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 .

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

0001. Dengan demikian tingkat keberhasilan sistem secara keseluruhan sebesar 97. nilai momentum sebesar 0. Arsitektur jaringan syaraf tiruan yang digunakan terdiri dari satu layer input dengan 256 node.Terhadap pola tanda tangan yang telah diinputkan dilakukan proses pelatihan pola menggunakan jaringan syaraf tiruan dengan algoritma pembelajaran backpropagation neural network.3.5%. . satu layer tersembunyi (hidden layer) dengan 15 node dan satu layer output dengan 10 node. Apabila dari hasil pengujian tanda tangannya sesuai dengan milik nasabah dengan nomor rekening yang diinputkan. 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%. ke dalam sistem diinputkan pola tanda tangan dari nasabah yang pola tanda tangannya telah dilatihkan dan nomor rekening nasabah tersebut. Konfigurasi parameter pendukungnya adalah nilai learning rate sebesar 0. maka aplikasi pengenalan pola tanda tangan menggunakan metode backpropagation neural network dapat digunakan sebagai keamanan dalam transaksi perbankan. maka nasabah diijinkan untuk melakukan proses transaksi perbankan.7 dan toleransi error sebesar 0. Setelah dilakukan proses pelatihan. Dengan tingkat keberhasilan sistem dalam mengenali pola tanda tangan yang cukup tinggi.

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful