PENDAHULUAN

Tanda tangan (Inggris: signature berasal dari Latin: signare yang berarti "tanda") adalah tulisan tangan, terkadang diberi gaya tulisan tertentu dari nama seseorang atau tanda identifikasi lainnya yang ditulis pada dokumen sebagai sebuah bukti dari identitas dan kemauan. Tanda tangan berlaku sebagai segel. Dalam KUHPdt diakui surat yang bertanda tangan, sedangkan surat yang tidak bertanda tangan, tidak diakui, karena tidak dapat diketahui siapa penulisnya. ( dalam KUHAPidana surat tanpa tanda tangan masih dapat dijadikan bukti dalam perkara pidana ). Pentingnya ada/keberadaan tanda tangan oleh karena dengan adanya tanda tangan berarti orang yang menanda tangani mengetahui isi dari akta tersebut, sehingga dengan demikian orang tersebut terikat dengan isi dari akta tersebut. Surat yang bertanda tangan, dibuat untuk dipakai sebagai alat bukti dan untuk dipergunakan oleh orang untuk keperluan siapa surat itu dibuat disebut akta, yang didalam KUHPdt dibedakan menjadi 2 jenis yaitu akta otentik dan akta di bawah tangan. (pasal 1868, 1869, 1874). Penanda tanganan suatu dokumen secara umum mempunyai tujuan sebagai berikut : 1. Bukti (Evidence) : suatu tanda tangan mengidentifikasikan penandatangan dengan dokumen yang ditandatanganinya. Pada saat penandatangan membubuhkan tanda tangan dalam bentuk yang khusus, tulisan tersebut akan mempunyai hubungan (attribute) dengan penandatangan. 2. Ceremony : penandatanganan suatu dokumen akan berakibat sipenandatangan perbuatan mengetahui sehingga bahwa akan ia telah melakukan adanya hukum, mengeliminasi

inconsiderate engagement .

pencocokan pola suara. terdapat solusi alternatif menggunakan biometrics. identifikasi retina mata. Jadi suatu tulisan yang telah ditanda tangani dan dibenarkan kebenarannya mempunyai kekuatan pembuktian yang sama seperti akta otentik.3. identifikasi sidik jari. Akan tetapi. Biometrics adalah sebuah teknik untuk mengidentifikasi seseorang berdasarkan karakteristik yang melekat pada diri orang tersebut. dan lain-lain. Persetujuan (approval) : tanda tangan melambangkan adanya persetujuan atau otorisasi terhadap suatu tulisan. Perkembangan selanjutnya dalam dunia hukum pembuktian menyangkut beban pembuktian. sebagian orang dapat meniru tanda tangan orang lain sehingga dengan mata telanjang sulit untuk dibedakan mana tanda tangan yang asli dan tanda tangan yang palsu. Untuk memenuhi kebutuhan identifikasi yang aman. . jika pasal 1877 KUHPdt mengatur apabila seseorang memungkiri tulisan atau tanda tangan. pencocokan wajah. Hal itu disebabkan setiap orang memiliki pola tanda tangan yang unik dan sulit bagi orang lain untuk meniru atau menduplikasinya. Terdapat bermacam-macam teknik biometrics yaitu pencocokan pola tanda tangan. Tanda tangan merupakan salah satu identifikasi yang cukup aman. Transaksi membutuhkan suatu identifikasi yang cukup aman terutama transaksi perbankan yang melibatkan jumlah uang yang tidak sedikit. Hal itu akan menjadi masalah dalam suatu transaksi sehingga merugikan pemilik tanda tangan akibat tanda tangannya dipalsukan dan tidak dapat diidentifikasi dengan benar. maka pihak lawan harus membuktikan bahwa tanda tangan itu merupakan tanda tangan orang yang memungkirinya. Sistem identifikasi yang telah dikenal saat ini belum mampu memenuhi tuntutan tersebut.

ke dalam sistem diinputkan pola tanda tangan dari nasabah yang pola tanda tangannya telah dilatihkan dan nomor rekening nasabah tersebut.0001. maka aplikasi pengenalan pola tanda tangan menggunakan metode backpropagation neural network dapat digunakan sebagai keamanan dalam transaksi perbankan. Arsitektur jaringan syaraf tiruan yang digunakan terdiri dari satu layer input dengan 256 node. satu layer tersembunyi (hidden layer) dengan 15 node dan satu layer output dengan 10 node. nilai momentum sebesar 0.3. Setelah dilakukan proses pelatihan. Dengan tingkat keberhasilan sistem dalam mengenali pola tanda tangan yang cukup tinggi.Terhadap pola tanda tangan yang telah diinputkan dilakukan proses pelatihan pola menggunakan jaringan syaraf tiruan dengan algoritma pembelajaran backpropagation neural network. maka nasabah diijinkan untuk melakukan proses transaksi perbankan. Apabila dari hasil pengujian tanda tangannya sesuai dengan milik nasabah dengan nomor rekening yang diinputkan. Konfigurasi parameter pendukungnya adalah nilai learning rate sebesar 0. .7 dan toleransi error sebesar 0. Berdasarkan hasil uji coba diperoleh hasil bahwa sistem mampu mengenali 10 (sepuluh) pola tanda tangan dari 10 (sepuluh) individu yang telah dilatihkan dengan tingkat keberhasilan 95% dan sistem mampu menolak 5 (lima) pola tanda tangan dari 2 (dua) yang tidak dilatihkan dengan tingkat keberhasilan 100%. Dengan demikian tingkat keberhasilan sistem secara keseluruhan sebesar 97.5%.

maupun manusia. seperti tanda tangan. Sedangkan karakteristik perilaku. selain memiliki basis fisiologis yang relatif stabil. Identifikasi tanda tangan manusia merupakan proses untuk mengenali dan menentukan tanda tangan dari seseorang. Pengembangan dari metode dasar identifikasi dengan menggunakan karakteristik alami manusia sebagai basisnya kemudian dikenal sebagai biometrik. Identifikasi ini dilakukan dengan mengenali ciri khas yang dimiliki sesuatu hal tersebut.IDENTIFIKASI TANDA TANGAN Identifikasi merupakan proses yang penting untuk mengenali dan membedakan sesuatu hal dengan hal lainnya. Teknologi identifikasi tanda tangan termasuk di dalam biometrik yang menggunakan karekteristik perilaku alami manusia. pola ucapan. siluet tangan. Biometrik mencakup karakteristik fisiologis dan karakteristik perilaku. Pemalsuan citra tanda tangan dapat terjadi dengan mudah. hal ini dapat berupa hewan. ciri khas wajah. pola iris. tumbuhan. juga dipengaruhi kondisi psikologis yang mudah berubah. atau retina mata. atau ritme mengetik. sehingga dibutuhkan sistem . Karakteristik fisiologis adalah ciri fisik yang relatif stabil seperti sidik jari.

Sistem identifikasi yang diimplementasikan ini menggunakan model Jaringan Saraf Tiruan Adaptive Resonance Theory (ART). tanda tangan banyak digunakan Pada sebagai sistem untuk untuk mengenali seseorang. Dari hasil pengujian diperoleh tingkat keakuratan sistem identifikasi tanda tangan dengan klasifikasi terbaik adalah sekitar 70% – 83. Proses ekstraksi ciri dengan filter 2D Gabor wavelet bertujuan untuk mendapatkan informasi ciri yang penting dari citra tanda tangan dan nilainya diambil sebagai masukan untuk jaringan saraf tiruan. JST ART ini memiliki kemampuan untuk menerima informasi baru tanpa melupakan informasi sebelumnya. Tekstur citra tanda tangan yang unik pada setiap orang dapat dianalisis untuk diidentifikasi. Saat identifikasi ini. mengidentifikasi tanda tangan masih dilakukan secara manual yaitu dengan mencocokkan tanda tangan pada waktu transaksi dengan tanda tangan yang sah. sama seperti cara kerja otak manusia. . Untuk dapat mengidentifikasi tanda tangan. Oleh karena itu.33% untuk bisa mengenali tanda tangan asli.identifikasi yang mampu membedakan tanda tangan asli atau palsu. Pelatihan JST dilakukan untuk mendapatkan klasifikasi yang tepat dari masukan data latih tanda tangan asli. diperlukan sebuah sistem yang mampu menganalisa karakteristik tanda tangan sehingga seseorang. dan sekitar 70% – 80% untuk menolak tanda tangan palsu. umumnya. Suatu tanda tangan dapat dikenali jika tanda tangan tersebut masuk dalam salah satu kelas yang terbentuk dari proses pelatihan. jaringan saraf tiruan memerlukan preprocessing dan feature extracting terlebih dulu. mempermudah Dengan dalam mengidentifikasi jaringan saraf tanda tiruan tangan metode menggunakan perambatan-balik (backpropagation) dapat dibuat sebuah sistem yang mampu menganalisis dan mengidentifikasi tanda tangan seseorang.

Pada Penelitian ini.000. Pada klastering rerata. karakteristik yang dibahas adalah pola tanda-tangan. PENGENALAN TANDA-TANGAN Sistem Biometrik dan Tanda-tangan Biometrik merupakan pengembangan dari metode dasar identifikasi dengan menggunakan karakteristik alami manusia sebagai basisnya. Hal ini disebabkan karena tanda-tangan memiliki tingkat akurasi untuk identifikasi yang cukup tinggi. dilakukan pembagian gambar dengan membagi Tingkat Akurasi 1 : 10. Objek tersebut merupakan bagian dari citra yang akan diolah atau dianalisis.000 1 : 131. Perbandingan tingkat akurasi teknologi biometrik dengan mengacu perbandingan antara kesalahan proses identifikasi dengan ketepatan proses identifikasi dalam kondisi yang acak dapat dilihat pada Tabel 1. Salah satu teknik segmentasi berdasarkan intensitas warna adalah metode klasterisasi rerata (mean clustering).Penelitian ini bertujuan untuk merancang dan melakukan implementasi perangkat lunak yang berfungsi untuk mengidentifikasi tanda tangan menggunakan jaringan saraf tiruan perambatan-balik.000 1 : 500 1 : 500 1 : 50 1 : 50 . TABEL 1 PERBANDINGAN KEAKURATAN TEKNOLOGI BIOMETRIK Biometrik Pemayaran retina Pemayaran iris Pola Sidik Jari Geometri Tangan Dinamika tanda tangan Dinamika Suara Segmentasi Citra Segmentasi dilakukan untuk memilih dan memisahkan objek dari citra secara keseluruhan.

Setiap titik akan digolongkan ke klaster yang terdekat sehingga hasil akhir dari proses ini ialah. Proses terakhir ialah mencari hasil rerata (mean) dari seluruh titik pada setiap klaster. Hasil pembagian dari proses klasterisasi. histogram akan terbagi menjadi bagian-bagian yang dinamakan klaster (kelompok). Hal ini dapat dilihat pada Gambar 2. dilakukan pembagian sejumlah N klaster (kelompok). N ini menentukan jumlah obyek yang diharapkan ada pada gambar. seluruh titik pada setiap klaster diganti dengan rerata klaster sehingga menghasilkan gambar dengan 2 warna.histogram citra. jumlah warna pada gambar menjadi N. Kemudian pada gambar dilakukan penelusuran untuk seluruh titik. Setelah dilakukan pembagian. kemudian mengganti warna seluruh titik didalam grup-grup tersebut dengan rata-rata dari grup masing-masing. Pertama-tama mencari intensitas maksimum dan minimum yang dipergunakan dalam citra. hal ini dapat dilihat pada Gambar 1. Misalnya pembagian citra histogram menjadi dua klaster (N=2). Gambar 1 Pembagian 2 Cluster (N=2) . Dari intensitas minimum ke maksimum.

Pada tahap ini. Gambar 3 menunjukkan proses ekstraksi ciri citra tanda-tangan dengan menghasilkan keluaran berupa data biner (0. Setiap kotak dilakukan pemayaran piksel untuk menentukan piksel dengan nilai intensitas rendah yang ada didalamnya. tahap selanjutnya adalah melakukan ekstraksi ciri-ciri tertentu pada citra. sedangkan apabila bernilai intensitas tinggi (putih) maka kotak akan bernilai 0. Data yang disimpan dalam bentuk matriks M×N sebagai masukan data untuk diproses melalui jaringan saraf tiruan perambatan balik. citra dibagi-bagi menjadi beberapa baris M dan kolom N. Gambar 3 Proses ekstraksi ciri Jaringan Saraf Tiruan Perambatan-Balik (Backpropagation) . misal hitam.1) yang akan digunakan sebagai masukan pada jaringan saraf tiruan perambatan-balik. Apabila kotak tersebut bernilai intensitas rendah (hitam) maka kotak akan bernilai 1.Gambar 2 Hasil Clustering dengan 2 warna Ekstraksi Ciri Setelah citra mengalami tahap segmentasi. Dalam hal ini. intensitas rendah identik dengan warna gelap.

ac.id/172/1/100_106_ahmad_rizal.DAFTAR PUSTAKA http://eprints. .pdf.undip.

Sign up to vote on this title
UsefulNot useful