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 .

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

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. Dengan tingkat keberhasilan sistem dalam mengenali pola tanda tangan yang cukup tinggi. Konfigurasi parameter pendukungnya adalah nilai learning rate sebesar 0. . Setelah dilakukan proses pelatihan. Dengan demikian tingkat keberhasilan sistem secara keseluruhan sebesar 97.5%.Terhadap pola tanda tangan yang telah diinputkan dilakukan proses pelatihan pola menggunakan jaringan syaraf tiruan dengan algoritma pembelajaran backpropagation neural network. ke dalam sistem diinputkan pola tanda tangan dari nasabah yang pola tanda tangannya telah dilatihkan dan nomor rekening nasabah tersebut. Apabila dari hasil pengujian tanda tangannya sesuai dengan milik nasabah dengan nomor rekening yang diinputkan.3. maka nasabah diijinkan untuk melakukan proses transaksi perbankan.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%. nilai momentum sebesar 0.0001. maka aplikasi pengenalan pola tanda tangan menggunakan metode backpropagation neural network dapat digunakan sebagai keamanan dalam transaksi perbankan.

juga dipengaruhi kondisi psikologis yang mudah berubah. hal ini dapat berupa hewan. Pemalsuan citra tanda tangan dapat terjadi dengan mudah. atau ritme mengetik. maupun manusia. seperti tanda tangan. atau retina mata. sehingga dibutuhkan sistem .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. Identifikasi ini dilakukan dengan mengenali ciri khas yang dimiliki sesuatu hal tersebut. tumbuhan. siluet tangan. pola ucapan. Biometrik mencakup karakteristik fisiologis dan karakteristik perilaku. ciri khas wajah. pola iris. selain memiliki basis fisiologis yang relatif stabil. Sedangkan karakteristik perilaku. 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. Karakteristik fisiologis adalah ciri fisik yang relatif stabil seperti sidik jari.

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

000 1 : 131. 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.Penelitian ini bertujuan untuk merancang dan melakukan implementasi perangkat lunak yang berfungsi untuk mengidentifikasi tanda tangan menggunakan jaringan saraf tiruan perambatan-balik. Pada Penelitian ini.000. Objek tersebut merupakan bagian dari citra yang akan diolah atau dianalisis. 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. Salah satu teknik segmentasi berdasarkan intensitas warna adalah metode klasterisasi rerata (mean clustering).000 1 : 500 1 : 500 1 : 50 1 : 50 . Pada klastering rerata. 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. dilakukan pembagian gambar dengan membagi Tingkat Akurasi 1 : 10.

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

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

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

Sign up to vote on this title
UsefulNot useful