Kombinasi Algoritma Jaringan Syaraf Tiruan Learning Vector Quantization (Lvq) dan Self Organizing Kohonen pada Kecepatan Pengenalan Pola Tanda Tangan

Abstract

Signature is a special form of handwriting that contain special characters and additional forms are often used as proof of a person's identity verification. Partially legible signature, but many signatures that can not be read. However, a signature can be handled as an image so that it can be recognized using pattern recognition applications in image processing. Because the signature is the primary mechanism for authentication and authorization in legal transactions, the need for research on the development of recognition applications and automatic signature verification and efficiently increases from year to year. The method is widely used in signature recognition is a method of artificial neural network. On artificial neural networks are learning and recognition. One neural network algorithm is Learning Vector Quantization ( LVQ ) and Self Organizing Kohonen. Processes that occur in the neural network method requires a relatively long time. It is influenced by the number of data samples are used as a means of weight training update. The more and the large size of the pattern being trained, the longer the time it takes the network. LVQ is a method of training the unsupervised competitive layer will automatically learn to classify input vectors into certain classes. The classes are generated depends on the distance between the input vectors. If there are 2 input vectors are nearly as competitive layer will then classify both the input vectors into the same class. Kohonen Self Organizing Network is one of the neural network model which uses learning methods or unguided unsupervised neural network model that resembles humans. To speed up the computing process in the training and recognition is then developed an algorithm and a combination of LVQ and Self Organizing Kohonen by modifying the weight given to obtain a shorter time in the process of training and recognition.

Tanda tangan adalah sebuah bentuk khusus dari tulisan tangan yang mengandung karakter khusus dan bentuk-bentuk tambahan yang sering digunakan sebagai bukti verifikasi identitas seseorang. Sebagian tanda tangan dapat dibaca, namun banyak pula tanda tangan yang tidak dapat dibaca. Kendati demikian, sebuah tanda tangan dapat ditangani sebagai sebuah citra sehingga dapat dikenali dengan menggunakan aplikasi pengenalan pola pada pengolahan citra. Karena tanda tangan merupakan mekanisme primer untuk authentication dan authorization dalam transaksi legal, maka kebutuhan akan penelitian pada pengembangan aplikasi pengenalan dan verifikasi tanda tangan secara otomatis dan efisien meningkat dari tahun ke tahun. Metode yang banyak digunakan dalam pengenalan tanda tangan adalah metode jaringan syaraf tiruan. Pada jaringan syaraf tiruan terdapat proses pembelajaran serta pengenalan. Salah satu algoritma jaringan syaraf tiruan adalah Learning Vector Quantization (LVQ) dan Self Organizing Kohonen. Proses-proses yang terjadi pada metode jaringan syaraf tiruan memerlukan waktu yang relatif lama. Hal ini dipengaruhi banyaknya sampel data yang digunakan sebagai alat update bobot yang dilatih. Semakin banyak dan besar ukuran dari pola yang dilatih, semakin lama pula waktu yang dibutuhkan jaringan. LVQ adalah suatu metode pelatihan pada lapisan kompetitif terawasi yang akan belajar secara otomatis untuk mengklasifikasikan vektor-vektor input kedalam kelaskelas tertentu. Kelas-kelas yang dihasilkan tergantung pada jarak antara vektor-vektor input. Jika ada 2 vektor input yang hampir sama maka lapisan kompetitif akan mengklasifikasikan kedua vektor input tersebut ke dalam kelas yang sama. Jaringan Self Organizing Kohonen merupakan salah satu model jaringan syaraf tiruan yang menggunakan metode pembelajaran tanpa supervisi atau tak terbimbing yang menyerupai model jaringan syaraf manusia. Untuk mempercepat proses komputansi pada training dan recognition maka dibangun sebuah algoritma kombinasi antara LVQ dengan Self Organizing Kohonen dengan memodifikasi pemberian bobot sehingga diperoleh waktu yang lebih singkat dalam proses training serta recognition.