scholarly journals Verifikasi Tanda Tangan Menggunakan Ekstraksi Fitur LBP dan Klasifikasi LVQ

2020 ◽  
Vol 2 (2) ◽  
pp. 208-216
Author(s):  
Medeline Widia Andani ◽  
Fitri Bimantoro
Keyword(s):  
Computer System ◽  
Vector Quantization ◽  
Local Binary Pattern ◽  
Learning Vector Quantization ◽  
Signature Verification ◽  
Identification Process ◽  
The Media ◽  
Verification Process ◽  
General Signature

Signature is one of the media used for verification and legalization of information, such as documents that are closely related to legality. In general, signature verification is done manually by direct comparing, this is certainly not effective, especially if doing a lot verification. Therefore, we need a computer system that can automatically verify a person's signature to save time in matching and reducing errors. This research was conducted using feature of Local Binary Pattern (LBP) method and Learning Vector Quantization (LVQ) classifier. Materials that used in this research are 600 signature images with a size of 500x500 pixels taken from 30 respondents where each respondent taken 15 original signatures and 5 fake signatures. The results of this research are that the signature identification process resulted in 93% and the verification process resulted in an accuracy of 63%, a sensitivity of 89%, and a specificity of 42%.

scholarly journals Identifikasi Barcode pada Gambar yang Ditangkap Kamera Digital Menggunakan Metode JST

2013 ◽  
Vol 7 (2) ◽  
pp. 121
Author(s):  
Salman Aliaji ◽  
Agus Harjoko
Keyword(s):  
Vector Quantization ◽  
Digital Camera ◽  
Block Size ◽  
Modern Society ◽  
Learning Vector Quantization ◽  
Test Results ◽  
Training Process ◽  
Identification Process ◽  
Photo Identification ◽  
Time Required

AbstrakDewasa ini hampir setiap produk konsumen memiliki label barcode. Namun alat pembaca barcode jenis laser memiliki kelemahan karena tidak dapat mengenali barcode yang mengalami goresan atau noise. Namun telah dikembangkan teknik lain dengan memanfaatkan kamera digital untuk identifikasi barcode. JST telah banyak digunakan untuk identifikasi berbagai macam pola. Proses identifikasi barcode dalam JST terdiri dari proses training dan proses identifikasi. Proses training menggunakan metode LVQ (Learning Vector Quantization). Proses identifikasi terdiri dari beberapa tahap, yaitu akuisisi citra, preprocessing, locating barcode, proses pengujian dan verifikasi. Berdasarkan hasil pengujian metode LVQ dapat digunakan untuk identifikasi foto barcode dengan kinerja yang baik. Hasil pengujian menunjukkan tingkat akurasi sebesar 73,6 % dari 72 citra yang diuji dengan waktu rata-rata adalah 0.5 detik. Sementara waktu yang dibutuhkan untuk menemukan lokasi barcode adalah sekitar 6 detik menggunakan blok dengan ukuran 32x32 pixel. Kata kunci— Barcode, Learning Vector Quantization, Jaringan Syaraf Tiruan AbstrakIn today’s modern society, almost every consumer product has a barcode label. But the barcode reader with laser type has the disadvantage of not being able to recognize the barcode has a scratch or noise. However, other techniques have been developed by using a digital camera for barcode identification. ANN has been widely used for identification of various patterns. Barcode identification process consists of the ANN training process and the identification process. Training process using the LVQ (Learning Vector Quantization). Identification process consists of several stages: image acquisition, preprocessing, locating barcode, testing and verification process. Based on test results LVQ method can be used for photo identification barcode with good performance. The test results showed an accuracy of 73.6% rate of 72 images were tested with an average time is 0.5 seconds. While the time required to find the location of the barcode is about 6 seconds using a block size of 32x32 pixels. Keyword— Barcode, Learning Vector Quantization, Artificial Neural Network

scholarly journals Identifikasi Jenis Kayu Berdasarkan Fitur Tekstur Local Binary Pattern Menggunakan Metode Learning Vector Quantization

2021 ◽  
Vol 10 (3) ◽  
pp. 157
Author(s):  
Ni Made Yeni Dwi Rahayu ◽  
Made Windu Antara Kesiman ◽  
I Gede Aris Gunadi
Keyword(s):  
Machine Learning ◽  
Vector Quantization ◽  
Local Binary Pattern ◽  
Learning Vector Quantization ◽  
Data Input

Pada umumnya pengenalan jenis kayu masih dilakukan dengan menggunakan indera penglihatan dan penciuman. Hal tersebut dapat mempengaruhi proses jual beli dimana waktu yang dibutuhkan untuk pengenalan kayu menjadi lebih lama sehingga menyebabkan proses bisnis menjadi kurang efektif. Penelitian ini bertujuan untuk membangun suatu model machine learning untuk proses identifikasi jenis kayu berdasarkan fitur teksur citra pada kayu. Metode Local Binary Pattern (LBP) digunakan dalam proses ekstraksi ciri untuk menghasilkan vektor ciri yang dijadikan data input pada proses klasifikasi citra dengan menggunakan metode Learning Vector Quantization (LVQ). Parameter yang digunakan pada metode LBP meliputi numpoint dan radius dengan nilai 1 sampai 10. Hasil penelitian dari metode ini didapatkan akurasi tertinggi 68,33% pada numpoint 2 dan radius 1. Hasil pengujian yang cukup rendah dapat dipengaruhi oleh beberapa faktor yaitu jumlah citra latih dan terdapat beberapa citra kayu memiliki pola yang hampir sama.

scholarly journals Pengenalan Tanda Tangan Menggunakan Learning Vector Quantization dan Ekstraksi Fitur Local Binary Pattern

2019 ◽  
Vol 5 (2) ◽  
pp. 123
Author(s):  
Erwin Yudi Hidayat ◽  
Muhammad Farhan Radiffananda
Keyword(s):  
Vector Quantization ◽  
Local Binary Pattern ◽  
Learning Vector Quantization ◽  
Learning Rate

Tanda tangan merupakan salah satu biometrik pada karakteristik perilaku yang digunakan untuk mengenali seseorang sebagai sistem identifikasi. Meskipun unik, banyak terjadi kasus tanda tangan yang disalahgunakan dengan cara dipalsukan. Tidak mudah mengenali tanda tangan yang palsu dengan tanda tangan asli. Penelitian ini menerapkan algoritma Learning Vector Quantization, deteksi tepi Sobel, dan ekstraksi fitur Local Binary Pattern untuk mengidentifikasi tanda tangan. Hasil penelitian menunjukkan, jumlah data citra, iterasi, dan learning rate mempengaruhi akurasi dan waktu proses identifikasi. Dari percobaan yang dilakukan pada parameter yang berbeda-beda, akurasi yang didapat adalah 68% pada data latih dan pada data uji sebesar 54,6%.Kata kunci—identifikasi, Learning Vector Quantization, tanda tangan, pengenalan pola

scholarly journals PENGENALAN POLA SIDIK JARI DENGAN METODE LOCAL BINARY PATTERN DAN LEARNING VECTOR QUANTIZATION

2019 ◽  
Vol 7 (2) ◽  
pp. 148-156
Author(s):  
Adriana Fanggidae ◽  
Dony M Sihotang ◽  
Adnan Putra Rihi Pati
Keyword(s):  
Vector Quantization ◽  
Local Binary Pattern ◽  
Learning Vector Quantization ◽  
Data Set ◽  
Otsu Thresholding

Sidik jari merupakan strukur genetika dalam bentuk pola yang sangat detail dan tanda yang melekat pada diri manusia. Banyak sistem biometrika yang menggunakan sidik jari sebagai data masukan, karena sifat dari sidik jari setiap individu berbeda meskipun kembar identik dan tidak berubah kecuali mendapat kecelakaan. Metode yang digunakan dalam penelitian ini yaitu segmentasi dengan algoritma Otsu thresholding, ekstraksi ciri dengan algoritma Local Binary Pattern (LBP), dan pembelajaran dengan algoritma Learning Vector Quantization (LVQ). Data yang digunakan adalah citra sidik jari jempol berukuran 200 x 300 piksel, berjenis keabuan dan berformat *.jpg. Citra sidik jari terdiri dari 25 orang, masing-masing orang memiliki 6 data latih dan 2 data uji. Pengujian data latih dan data uji dilakukan kepada empat sistem yaitu sistem dengan jumlah ciri LBP = 8, 64, 128 dan 256 dan menggunakan masing-masing 2 buah data set dimana data set 1 berjumlah 15 orang dan data set 2 berjumlah 25 orang. Hasil pengujian keempat sistem menunjukkan bahwa sistem dengan jumlah ciri LBP = 128 merupakan sistem yang terbaik dengan kombinasi akurasi sistem yang tinggi dan juga waktu pembelajaran yang cepat.

scholarly journals Verifikasi Citra Tanda Tangan Menggunakan Metode Prewitt dan Learning Vector Quantization

2018 ◽  
Vol 5 (2) ◽  
pp. 202-210
Author(s):  
Asfanji Sefta ◽  
Syarif Hidayatulloh
Keyword(s):  
Edge Detection ◽  
Vector Quantization ◽  
Detection Method ◽  
Learning Vector Quantization ◽  
Signature Verification ◽  
Learning Program ◽  
Image Edge Detection ◽  
Verification System ◽  
Image Edge ◽  
Edge Detection Method

AbstrakTanda tangan adalah salah satu bukti persetujuan dari seseorang, Jadi tanda tangan ini memiliki arti yang sangat penting. Sering terjadi Kasus pemalsuan tanda tangan, antara lain disebabkan oleh sistem verifikasi yang tidak baik. Verifikasi tanda tangan ini kebanyakan dilakukan secara manual, Yaitu dengan membandingkan langsung dengan menggunakan mata Manusia yang memiliki banyak kelemahan. Jadi ketelitian dan keakuratan hasil yang diinginkan sering kurang memuaskan. Metode yang saya gunakan dalam membangun aplikasi verifikasi tanda tangan ini adalah dengan menggunakan metode Edge Detection dan metode Vector Quantization Learning. Program ini dibangun menggunakan Matlab. Berdasarkan hasil penelitian yang diperoleh dari pengujian sistem verifikasi tanda tangan dengan menerapkan metode edge detection operator prewitt dan metode Learning vector Quantization dengan penghitung vektor, maka diperoleh kesimpulan bahwa Metode Edge Detection operator prewitt dan Learning Vector Quantization dengan penghitung vektor dapat mengekstraksi fitur tanda tangan untuk memproses vektor yang digunakan dalam penghitungan vektor untuk mengenali tanda tangan yang asli dan yang palsu pada aplikasi verifikasi tanda tangan yang  membantu memverifikasi tanda tangan sehingga meminimalisasi pemalsuan tanda tangan.  Kata Kunci : Citra, Edge Detection, Vector Quantization Learning, Tanda Tangan AbstractThe signature is one of the proof of approval from a person, so this signature has a very important meaning. There are often cases of signature forgery, partly due to a poor verification system. This signature verification is mostly done manually, that is by comparing it directly using the eyes of a human who has many weaknesses. So the accuracy and accuracy of the desired results are often unsatisfactory. The method that I use in building this signature verification application is to use the Edge Detection method and the Vector Quantization Learning method. This program is built using Matlab. Based on the research results obtained from the signature verification system testing by applying edge detection operator prewitt method and Learning vector Quantization method with vector counters, the conclusion is that the Edge Detection Method operator prewitt and Learning Vector Quantization with vector counters can extract signature features to process vectors used in vector counting to identify original and fake signatures in the signature verification application that helps verify the signature so as to minimize signature falsification. Keywords: Image, Edge Detection, Vector Quantization Learning, Signature

scholarly journals Verifikasi Citra Tanda Tangan Menggunakan Metode Prewitt dan Learning Vector Quantization

2018 ◽  
Vol 5 (2) ◽  
pp. 202-210
Author(s):  
Asfanji Sefta ◽  
Syarif Hidayatulloh
Keyword(s):  
Edge Detection ◽  
Vector Quantization ◽  
Detection Method ◽  
Learning Vector Quantization ◽  
Signature Verification ◽  
Learning Program ◽  
Image Edge Detection ◽  
Verification System ◽  
Image Edge ◽  
Edge Detection Method

AbstrakTanda tangan adalah salah satu bukti persetujuan dari seseorang, Jadi tanda tangan ini memiliki arti yang sangat penting. Sering terjadi Kasus pemalsuan tanda tangan, antara lain disebabkan oleh sistem verifikasi yang tidak baik. Verifikasi tanda tangan ini kebanyakan dilakukan secara manual, Yaitu dengan membandingkan langsung dengan menggunakan mata Manusia yang memiliki banyak kelemahan. Jadi ketelitian dan keakuratan hasil yang diinginkan sering kurang memuaskan. Metode yang saya gunakan dalam membangun aplikasi verifikasi tanda tangan ini adalah dengan menggunakan metode Edge Detection dan metode Vector Quantization Learning. Program ini dibangun menggunakan Matlab. Berdasarkan hasil penelitian yang diperoleh dari pengujian sistem verifikasi tanda tangan dengan menerapkan metode edge detection operator prewitt dan metode Learning vector Quantization dengan penghitung vektor, maka diperoleh kesimpulan bahwa Metode Edge Detection operator prewitt dan Learning Vector Quantization dengan penghitung vektor dapat mengekstraksi fitur tanda tangan untuk memproses vektor yang digunakan dalam penghitungan vektor untuk mengenali tanda tangan yang asli dan yang palsu pada aplikasi verifikasi tanda tangan yang  membantu memverifikasi tanda tangan sehingga meminimalisasi pemalsuan tanda tangan.  Kata Kunci : Citra, Edge Detection, Vector Quantization Learning, Tanda Tangan AbstractThe signature is one of the proof of approval from a person, so this signature has a very important meaning. There are often cases of signature forgery, partly due to a poor verification system. This signature verification is mostly done manually, that is by comparing it directly using the eyes of a human who has many weaknesses. So the accuracy and accuracy of the desired results are often unsatisfactory. The method that I use in building this signature verification application is to use the Edge Detection method and the Vector Quantization Learning method. This program is built using Matlab. Based on the research results obtained from the signature verification system testing by applying edge detection operator prewitt method and Learning vector Quantization method with vector counters, the conclusion is that the Edge Detection Method operator prewitt and Learning Vector Quantization with vector counters can extract signature features to process vectors used in vector counting to identify original and fake signatures in the signature verification application that helps verify the signature so as to minimize signature falsification. Keywords: Image, Edge Detection, Vector Quantization Learning, Signature

Sign in / Sign up

Export Citation Format

Share Document