PERPUSTAKAAN UNIVERSITAS MUHAMMADIYAH BREBES

NPP 3329042B0000002

  • Profil
  • Informasi
  • Berita
  • Buku Tamu
  • Bantuan
  • Login Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of PENGENALAN POLA TANDA TANGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN EKSTRAKSI FITUR GRAY LEVEL COOCCURRENCE MATRIX

Teks

PENGENALAN POLA TANDA TANGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN EKSTRAKSI FITUR GRAY LEVEL COOCCURRENCE MATRIX

M. Fadil Iksan - Nama Orang;

Tanda tangan merupakan sebuah tanda dari seseorang berupa goresan
tangan yang memiliki karakter dan ciri khas, dimana setiap orang memiliki bentuk
tanda tangan yang berbeda-beda dan merupakan bentuk biometrik yang dapat
digunakan dalam memverifikasi seseorang. Tanda tangan sering sekali digunakan
dalam kegiatan administrasi seperti halnya surat tanah, surat perjanjian, cek dan
administrasi lainya. Kasus yang berkaitan dengan tanda tangan adalah kasus
pemalsuan tanda tangan yang sering terjadi pada administrasi perbankan, dimana
pemalsuan tanda tangan dapat menimbulkan kerugian. Penelitian ini bertujuan
melakukan pengenalan pola tanda tangan menggunakan algoritma GLCM yang
dikombinasikan dengan algoritma data mining klasifikasi KNN.
GLCM digunakan untuk melakukan ekstraksi fitur dengan mengubah citra
gambar berwarna kedalam citra gambar keabuan. Cara kerja algoritma GLCM
dengan mengubah gambar keabuan menjadi matrix, dan menghitung nilai ekstraksi
fitur contrast, correlation, energy dan homogeneity berdasarkan matrix sebuah citra
gambar keabuan. Algoritma KNN digunakan untuk mengklsifikasi data hasil
ekstraksi GLCM dari sebuah citra gambar dengan menggunakan MatLab.
Hasil dari penelitian dengan pengujian jarak k=1 sampai k=10 menunjukan
jarak k =7 merupakan yang terbaik dengan tingkat akurasi sebesar 70,28%.
Berdasarkan tingkat akurasi tersebut artinya algoritma data mining KNN dinilai
cukup baik dalam melakukan pengenalan pola tanda tangan.


Ketersediaan
S00050.24RF TI.S00050.24 Fad pMy Library (Referensi)Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
RF TI.S00050.24 Fad p
Penerbit
Paguyangan : Universitas Muhammadiyah Brebes., 2024
Deskripsi Fisik
xvii,54hlm.;30cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
TI.S00050.24
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
data mining
Pengenalan Pola
tanda tangan
kkn
GLCM
Info Detail Spesifik
Dilengkapi CD
Pernyataan Tanggungjawab
M.FADIL IKSAN (20.01.0.0036) Skripsi ini diajukan kepada Program Studi Sebagai persyaratan menempuh gelar: Sarjana Komputer
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
  • PENGENALAN POLA TANDA TANGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN EKSTRAKSI FITUR GRAY LEVEL COOCCURRENCE MATRIX
Komentar

Anda harus masuk sebelum memberikan komentar

PERPUSTAKAAN UNIVERSITAS MUHAMMADIYAH BREBES
  • Informasi
  • Layanan
  • Pustakawan
  • Kuesioner

Link lainnya :

STMIK-MPB
JURTISI (OJS)

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik