Download - PPT sminar
SEMINAR HASIL TUGAS AKHIR
VERIFIKASI POLA TANDA TANGAN DOSEN JTI MENGGUNAKAN METODE FUZZY LOGIC
PEMBIMBING :1. ARIEF BRAMANTO W.P S.ST., MT2. BEDY SUPRAPTY S.KOM., M.KOM
OLEH :MARDHIYAH HUURIIN HASPANING PUTRI12 615 004
OutlinePendahuluan Kajian ilmiahKerangka konsep penelitianMetodologi penelitianHasil dan pembahasan
Pendahuluan Latar belakang Rumusan masalahRuang LingkupTujuan Penelitian
Latar belakang
Citra tanda tangan Dosen JTI
Analisis ciri dan pengenalan pola
Fuzzy logic
verifikasi pola tanda tangan
dengan membangun ciri
tanda tangan yang dihasilkan
dari ekstraksi ciri pada segmentasi
citra biner dan diuji dengan kecerdasan
komputasional (Fuzzy Logic)
Terjadinya pengujian kemiripan dengan
tingkat keberhasilan menggunakan
metode presentase
Rumusan masalah 1. Memperoleh ciri khusus
dari citra tanda tangan.2. Proses pengujian data training untuk menentukan
presentasi kemiripan terhadap tiap kategori dengan menggunakan
fuzzy logic
Ruang lingkup1. Pengumpulan data tanda tangan dengan pengisian dilakukan didalam kotak tanda
tangan yang telah disediakan.
2. Proses pemindaian dokumen dengan menggunakan scanner.
3. Tanda tangan yang digunakan untuk diproses ketahap selanjutnya hanya yang berada dalam kotak tanda tangan.
4. Tahap akuisisi data
5. Tahap Pre-processing terdiri dari konversi warna image dari RGB ke grayscale, proses filtering, cropping image, resizing image, dan segmentasi citra.
6. Tahap ekstraksi ciri.
7. Pengujian ciri khusus dengan menggunakan metode fuzzy logic.
Tujuan penelitian
Pengolahaan citra
Pengenalan Pola
Kecerdasan buatan (Fuzzy logic)
Kajian Ilmiah1. Penelitian tentang pengujian pengenalan pola pada tahap keputusan menggunakan fuzzy rule base
(Arief Bramanto W.P, 2014).
2. Penelitian tentang verifikasi dan pengenalan pola tanda tangan (Choudhary, dkk.2013).
3. Penelitian tentang verifikasi tanda tangan menggunakan fuzzy (Chinniah, 2008).
4. Penelitian tentang verifikasi dan identifikasi tanda tangan dengan konsep teori grafik (Fotak, dkk.2011).
5. Verifikasi tanda tangan dengan teknik Robust menggunakan nilai determinan untuk menghasilkan ciri tanda tangan (Al-Dulaimi, 2011).
6. Penelitian tentang analisa ciri berbasis pola (Nuryuliani, dkk. 2010)
7. Pengenalan pola tanda tangan yang berdasar pada Sembilan fitur tanda tangan (Djamal, dkk. 2013).
8. Analisa tulisan tangan, menggunakan SVM dan RBF ( Prasad, dkk. 2010).
9. Pengenalan pola tanda tangan dengan JST RBF (Jariah, dkk. 2011).
Dasar Teori Teori tanda tangan
Teori Pengertian citra
Teori Pengenalan pola
Teori Pusat Massa
Teori Distance and similiarity measurement
Teori Fuzzy logic
Kerangka Konsep Penelitian
KEMIRINGAN TULISAN
TEKANAN PENULISAN
JARAK PINGGIRAN
TULISAN
JARAK BARIS TULISAN
GARIS DASAR TULISAN
UKURAN TULISAN
TANDA TANGAN
TIPE TULISAN
KECEPATAN TULISAN
HURUF UNIK
ZONA PENULISAN
PENGOLAHAN CITRA (IMAGE PROCESSING)
DECISIONPRE-
PROCESSINGAKUISISI
CITRA
PATTERN RECOGNITION
PATTERN VERIFICATION
PATTERN CLASSIFICATION
RULE BASED
PATTERN ANALYSIS
IMAGE SEGMENTATION
REDUCING/CONVERTING
GRAYSCALE
16-BIT IMAGE
8-BIT IMAGE
PIXEL BASED
REGION BASED
EDGE BASED
CLUSTERING BASED
OBJECT BASED
APPEARANCE BASED
FEATURE SELECTION
FEATURE COMPRESSION
FEATURE EXTRACTION
ARTIFICIAL NEURAL
NETWORK
FUZZY LOGIC
DATA IMAGE
CROPPING
BINARY
RESIZING
NOISE FILTERING
Metodologi PenelitianSTART
PRELIMINARY RESEARCH
DATA COLLECTION
RAW DATA STORAGE
IMAGE AQUISITION
Mengetahui Konsep Akuisisi citra
Mengetahui faktor lingkungn yang mempengaruhi kualitas citra
Mampu melakukan proses akuisisi citra sesuai dengan konsep
pengolahan citra
Mampu melakukan tahapan dari preprocessing
Mampu menjelaskan secara umum tentang cropping, resizing,
reducing/converting
Mampu menjelaskan secara umum tentang proses segmentasi
SEGMENTATION(EDGE DETECTION)
CROPPING
RESIZING
CONVERTING TO
GRAYSCALE
NOISE FILTERING
(GAUSSIAN)
CONVERTING TO BINARY
CONVERTING UINT8 TO DOUBLE
PRE PROCESSING
IMAGE DATABASE
CENTER OF GRAVITY EUCLIDEAN DISTANCEFEATURE
EXTRACTION
Memahami konsep analisis citra
Memahami tentang proses ekstraksi ciri
Memahami konsep pengenalan pola
Mengetahui konsep Fuzzy Logic
Mengetahui metode – metode yang dipakai dalam fuzzy logic
Memahami dengan baik konsep Fuzzy Logic yang dipakai
END
TEST FINAL FEATURES OF TRAINED WITH
FUZZY LOGIC
FINAL FEATURES OF TRAINED
Solusi masalah | Alat, Waktu, Tempat
Membangun ciri khusus citra tanda tangan
Menguji citra uji atau yang selanjutnya disebut Guess Image Pattern (GSP) dengan ciri khusus.
Perangkat KerasScanner dengan spesifikasi : Cannon Mp237, Format data
image, True color, 600dpiKomputer yang digunakan adalah Notebook dengan
spesifikasi Processor intel core i3-2350M, 2.3GHz, RAM 2 GB, HDD 500 Gb
Perangkat Lunak Sistem operasi 32 bit software desain flow untuk merancang system Software simulasi dan komputasi
Hasil dan pembahasan1. Proses akuisisi data
2. Tahap preprocessing
3. Analisis ciri menggunakan ekstraksi ciri dengan metode Euclidean distance dan pusat massa
4. Verifikasi dengan metode presentase
Akuisisi DataAkuisitor
Objek
Pencahayaan
Sensor Garis
Gerakan Linier
Faktor lingkungan
PreprocessingORIGINAL
IMAGE
AkuisisiData
Collection
Baca data
RGB Image
Deteksi tepi canny
Konversi ke gray
Noise Filtering
Cropping
BW Image
Konversi type image ke double
Gray Image
PRE-PROCESSING
Tanda tangan
Konversi ke binary
Pola tanda tangan Pola tanda
tangan Pola tanda tangan
Data pelatihan
Pengenalan pola
Preprocessing
Learning
Feature Extraction
Verification
Preprocessing
Pola
Pola uji
PENGENALAN
PELATIHAN
Pengenalan pola
Valid image
Forgery image
Valid image
Data pelatihan(OSP)
Data pengenalan(GSP)
Calculate (compare data)
verification
Ekstraksi ciri
Menghitung euclidean distance
Menghitung pusat massa (max_min)
FEATURE EXTRACTION
Pola tanda tangan Pola tanda
tangan Pola tanda tangan
Data pelatihan
Ciri dengan ED
Ciri dengan PM
Verifikasi dengan statistic metode presentase
Uji valid images pak didi
OSP Data training GSP data pengenalan verifikasi1 2.9161 1 3.0685 0.0655 2 3.1407 2 3.1260 0.0080 3 3.1606 3 3.1957 0.0617 4 3.1739 4 3.1990 0.0650 5 3.2789 5 3.2343 0.1003
Average 3.1340min 2.9161
0.0080 max 3.2789 0.1003
Guest Signature Pattern
Original Signature Pattern
Perolehan ciri dengan Euclidean Distance
Asumsi
e = False
Setelah di verifikasi dengan metodeselisih hasilnya adalah
True = 1 ttdFalse = 4 ttd
Presentasi True =
Presentasi False =
Verifikasi dengan statistic metode presentaseUji forgery images pak didi
OSP Data training
GSP pak najib verifikasi1 3.7680 0.63402 3.7886 0.65463 3.7915 0.6575
1 2.9161 4 3.8087 0.67472 3.1407 5 3.9141 0.78013 3.1606 bu tien 4 3.1739 1 2.8525 0.28155 3.2789 2 2.8591 0.2749
3 2.8638 0.27024 2.8643 0.26975 2.8688 0.2652
Average = 3.1340min 2.9161max 3.2789
Perolehan ciri dengan Euclidean Distance
Setelah di verifikasi dengan metodeselisih hasilnya adalah
True = 5 ttdFalse = 5 ttd
Presentasi True =
Presentasi False =
Asumsi
e = False
Verifikasi dengan statistic metode presentaseGuest
Signature Pattern
Original Signature Pattern
Perolehan ciri dengan Pusat Massa
Uji valid images
OSPData training GSP data pengenalan verifikasi
1 1.0019 1 1.0093 0.0031 2 1.0045 2 1.0097 0.0036 3 1.0070 3 1.0099 0.0038 4 1.0086 4 1.0178 0.0116 5 1.0086 5 1.0225 0.0164
Average = 1.0061
min 1.0019 1.0093 0.0031 max 1.0086 1.0225 0.0164
Setelah di verifikasi dengan metodeselisih hasilnya adalah
True = 5 ttdFalse = 0 ttd
Presentasi True =
Asumsi
e = False
Verifikasi dengan statistic metode presentaseUji forgery images
OSP Data training
GSP pak najib verifikasi1 1.0039 0.00222 1.0040 0.00223 1.0047 0.0014
1 1.0019 4 1.0048 0.00132 1.0045 5 1.0064 0.00033 1.0070 bu tien 4 1.0086 1 3.4972 2.49105 1.0086 2 3.9427 2.9366
3 2.3823 1.37624 2.9512 1.94505 3.9541 2.9479
Average 1.0061min 1.0019max 1.0086
Perolehan ciri dengan Pusat Massa
Asumsi
e = False
Setelah di verifikasi dengan metodeselisih hasilnya adalah
True = 5 ttdFalse = 5 ttd
Presentasi True =
Presentasi False =
Kesimpulan1. Ciri khusus berhasil dibangun dengan data pelatihan sejumlah 50 tanda tangan.
2. Proses pengujian kemiripan data yang dilakukan dengan pengenalan pola pendekatan statistic dirasa masih kurang handal. Karena masih banyak irisan yang terkandung didalam data pengenalan.
3. Dengan menggunakan metode presentase kemiripan hasil percobaan analisis menggunakan Euclidean Distance :a. Uji valid image 20% True, dan 80% Falseb. Uji Forgery image 50 % True dan 50% FalsePusat Massa :c. Uji valid image 100% Trued. Uji Forgery image 50% True dan 50% False
Terima Kasih