawali dengan pemindaian tanda tangan lalu diekstraksi ciri dan disimpan ke dalam basisdata yang digunakan sebagai data latih. Kemudian pengguna memindai tanda tangan uji dan sistem mencocokan dengan data latih menggunakan metode LVQ. Hasil pencocokan dari aplikasi tersebut didapat persentase sebesar 70% tanda tangan asli yang terverifikasi dengan benar dan Tingkat kesalahan dalam system verifikasi tanda tangan dalam membaca tanda tangan palsu sebesar 30% sistem membaca dengan tanda tangan asli. Aplikasi ini dapat memverifikasi tanda tangan.Katakunci : Tanda tangan, Verifikasi. Edge detection, LVQ, Jaringan syaraf tiruan
Ada sebagian orang yang memiliki kelainan pada penglihatan, salah satunyaadalah kelainan melakukan identifikasi warna (buta warna). Salah satu cara untukmenolong melakukan identifikasi warna yaitu dengan cara menampilkan informasiwarna ke dalam teks. Informasi warna video digital masih berbentuk model warnaYCbCr. Model warna YCbCr adalah model warna yang digunakan pada kamerahandphone. Metode pengkonversian YCbCr digunakan untuk mendapatkan danmengkonversikan nilai warna yang didapat ke dalam model warna RGB. Nilai hasilpengkonversian dibandingkan dengan nilai RGB yang tersimpan pada programdengan menggunakan metode euclidean distance. Metode euclidean distanceberfungsi untuk mencari nilai selisih terkecil dari dua matriks yang dibandingkan.Hasil perbandingan ditampilkan sebagai keluaran yang terdiri dari gambar warna,nama warna, nilai warna dan warna yang serupa dengan hasil perbandingan.Berdasarkan hasil pengujian warna objek dapat dideteksi dengan persentasekeberhasilan mencapai 93,75%.
Karakter huruf Braille terdiri dari 6 titik yang dirancang sedemikian rupa sehingga menjadi sebuah sistem penulisan yang dapat digunakan untuk membantu tunanetra. Akan tetapi, membaca huruf Braille tidaklah mudah karena selain harus memahami huruf Braille tersebut juga dibutuhkan sensitivitas jari yang cukup agar dapat membaca huruf Braille. Adapun penelitian tentang pengenalan huruf Braille menggunakan teknologi kecerdasan buatan, salah satunya deep learning. Metode deep learning yang digunakan adalah Convolutional Neural Network (CNN). Metode CNN dapat digunakan dalam pengenalan wajah, analisis dokumen, klasifikasi gambar, dan sebagainya. Pada penelitian ini, metode CNN digunakan untuk pengenalan karakter huruf Braille. Sistem melakukan proses pengenalan karakter huruf braille per karakter dengan model yang sudah dilatih dengan dataset dengan 26 karakter. Hasil yang didapat mencapai tingkat akurasi 81.54% untuk citra karakter Braille yang diakuisisi dengan smartphone dengan kemiringan antara 0 hingga 4 derajat dan jarak 30cm dengan model training dengan learning rate 0.0001 dan optimizer Adam.
Dalam sebuah search engine terdapat beberapa komponen penting yang salah satunya adalah crawler / web crawler. Crawler adalah sebuah komponen dalam search engine yang berfungsi untuk mencari semua link pada setiap halaman dimana hasil pengumpulan alamat web selanjutnya akan diindeks. Crawler bekerja dengan menggunakan algoritma pencarian yang beragam, diantaranya adalah Breadth First Search dan Backlink. Breadth first search merupakan algoritma untuk melakukan pencarian secara berurutan dengan mengunjungi setiap simpul secara preorder. Backlink memanfaatkan tautan yang berada disitus lain dan mengarah ke situs tertentu. Adapun hasil dari uji aplikasi yaitu dengan membandingkan kedua metode tersebut dengan cara melihat performa pengambilan URL terbanyak pada Detik.com dan Kompas.com. Metode breadth first search secara performa lebih baik dibandingkan dengan metode backlink, dalam pengujian crawling, perbedaan jumlah url mencapai 25,17 pada website detik.com dan 28,94% pada website Kompas.com.
Sugeno Fuzzy algorithm is one of the algorithms contained on Fuzzy Inference System, that used to describe the condition between the two pieces of the decisions represented in the form of rules IF - THEN, where the output is constant or linear equations. While the Naive Bayes algorithm is an algorithm that uses data classification to a particular class based on the probability of each data class. Both of these algorithms can be implemented on a Decision Support System (DSS) for diet selection, using Fuzzy Sugeno as an additional determinant of energy and Naive Bayes method as decision maker. This is because the need for food intake and diet has become a problem for humans. To prevent excess intake of food it needs dietary adjustments or so-called diet. But in daily life, people sometimes hard to determine the type of diet that is suitable for them. So we need a system that can determine the type of diet that is suitable for a person. The data that used as a reference for decision support are age, daily caloric requirement, Body Mass Index (BMI), blood pressure, cholesterol, uric acid and blood sugar levels. Results of system testing showed from a sample of 30 data there are 26 appropriate data and 4 inappropriate data to determine the type of diet by the system with the success rate of 86.7%.
Telapak tangan merupakan ciri unik yang dimiliki oleh manusia yang dapat digunakan pada sistem identifikasi. Proses template matching membutuhkan perhitungan pencocokan untuk menentukan bagian kecil gambar yang memiliki nilai terbesar dikarenakan semakin besar nilai maka tingkat kecocokan semakin tinggi. Sehingga untuk pencocokan dibutuhkan perhitungan normalized cross correlation dengan perhitungan konvolusi yang setiap bagian pixel akan dilakukan pencocokan, diawali dari pixel bagian pojok kiri atas hingga pojok kanan bawah dan akan mendapatkan nilai pencocokan terbesar.Setelah mendapat nilai terbesar dilakukan k-nearest neighbor yang merupakan pengelompokan berdasarkan jarak dan untuk menentukan jarak k digunakan perhitungan euclidien distance. Selanjutnya pengelompokan berdasarkan voting terbanyak yang dimulai dari nilai jarak ketetanggaan terkecil hingga terbesar. Tingkat akurasi pengujian dari 30 sampel telapak tangan didapatkan presentase sebesar 86,67% teridentifikasi benar dan 13,33% salah.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.