IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY UNTUK MENDETEKSI TINGKAT KEMIRIPAN PADA TANDA TANGAN

Suma, Kevin Matthews and Angdresey, Apriandy and Kairupan, Indah Yessi (2023) IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY UNTUK MENDETEKSI TINGKAT KEMIRIPAN PADA TANDA TANGAN. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-LEMBAR_PENGESAHAN_KevinSuma.pdf Download (355kB)
	PDF ABSTRAK_KevinSuma.pdf Download (23kB)
	PDF KATA_PENGANTAR-DAFTAR_ISI_KevinSuma.pdf Download (176kB)
	PDF BAB_I_KevinSuma.pdf Download (34kB)
	PDF BAB_II-LAMPIRAN_KevinSuma.pdf Restricted to Repository staff only Download (2MB)

Official URL: https://digilib.unikadelasalle.ac.id/

Abstract

Sebuah hal yang dapat ditiru melalui berbagai teknik pemalsuan, sangat sulit untuk diidentifikasi oleh mata manusia. Pemalsuan tanda tangan merupakan masalah serius yang sering terjadi dalam berbagai organisasi. Dalam konteks keamanan dan validitas dokumen, tanda tangan dianggap sebagai salah satu metode autentikasi yang penting dan sering disalahgunakan untuk keuntungan pribadi seseorang. Penelitian ini bertujuan untuk mengimplementasikan algoritma Long-Short Term Memory (LSTM) dengan tujuan mendeteksi kemiripan pada tanda tangan. Algoritma LSTM dipilih karena memiliki kemampuan untuk mengolah data berurutan, yang sesuai dengan karakteristik yang ada pada tanda tangan.
Pengumpulan data berupa gambar dilakukan melalui repository Universitas Katolik De La Salle Manado, berdasarkan nama-nama dosen yang ada dalam Fakultas Teknik Informatika. Data yang telah terkumpul akan dilakukan pemrosesan awal untuk menyederhanakan data dan augmentation data untuk meningkatkan kualitas data. Arsitektur LSTM akan dirancang menjadi sebuah model kemudian dilatih menggunakan dataset yang telah diproses, kinerja dari model kemudian akan dievaluasi menggunakan confusion matrix. Berdasarkan hasil dari confusion matrix performa LSTM dalam mendeteksi klasifikasi terhadap gambar tanda tangan mencapai tingkat akurasi sebesar 98.57%. Hasil akurasi yang dihasilkan menunjukkan bahwa model LSTM dapat mengidentifikasi tanda tangan berdasarkan kelas yang telah ditentukan dan memberikan tingkat kemiripan terhadap tanda tangan yang di masukan. Model yang telah dilatih akan dibuat menjadi aplikasi web agar dapat memungkinkan pengguna mengunggah gambar tanda tangan dan menerima hasil verifikasi secara instan.

Kata Kunci: Deep Learning, LSTM, Klasifikasi Gambar, Tanda Tangan.

Item Type:

Thesis (Skripsi)

Creators: