KOMPARASI ARSITEKTUR RESNET50DAN VGG16 UNTUK KLASIFIKASI CITRA TANDA TANGAN

KOMPARASI ARSITEKTUR RESNET50DAN VGG16 UNTUK KLASIFIKASI CITRA TANDA TANGAN

Signature, Klasifikasi, Deep learning, VGG16, ResNet50

Tanda tangan merupakan salah satu biometricyang dimiliki manusia. Manusia sering kali berubah-ubahdalam membuat tanda tangan. Hal itu disebabkan oleh beberapa faktor yakni usia, suasana hati, lingkungan, dan lain-lain. Di sisi lain, tanda tangan adalah biometricmanusia yang mudah ditiru karena faktor kemudahan dalam duplikat. Beberapa kasus mengenai pemalsuan tanda tangan membuat tanda tangan memerlukan sebuah sistem verifikasi untuk mengklasifikasi keaslian tanda tangan pemilik. Salah satu metode penelitian yang bisa digunakan dalam membangun sebuah sistem tersebut adalah deep learning. Untuk itu, penulis akan melakukan eksperimen mengenai klasifikasi tanda tangan menggunakan algoritma ResNet50dan VGG16. Datasetyang digunakan adalah data signatureoffline dengan jumlah 2640 data yang terdiri dari label forgeddan genuine. Selanjutnya, dilakukan preprocessingdengan resizecitra. Terakhir, citra diklasifikasi dan diprediksi menggunakan architecture VGG16dan ResNet50. Hasil eksperimen terbaik dalam klasifikasi kanker kulit adalah architecture ResNet50dengan epoch10 yang menghasilkan nilai akurasi 0.99 dan nilai lossterkecil yaitu 0.01 dengan waktu komputasi selama 15836 detik. Novelty dari penelitian yang penulis lakukan yaitu menggunakan 2 algoritma deep learningyang telah dilakukan modifikasi architecture dan hyperparameternya. Selain itu datasetyang digunakan lebih banyak dan hasil akurasi lebih baik dari penelitian sebelumnya. Hasil eksperimen ini diharapkan dapat diterapkan pada sistem klasifikasi signature, sehingga dapat memaksimalkan fungsi biometrik dengan akurat dan mengurangi angka pemalsuan tanda tangan.

Nurul Khasanah

https://jsi.ejournal.unsri.ac.id/index.php/jsi/article/view/71/66

Universitas Nusa Mandiri

April 2022

Fajar bagus W

PDF

Indonesia

Text