Download - PPT sminar

Transcript
Page 1: PPT sminar

SEMINAR HASIL TUGAS AKHIR

VERIFIKASI POLA TANDA TANGAN DOSEN JTI MENGGUNAKAN METODE FUZZY LOGIC

PEMBIMBING :1. ARIEF BRAMANTO W.P S.ST., MT2. BEDY SUPRAPTY S.KOM., M.KOM

OLEH :MARDHIYAH HUURIIN HASPANING PUTRI12 615 004

Page 2: PPT sminar

OutlinePendahuluan Kajian ilmiahKerangka konsep penelitianMetodologi penelitianHasil dan pembahasan

Page 3: PPT sminar

Pendahuluan Latar belakang Rumusan masalahRuang LingkupTujuan Penelitian

Page 4: PPT sminar

Latar belakang

Citra tanda tangan Dosen JTI

Analisis ciri dan pengenalan pola

Fuzzy logic

verifikasi pola tanda tangan

dengan membangun ciri

tanda tangan yang dihasilkan

dari ekstraksi ciri pada segmentasi

citra biner dan diuji dengan kecerdasan

komputasional (Fuzzy Logic)

Terjadinya pengujian kemiripan dengan

tingkat keberhasilan menggunakan

metode presentase

Page 5: PPT sminar

Rumusan masalah 1. Memperoleh ciri khusus

dari citra tanda tangan.2. Proses pengujian data training untuk menentukan

presentasi kemiripan terhadap tiap kategori dengan menggunakan

fuzzy logic

Page 6: PPT sminar

Ruang lingkup1. Pengumpulan data tanda tangan dengan pengisian dilakukan didalam kotak tanda

tangan yang telah disediakan.

2. Proses pemindaian dokumen dengan menggunakan scanner.

3. Tanda tangan yang digunakan untuk diproses ketahap selanjutnya hanya yang berada dalam kotak tanda tangan.

4. Tahap akuisisi data

5. Tahap Pre-processing terdiri dari konversi warna image dari RGB ke grayscale, proses filtering, cropping image, resizing image, dan segmentasi citra.

6. Tahap ekstraksi ciri.

7. Pengujian ciri khusus dengan menggunakan metode fuzzy logic.

Page 7: PPT sminar

Tujuan penelitian

Pengolahaan citra

Pengenalan Pola

Kecerdasan buatan (Fuzzy logic)

Page 8: PPT sminar

Kajian Ilmiah1. Penelitian tentang pengujian pengenalan pola pada tahap keputusan menggunakan fuzzy rule base

(Arief Bramanto W.P, 2014).

2. Penelitian tentang verifikasi dan pengenalan pola tanda tangan (Choudhary, dkk.2013).

3. Penelitian tentang verifikasi tanda tangan menggunakan fuzzy (Chinniah, 2008).

4. Penelitian tentang verifikasi dan identifikasi tanda tangan dengan konsep teori grafik (Fotak, dkk.2011).

5. Verifikasi tanda tangan dengan teknik Robust menggunakan nilai determinan untuk menghasilkan ciri tanda tangan (Al-Dulaimi, 2011).

6. Penelitian tentang analisa ciri berbasis pola (Nuryuliani, dkk. 2010)

7. Pengenalan pola tanda tangan yang berdasar pada Sembilan fitur tanda tangan (Djamal, dkk. 2013).

8. Analisa tulisan tangan, menggunakan SVM dan RBF ( Prasad, dkk. 2010).

9. Pengenalan pola tanda tangan dengan JST RBF (Jariah, dkk. 2011).

Page 9: PPT sminar

Dasar Teori Teori tanda tangan

Teori Pengertian citra

Teori Pengenalan pola

Teori Pusat Massa

Teori Distance and similiarity measurement

Teori Fuzzy logic

Page 10: PPT sminar

Kerangka Konsep Penelitian

KEMIRINGAN TULISAN

TEKANAN PENULISAN

JARAK PINGGIRAN

TULISAN

JARAK BARIS TULISAN

GARIS DASAR TULISAN

UKURAN TULISAN

TANDA TANGAN

TIPE TULISAN

KECEPATAN TULISAN

HURUF UNIK

ZONA PENULISAN

PENGOLAHAN CITRA (IMAGE PROCESSING)

DECISIONPRE-

PROCESSINGAKUISISI

CITRA

PATTERN RECOGNITION

PATTERN VERIFICATION

PATTERN CLASSIFICATION

RULE BASED

PATTERN ANALYSIS

IMAGE SEGMENTATION

REDUCING/CONVERTING

GRAYSCALE

16-BIT IMAGE

8-BIT IMAGE

PIXEL BASED

REGION BASED

EDGE BASED

CLUSTERING BASED

OBJECT BASED

APPEARANCE BASED

FEATURE SELECTION

FEATURE COMPRESSION

FEATURE EXTRACTION

ARTIFICIAL NEURAL

NETWORK

FUZZY LOGIC

DATA IMAGE

CROPPING

BINARY

RESIZING

NOISE FILTERING

Page 11: PPT sminar

Metodologi PenelitianSTART

PRELIMINARY RESEARCH

DATA COLLECTION

RAW DATA STORAGE

IMAGE AQUISITION

Mengetahui Konsep Akuisisi citra

Mengetahui faktor lingkungn yang mempengaruhi kualitas citra

Mampu melakukan proses akuisisi citra sesuai dengan konsep

pengolahan citra

Mampu melakukan tahapan dari preprocessing

Mampu menjelaskan secara umum tentang cropping, resizing,

reducing/converting

Mampu menjelaskan secara umum tentang proses segmentasi

SEGMENTATION(EDGE DETECTION)

CROPPING

RESIZING

CONVERTING TO

GRAYSCALE

NOISE FILTERING

(GAUSSIAN)

CONVERTING TO BINARY

CONVERTING UINT8 TO DOUBLE

PRE PROCESSING

IMAGE DATABASE

CENTER OF GRAVITY EUCLIDEAN DISTANCEFEATURE

EXTRACTION

Memahami konsep analisis citra

Memahami tentang proses ekstraksi ciri

Memahami konsep pengenalan pola

Mengetahui konsep Fuzzy Logic

Mengetahui metode – metode yang dipakai dalam fuzzy logic

Memahami dengan baik konsep Fuzzy Logic yang dipakai

END

TEST FINAL FEATURES OF TRAINED WITH

FUZZY LOGIC

FINAL FEATURES OF TRAINED

Page 12: PPT sminar

Solusi masalah | Alat, Waktu, Tempat

Membangun ciri khusus citra tanda tangan

Menguji citra uji atau yang selanjutnya disebut Guess Image Pattern (GSP) dengan ciri khusus.

Perangkat KerasScanner dengan spesifikasi : Cannon Mp237, Format data

image, True color, 600dpiKomputer yang digunakan adalah Notebook dengan

spesifikasi Processor intel core i3-2350M, 2.3GHz, RAM 2 GB, HDD 500 Gb

Perangkat Lunak Sistem operasi 32 bit software desain flow untuk merancang system Software simulasi dan komputasi

Page 13: PPT sminar

Hasil dan pembahasan1. Proses akuisisi data

2. Tahap preprocessing

3. Analisis ciri menggunakan ekstraksi ciri dengan metode Euclidean distance dan pusat massa

4. Verifikasi dengan metode presentase

Page 14: PPT sminar

Akuisisi DataAkuisitor

Objek

Pencahayaan

Sensor Garis

Gerakan Linier

Faktor lingkungan

Page 15: PPT sminar

PreprocessingORIGINAL

IMAGE

AkuisisiData

Collection

Baca data

RGB Image

Deteksi tepi canny

Konversi ke gray

Noise Filtering

Cropping

BW Image

Konversi type image ke double

Gray Image

PRE-PROCESSING

Tanda tangan

Konversi ke binary

Pola tanda tangan Pola tanda

tangan Pola tanda tangan

Data pelatihan

Page 16: PPT sminar

Pengenalan pola

Preprocessing

Learning

Feature Extraction

Verification

Preprocessing

Pola

Pola uji

PENGENALAN

PELATIHAN

Page 17: PPT sminar

Pengenalan pola

Valid image

Forgery image

Valid image

Data pelatihan(OSP)

Data pengenalan(GSP)

Calculate (compare data)

verification

Page 18: PPT sminar

Ekstraksi ciri

Menghitung euclidean distance

Menghitung pusat massa (max_min)

FEATURE EXTRACTION

Pola tanda tangan Pola tanda

tangan Pola tanda tangan

Data pelatihan

Ciri dengan ED

Ciri dengan PM

Page 19: PPT sminar

Verifikasi dengan statistic metode presentase

Uji valid images pak didi

OSP Data training GSP data pengenalan verifikasi1 2.9161 1 3.0685 0.0655 2 3.1407 2 3.1260 0.0080 3 3.1606 3 3.1957 0.0617 4 3.1739 4 3.1990 0.0650 5 3.2789 5 3.2343 0.1003

Average 3.1340min 2.9161

0.0080 max 3.2789 0.1003

Guest Signature Pattern

Original Signature Pattern

Perolehan ciri dengan Euclidean Distance

Asumsi

e = False

Setelah di verifikasi dengan metodeselisih hasilnya adalah

True = 1 ttdFalse = 4 ttd

Presentasi True =

Presentasi False =

Page 20: PPT sminar

Verifikasi dengan statistic metode presentaseUji forgery images pak didi

OSP Data training

GSP pak najib verifikasi1 3.7680 0.63402 3.7886 0.65463 3.7915 0.6575

1 2.9161 4 3.8087 0.67472 3.1407 5 3.9141 0.78013 3.1606 bu tien 4 3.1739 1 2.8525 0.28155 3.2789 2 2.8591 0.2749

3 2.8638 0.27024 2.8643 0.26975 2.8688 0.2652

Average = 3.1340min 2.9161max 3.2789

Perolehan ciri dengan Euclidean Distance

Setelah di verifikasi dengan metodeselisih hasilnya adalah

True = 5 ttdFalse = 5 ttd

Presentasi True =

Presentasi False =

Asumsi

e = False

Page 21: PPT sminar

Verifikasi dengan statistic metode presentaseGuest

Signature Pattern

Original Signature Pattern

Perolehan ciri dengan Pusat Massa

Uji valid images

OSPData training GSP data pengenalan verifikasi

1 1.0019 1 1.0093 0.0031 2 1.0045 2 1.0097 0.0036 3 1.0070 3 1.0099 0.0038 4 1.0086 4 1.0178 0.0116 5 1.0086 5 1.0225 0.0164

Average = 1.0061

min 1.0019 1.0093 0.0031 max 1.0086 1.0225 0.0164

Setelah di verifikasi dengan metodeselisih hasilnya adalah

True = 5 ttdFalse = 0 ttd

Presentasi True =

Asumsi

e = False

Page 22: PPT sminar

Verifikasi dengan statistic metode presentaseUji forgery images

OSP Data training

GSP pak najib verifikasi1 1.0039 0.00222 1.0040 0.00223 1.0047 0.0014

1 1.0019 4 1.0048 0.00132 1.0045 5 1.0064 0.00033 1.0070 bu tien 4 1.0086 1 3.4972 2.49105 1.0086 2 3.9427 2.9366

3 2.3823 1.37624 2.9512 1.94505 3.9541 2.9479

Average 1.0061min 1.0019max 1.0086

Perolehan ciri dengan Pusat Massa

Asumsi

e = False

Setelah di verifikasi dengan metodeselisih hasilnya adalah

True = 5 ttdFalse = 5 ttd

Presentasi True =

Presentasi False =

Page 23: PPT sminar

Kesimpulan1. Ciri khusus berhasil dibangun dengan data pelatihan sejumlah 50 tanda tangan.

2. Proses pengujian kemiripan data yang dilakukan dengan pengenalan pola pendekatan statistic dirasa masih kurang handal. Karena masih banyak irisan yang terkandung didalam data pengenalan.

3. Dengan menggunakan metode presentase kemiripan hasil percobaan analisis menggunakan Euclidean Distance :a. Uji valid image 20% True, dan 80% Falseb. Uji Forgery image 50 % True dan 50% FalsePusat Massa :c. Uji valid image 100% Trued. Uji Forgery image 50% True dan 50% False

Page 24: PPT sminar

Terima Kasih