##plugins.themes.academic_pro.article.main##
Identifikasi Pengenalan Tanda Tangan Menggunakan Algoritma Backpropagation dan GLCM (Grey Level Co-Occurrence Matrix)
Abstract
Tanda tangan adalah salah satu biometrik berbasis perilaku yang sering digunakan dalam proses autentikasi. Namun, berbagai jenis tanda tangan menyebabkan proses identifikasi menjadi kompleks, sehingga memerlukan penggunaan teknologi komputer yang baik. Studi ini dibuat sebagai upaya untuk menganalisis tanda tangan yang dimiliki oleh pemilik tanda tangan berdasarkan tekstur citra menggunakan metode ekstraksi Grey Level Co-occurrence Matrix (GLCM) dan klasifikasi Backpropagation. Empat fitur GLCM (contrast, correlation, energy, homogeneity) dihitung dalam empat arah (0°, 45°, 90°, 135°). Data terdiri dari sekitar 80 data dari 4 kelas, dibagi menjadi 20 data uji dan 60 data latih. Pengujian dilakukan lima kali untuk setiap konfigurasi neuron guna memperoleh hasil rata-rata. Hasil penelitian ini menunjukkan bahwa konfigurasi lapisan tersembunyi dengan 50 neuron memberikan kinerja terbaik dengan akurasi rata-rata sekitar 80%. Meningkatkan jumlah neuron cenderung mengurangi akurasi karena kemungkinan overfitting. Meskipun demikian, kombinasi GLCM dan Backpropagation dapat mengidentifikasi tanda tangan dengan cukup baik.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
A. R. Asokawati, “Perlindungan Data Biometrik dalam Sektor Perbankan di Indonesia dan Amerika Serikat,” Leg. Standing J. Ilmu Huk., vol. 8, no. 3a, 2024, doi: 10.24269/ls.v8i3a.10775.
L. M. Hasibuan, “Pengenalan Tanda Tangan Dengan Menggunakan Metode Jaringan Syaraf Tiruan Untuk Meningkatkan Keamanan Identitas Digital,” J. Teknol. Kesehat. dan Ilmu Sos., vol. 4, no. 2, 2022.
R. E. K. Sanjaya, “Pemanfaatan Metode GLCM, PCA, dan SVM Untuk Identifikasi Tanda Tangan,” J. Ilmu Komput. dan Sist. Inf., vol. 13, no. 1, 2025, [Online]. Available: https://journal.untar.ac.id/index.php/jiksi/article/view/35132
D. H. Winata and N. Rachmat, “Klasifikasi Jenis Plastik HDPE, LDPE, dan PS Berdasarkan Tekstur Menggunakan Metode Backpropagation,” in MDP Student Conference, 2023. doi: 10.35957/mdp-sc.v2i1.4012.
M. N. Y. M. Yusuf, A. Rahman, and P. Lestari, “Identifikasi Kualitas Telur Ayam Berbasis Pengolahan Citra Digital Menggunakan GLCM dan Jaringan Saraf Tiruan,” J. Teknol. Inf. Apl., vol. 6, no. 2, 2021.
A. Kholis, Penerapan Jaringan Syaraf Tiruan Dengan Metode Backpropagation Dalam Pengenalan Pola Tanda Tangan Untuk Identifikasi Potensi Diri, vol. 1. 2019. [Online]. Available: http://repository.uinsu.ac.id/id/eprint/11456%0Ahttp://repository.uinsu.ac.id/11456/1/Skripsi revisi jilid non listing.pdf
U. Ungkawa, R. Fauzi, and N. Rohaeti, “Penentuan Ukuran Citra Minimal Sistem Konversi Aksara Sunda Dengan Metode Template Matching Correlation,” MIND J., vol. 7, no. 2, 2022, [Online]. Available: https://ejurnal.itenas.ac.id/index.php/mindjournal/article/view/7823
R. Pramudiya, C. Asyraq, A. Kadafi, and R. P. Sardika, “Analisis Gambar Menggunakan Metode Grayscale dan HSV,” Just IT J. Sist. Informasi, Teknol. Inf. dan Komput., vol. 14, no. 3, 2024, [Online]. Available: https://jurnal.umj.ac.id/index.php/just-it/article/view/22099.
M. I. Mustofa and Others, “Penggunaan Metode Ekstraksi Fitur Tekstur Gray Level Co-Occurrence Matrix (GLCM) dan K-Nearest Neighbor Untuk Klasifikasi Citra,” J-PTIIK, vol. 7, no. 1, 2022, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11598
F. M. Sarimole and A. Syaeful, “Classification of Durian Types Using Features Extraction Gray Level Co-occurrence Matrix (GLCM) and K-Nearest Neighbors (KNN),” J. Appl. Eng. Technol. Sci., vol. 4, no. 1, 2022, doi: 10.37385/jaets.v4i1.959.
L. M. Hasibuan, “Signature Recognition Using Backpropagation Artificial Neural Network Method,” J. Teknol. Kesehat. dan Ilmu Sos., vol. 4, no. 2, 2022.
W. A. Lestari, S. Nugroho, and R. D. Pangesti, Implementasi Artificial Neural Network Backpropagation dalam Memprediksi Jumlah Kunjungan Wisatawan Mancanegara ke Indonesia. Bengkulu: Univ. Bengkulu Press, 2024.
M. H. Ibrahim, “Klasifikasi Kerusakan Mesin Sepeda Motor Menggunakan Metode Neural Network Berbasis Confusion Matrix Multiclass,” UIN Maulana Malik Ibrahim Malang, 2024.
R. Y. Choi, A. S. Coyner, J. Kalpathy-Cramer, M. F. Chiang, and J. P. Campbell, “Introduction to Machine Learning, Deep Learning, and Artificial Intelligence in Ophthalmology,” Transl. Vis. Sci. Technol., vol. 9, no. 2, 2020, [Online]. Available: https://pubmed.ncbi.nlm.nih.gov/32704420/
G. Ganesh Chandra and S. Joy, “Breast Cancer Image Classification Using GLCM Features Based Convolutional Neural Network,” Int. J. Trend Sci. Res. Dev., vol. 7, no. 5, 2023.
