Deteksi Kepribadian Pada Pola Tanda Tangan Dengan Metode Smooth Support Vector Machine (Ssvm)
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Fadilah, Said Dinar
Subject
004_Data Processing & Computer Science
Datestamp
2021-07-23 07:58:54
Abstract :
Sistem deteksi kepribadian pada pola tanda tangan merupakan salah satu teknologi yang sangat penting karena memiliki banyak manfaat bagi suatu organisasi, kelompok maupun individu. Citra digital tanda tangan yang melalui proses image processing dimanipulasi untuk menghasilkan citra yang diharapkan. Hu Moment merupakan descriptor yang digunakan untuk mengenali ciri tanda tangan. Hu Moment dihitung berdasarkan informasi yang diberikan oleh boundary bentuk dan daerah interiornya. Smooth Support Vector Machine (SSVM) adalah algoritma learning keturunan Support Vector Machine (SVM) yang memiliki sifat matematika kecembungan yang kuat dan terdiferensialkan tak hingga. Berdasarkan sifat-sifat ini, solusi unik dari SSVM akan konvergen terhadap solusi unik problem optimasi SVM bila smooth parameter α pada SSVM mendekati tak hingga. Penelitian ini bertujuan untuk mendeteksi kepribadian pada citra digital hasil scan dengan menggunakan metode Smooth Support Vector Machine (SSVM). Hasil Akurasi paling tinggi dari data uji sebanyak 80 citra, daerah garis tengah menghasilkan akurasi paling tinggi 62,5% dan daerah awal kurva menghasilkan akurasi paling rendah 45%. Dengan rata-rata akurasi 55,31% untuk 4 daerah analisis.
Sistem deteksi kepribadian pada pola tanda tangan merupakan salah satu teknologi yang sangat penting karena memiliki banyak manfaat bagi suatu organisasi, kelompok maupun individu. Citra digital tanda tangan yang melalui proses image processing dimanipulasi untuk menghasilkan citra yang diharapkan. Hu Moment merupakan descriptor yang digunakan untuk mengenali ciri tanda tangan. Hu Moment dihitung berdasarkan informasi yang diberikan oleh boundary bentuk dan daerah interiornya. Smooth Support Vector Machine (SSVM) adalah algoritma learning keturunan Support Vector Machine (SVM) yang memiliki sifat matematika kecembungan yang kuat dan terdiferensialkan tak hingga. Berdasarkan sifat-sifat ini, solusi unik dari SSVM akan konvergen terhadap solusi unik problem optimasi SVM bila smooth parameter α pada SSVM mendekati tak hingga. Penelitian ini bertujuan untuk mendeteksi kepribadian pada citra digital hasil scan dengan menggunakan metode Smooth Support Vector Machine (SSVM). Hasil Akurasi paling tinggi dari data uji sebanyak 80 citra, daerah garis tengah menghasilkan akurasi paling tinggi 62,5% dan daerah awal kurva menghasilkan akurasi paling rendah 45%. Dengan rata-rata akurasi 55,31% untuk 4 daerah analisis.
File :
UNIKOM_Said Dinar Fadilah_cover.pdf
UNIKOM_Said Dinar Fadilah_lembar pengesahan.pdf
UNIKOM_Said Dinar Fadilah_Bab V.pdf
UNIKOM_Said Dinar Fadilah_daftar pustaka.pdf
UNIKOM_Said Dinar Fadilah_kontak penulis dan kontributor.pdf
UNIKOM_Said Dinar Fadilah_surat keterangan persetujuan publikasi.pdf
UNIKOM_Said Dinar Fadilah_surat pernyataan orisinalitas.pdf
UNIKOM_Said Dinar Fadilah_kata pengantar.pdf
UNIKOM_Said Dinar Fadilah_daftar isi.pdf
UNIKOM_Said Dinar Fadilah_Bab I.pdf
UNIKOM_Said Dinar Fadilah_Bab II.pdf
UNIKOM_Said Dinar Fadilah_Bab III.pdf
UNIKOM_Said Dinar Fadilah_Bab IV.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
