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 .

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

Terhadap pola tanda tangan yang telah diinputkan dilakukan proses pelatihan pola menggunakan jaringan syaraf tiruan dengan algoritma pembelajaran backpropagation neural network. Setelah dilakukan proses pelatihan, 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, maka nasabah diijinkan untuk melakukan proses 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. Konfigurasi parameter pendukungnya adalah nilai learning rate sebesar 0,3, nilai momentum sebesar 0,7 dan toleransi error sebesar 0,0001. 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%. Dengan tingkat keberhasilan sistem dalam mengenali pola tanda tangan yang cukup tinggi, maka aplikasi pengenalan pola tanda tangan menggunakan metode backpropagation neural network dapat digunakan sebagai keamanan dalam transaksi perbankan.

IDENTIFIKASI TANDA TANGAN

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

identifikasi yang mampu membedakan tanda tangan asli atau palsu. Sistem identifikasi yang diimplementasikan ini menggunakan model Jaringan Saraf Tiruan Adaptive Resonance Theory (ART). JST ART ini memiliki kemampuan untuk menerima informasi baru tanpa melupakan informasi sebelumnya, sama seperti cara kerja otak manusia. Untuk dapat mengidentifikasi tanda tangan, jaringan saraf tiruan memerlukan preprocessing dan feature extracting terlebih dulu. 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. Pelatihan JST dilakukan untuk mendapatkan klasifikasi yang tepat dari masukan data latih tanda tangan asli. 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% 83.33% untuk bisa mengenali tanda tangan asli, dan sekitar 70% 80% untuk menolak tanda tangan palsu. Saat identifikasi ini, tanda tangan banyak digunakan Pada sebagai sistem untuk

untuk

mengenali

seseorang.

umumnya,

mengidentifikasi tanda tangan masih dilakukan secara manual yaitu dengan mencocokkan tanda tangan pada waktu transaksi dengan tanda tangan yang sah. Tekstur citra tanda tangan yang unik pada setiap orang dapat dianalisis untuk diidentifikasi. Oleh karena itu, diperlukan sebuah sistem yang mampu menganalisa karakteristik tanda tangan sehingga seseorang. 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. PENGENALAN TANDA-TANGAN Sistem Biometrik dan Tanda-tangan Biometrik merupakan pengembangan dari metode dasar identifikasi dengan menggunakan karakteristik alami manusia sebagai basisnya. Pada Penelitian ini, karakteristik yang dibahas adalah pola tanda-tangan. Hal ini disebabkan karena tanda-tangan memiliki tingkat akurasi untuk identifikasi yang cukup tinggi. 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. 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 klastering rerata, dilakukan pembagian gambar dengan membagi Tingkat Akurasi 1 : 10.000.000 1 : 131.000 1 : 500 1 : 500 1 : 50 1 : 50

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

Gambar 1 Pembagian 2 Cluster (N=2)

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

Gambar 3 Proses ekstraksi ciri Jaringan Saraf Tiruan Perambatan-Balik (Backpropagation)

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