<![CDATA[KLASIFIKASI KEPEMILIKAN TANDA TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR NASNETMOBILE]]>
Ahmad Rohim
Pengarang
Hidayatus Sibyan, M.Kom
Dosen Pembimbing 1
Nahar Mardiyantoro, M.Kom.
Dosen Pembimbing 2
Saifu Rohman, M.Kom.
Penguji 1
Iman Ahmad Ihsanuddin, S.Pd.Kom, M.Pd
Penguji 2
Hidayatus Sibyan, M.Kom
Ketua Penguji
Pengenalan tanda tangan merupakan bukti penting dalam memvalidasi keasliansuatu dokumen, menegaskan bahwa setiap tanda tangan bersifat unik dan berbeda.Karena itu, tanda tangan tidak boleh disalahgunakan karena dapat menimbulkankonsekuensi yang serius. Klasifikasi kepemilikan tanda tangan diperlukan untukmenentukan siapa pemiliknya. Penelitian ini bertujuan untuk mengklasifikasi polatanda tangan individu dengan menggunakan Convolutional Neural Network yangberarsitektur NASNetMobile. Dataset penelitian berupa gambar tanda tangan yangdiperoleh dari 18 Kepala Desa di Kecamatan Kalikajar, di mana setiap kepala desamenandatangani tanda tangannya sendiri sebanyak 50 kali sehingga total yangterkumpul sebanyak 900 gambar tanda tangan, yang akan dibagi sebagai berikut:720 gambar tanda tangan (80%) untuk data latih, 90 gambar tanda tangan (10%)untuk data uji, dan 90 gambar tanda tangan (10%) untuk data validasi. Dalampenelitian ini, dua optimizer digunakan, yaitu Adam dan RMSprop, denganlearning rate sebesar 0,001 untuk kedua optimizer tersebut dan percobaan nilaiepoch 20, 30, 40 dan 50. Masing-masing optimizer diuji untuk menghasilkan nilaiprecision, recall, dan accuracy yang berbeda-beda. Pengujian pada dataset internalmenunjukkan bahwa optimizer RMSProp mencapai tingkat akurasi tertinggi, yaitusebesar 100%.
Kata Kunci : Tanda tangan, Convolutional Neural Network, ArsitekturNASNetMobile.