BAB I PENDAHULUAN
1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman yang secara tidak disadari diikuti oleh perkembangan
teknologi
sangat
banyak
memberi
pengaruh
terhadap
perkembangan ilmu pengetahuan salah satunya adalah dalah hal pengenalan pola. Pengenalan pola (pattern recognition) saat ini banyak diimplementasikan di dunia industri ataupun instansi seperti pengenalan sidik jari yang berupa image, pengenalan suara sampai pengenalan pola tanda tangan. Identifikasi untuk pengenalan pola tanda tangan termasuk dalam biometrik yang berdasarkan perilaku alami manusia. Sebuah citra tanda tangan menunjukkan ciri personal dari tulisan tangan manusia. Tanda tangan adalah tulisan tangan yang diberi gaya tertentu bersifat khusus sebagai substansi simbolik. Pada kenyataannya tanda tangan seseorang tidak selalu persis sama antara tanda tangan yang satu dengan yang lain. Artinya tanda tangan seseorang sering berubah-ubah setiap waktu. Perubahan ini menyangkut posisi, ukuran maupun faktor tekanan tanda tangan. Perubahan tersebut dipengaruhi oleh waktu, umur, kebiasaan dan keadaan mental tertentu[1]. Saat ini, tanda tangan banyak digunakan sebagai identifikasi dari pemilik tanda tangan sehingga seringkali dipakai dalam menentukan keabsahan dari suatu dokumen ataupun transaksi. Pembubuhan tanda tangan sering dijumpai pada kegiatan administrasi perbankan maupun melakukan kerjasama antar perusahaan. Pada umumnya, untuk mengidentifikasi tanda tangan masih dilakukan secara manual yaitu dengan mencocokkan tanda tangan pada waktu transaksi dengan tanda tangan yang sah. Namun dengan cara manual sangat beresiko terjadinya kesalahan untuk transaksi yang banyak dan berulang. Oleh karena itu, diperlukan sebuah sistem yang mampu menganalisis tanda tangan seseorang sehingga mempermudah proses pengenalan. Pada proses pengenalan tanda tangan diperlukan citra tanda tangan yang diperoleh dari beberapa cara yang dilakukan salah satunya yaitu melakukan scanning terhadap file tanda tangan yang disimpan dalam format JPEG atau
1
2
Bitmap. File citra tanda tangan yang sudah disimpan dalam format JPEG selanjutnya akan di konversi ke dalam format berkestensi Bitmap sebelum melakukan image processing terhadap citra tanda tangan. Hal ini dilakukan karena citra tanda tangan dengan format Bitmap dijadikan sebagai gambar sementara yang akan melalui beberapa kali proses edit atau melakukan image processing terhadap image sehingga tidak akan menurunkan kualitas dari citra tersebut. Tetapi terdapat kekurangan dari format Bitmap yaitu memerlukan ukuran gambar yang jauh lebih besar daripada format JPEG[19]. Selain itu dalam pembuatan sebuah sistem ini diperlukan suatu metode dan algoritma untuk pengenalan pola tanda tangan. Banyak sekali metode ekstrasi ciri dan algoritma pengklasifikasian yang dapat diaplikasikan. Beberapa tugas akhir atau paper terdahulu yang membahas pengenalan pola adalah Musyafa [13] menggunakan algoritma VFI5 melalui praproses wavelet untuk pengenalan tanda tangan dan diperoleh hasil akurasi sebesar 97,5% setelah dilakukan dekomposisi wavelet level 1. Pengenalan wajah menggunakan algoritme VFI5 telah dilakukan dengan hasil akurasi yang cukup baik. Pramitasari [15] pada penelitiannya menggunakan
algoritme
VFI5
dengan
praproses
transformasi
wavelet
menghasilkan akurasi mencapai 90%. Penggunaan algoritme VFI5 juga dilakukan pada pengenalan citra tanda tangan oleh Santoso[16]. Penelitian ini berbasis histogram dengan tambahan penggunaan partisi citra dan menghasilkan akurasi tertinggi hingga 92,50%. W. Setiawan dan Fitri Damayanti dengan paper yang berjudul “Pengenalan Tanda Tangan Dengan Menggunakan Metode Modified Direction Feature (MDF) Dan Euclidean Distance” diperoleh hasil akurasi pengujian sebesar 72%[17]. Selanjutnya, pada klasifikasi jaringan saraf tiruan backpropagation untuk aplikasi pengenalan tanda tangan memberikan akurasi sebesar 84%. Pada paper atau tugas akhir yang berjudul “Pengenalan Tanda Tangan Menggunakan Analisis Komponen Utama (Principal Component Analysis - PCA) dan Metode Jaringan Saraf Tiruan Perambatan Balik” memberikan akurasi sebesar 83,33%[5]. Selain itu pada paper atau tugas akhir “Dampak Reduksi Sampel Menggunakan Principal Component Analysis (PCA) Pada Pelatihan Jaringan Saraf Tiruan Terawasi” dibagi dua tahap proses. Pada proses pertama, ekstraksi fitur menggunakan metode Principal Component Analysis (PCA)
3
selanjutnya
dilakukan
klasifikasi
menggunakan
Jaringan
Saraf
Tiruan
menghasilkan akurasi sebesar 86,75% dan pada proses kedua ekstraksi fitur menggunakan metode teknik zoning yang kemudian dilakukan proses klasifikasi menggunakan Jaringan Saraf Tiruan menghasilkan akurasi sebesar 81%[18]. Karena klasifikasi pengenalan pola algoritma voting feature intervals 5 (VFI5) mampu menghasilkan akurasi yang tinggi dan ekstraksi ciri modified direction feature (MDF) yang menghasilkan akurasi cukup tinggi, maka muncul dugaan bahwa metode algoritma VFI5 juga baik digunakan untuk identifikasi citra melalui proses ekstraksi ciri MDF. Mengacu pada tugas akhir atau paper terdahulu, maka pada tugas akhir ini dilakukan penerapan metode ekstrasi ciri modified direction feature (MDF) dan algoritma klasifikasi voting feature intervals 5 (VFI5). Ekstarsi ciri pada metode Modified Direction Feature (MDF) merupakan teknik hasil pengembangan metode Direction Feature (DF). Teknik ini menggabungkan antara teknik Direction Feature (DF) dan Transition Feature (TF)[3]. Modified Direction Feature (MDF) akan menghasilkan vektor ciri dengan pedoman arah horizontal dan vertikal, kemudian melakukan penggabungan untuk menghasilkan vektor ciri yang spesifik, selanjutnya dilakukan perhitungan klasifikasi dengan menggunakan metode algoritma Voting Feature Intervals 5 (VFI-5) untuk mengenali tanda tangan. Sehingga dengan menerapkan metode ekstrasi ciri modified direction feature dan algoritma klasifikasi VFI5 diharapkan bisa menghasilkan tingkat akurasi yang lebih baik lagi dari penelitian sebelumnya. 1.2. Perumusan masalah Berdasarkan latar belakang yang telah dikemukakan, didapat beberapa rumusan masalah sebagai berikut : 1. Bagaimana menerapkan metode Modified Direction Feature (MDF) dan algoritma Voting Features Intervals (VFI-5) pada proses pengenalan pola tanda tangan? 2. Bagaimana tingkat akurasi pengenalan pola tanda tangan menggunakan metode Modified Direction Feature (MDF) dan algoritma Voting Features Intervals (VFI-5)?
4
1.3. Tujuan Penelitian Adapun tujuan dari pembuatan tugas akhir ini antara lain : 1. Untuk menerapkan proses pengenalan pola tanda tangan menggunakan metode Modified Direction Feature (MDF) dan algoritma Voting Feature Intervals (VFI-5). 2. Untuk menganalisis tingkat akurasi pengenalan pola tanda tangan menggunakan Voting Feature Intervals (VFI-5). 1.4. Batasan Masalah Berdasarkan perumusan masalah diatas, ada beberapa batasan masalah dari Tugas Akhir ini yaitu : 1. Citra tanda tangan diperoleh melalui hasil scanning dengan format file *.BMP berskala abu-abu (grayscale) 8-bit berdimensi (160 x 110) pixel. 2. Sample tanda tangan diambil langsung dari 15 responden yang masingmasing memberikan 10 contoh tanda tangan. 1.5. Metodologi Penelitian Metodologi yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut : 1.
Tahap pengumpulan data Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut : a.
Studi Literatur. Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper dan bacaan lain mengenai pengenalan pola tanda tangan, metode modified direction feature dan algoritma voting feature Interval 5.
b. Observasi. Teknik pengumpulan data tanda tangan dengan mengambil beberapa
sample
tanda
tangan
diambil
langsung
dari
mahasiswa/mahasiswi dalam lingkungan Universitas Widyatama.
5
c. Referensi Internet. Teknik pengumpulan data dengan mencari referensi melalui internet. 2.
Metode pengembangan perangkat lunak Metode pengembangan perangkat lunak pada tugas akhir ini meliputi beberapa proses diantaranya: a. Analisis Kebutuhan Merupakan tahap menganalisis hal-hal yang diperlukan dalam pelaksanaan proyek pembuatan perangkat lunak. b. Perancangan Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang lebih mudah dimengerti oleh user. Terdiri dari perancangan aplikasi dan perancangan basis data. c. Coding Tahap penerjemahan data atau pemecahan masalah yang telah dirancang keadalam bahasa pemrograman tertentu. d. Pengujian Merupakan tahap pengujian terhadap perangkat lunak yang dibangun. e. Pembuatan Dokumentasi Menyusun dokumentasi program agar dapat digunakan pada tahan pengembangan selanjutnya. Penyusunan dokumentasi dilakukan seiring
dengan
pembuatan
aplikasi.
Dokumentasi
akan
diimplementasikan dalam bentuk buku besar. 1.6. Sistematika Penulisan Laporan kerja praktek ini disusun secara sistematis agar mudah dibaca, dievaluasi dan ditelusuri. Sistematika penulisan laporan kerja praktek ini dibagi menjadi beberapa bagian, yaitu: Bab satu pendahuluan, membahas tentang penjelasan latar belakang masalah, perumusan masalah, tujuan dari penelitian tugas akhir, baik bagi mahasiswa,
6
institusi maupun perusahaan, tahapan tugas akhir, dan sistematika penulisan laporan. Bab dua landasan teori, membahas tentang pengetahuan dan perangkat pendukung atau teknologi yang digunakan dalam pengerjaan tugas akhir. Bab tiga analisis, membahas penjelasan tentang system yang akan dibuat dan requirement-requirement yang harus dipenuhi dari sistem yang dibuat. Bab empat perancangan sistem, membahas tentang rancangan database, UML diagram, serta rancangan awal tampilan yang akan digunakan pada aplikasi. Bab lima implementasi dan pengujian, membahas tentang hasil tampilan dari program yang telah berhasil dijalankan dan pengujian terhadap data yang akan diujikan. Bab enam penutup, membahas tentang kesimpulan yang menerangkan seberapa jauh pencapaian yang tercapai, dan penjelasan tentang saran mengenai pengembangan dari aplikasi yang telah dibuat pada tugas akhir ini, dan kendala/masalah yang dialami selama pengerjaan tugas akhir.
