Penerapan Metode Ekstraksi Fitur Geometris, Hog, dan Hu Moment Pada Citra Tanda Tangan Digital Menggunakan Support Vector Machine (SVM)

Abstrak

Peningkatan penggunaan dokumen elektronik mendorong kebutuhan akan sistem verifikasi tanda tangan digital yang cepat, akurat, dan objektif. Penelitian ini mengusulkan sistem pengenalan tanda tangan digital menggunakan kombinasi metode ekstraksi fitur Geometric Features, Histogram of Oriented Gradients (HOG), dan Hu Moment dengan algoritma Support Vector Machine (SVM) berkernel Radial Basis Function (RBF). Dataset terdiri atas 500 citra tanda tangan dari 50 individu yang dibagi menggunakan rasio 80:10:10 menjadi data latih, validasi, dan uji. Tahapan penelitian meliputi preprocessing citra, ekstraksi fitur, pembentukan vektor fitur, pelatihan model, dan evaluasi menggunakan confusion matrix. Hasil pengujian menunjukkan bahwa kombinasi ketiga metode ekstraksi fitur mampu merepresentasikan karakteristik tanda tangan secara komprehensif. Model berhasil mengklasifikasikan 46 dari 50 data uji dengan akurasi 92,00%, precision 88,00%, recall 92,00%, dan F1-score 89,33%, sehingga efektif untuk mendukung pengenalan tanda tangan digital dan autentikasi dokumen elektronik.

Identifier

• DOI: https://doi.org/10.36085/jsai.v9i2.10910
• OpenAlex: https://openalex.org/W7167629457