Identifikasi Pola Tanda Tangan Digital Berbasis Metode CNN Pada Pondok Pesantren Almas’udiyyah

Ulumul Ikhsanil Huda, Muhammad (2025) Identifikasi Pola Tanda Tangan Digital Berbasis Metode CNN Pada Pondok Pesantren Almas’udiyyah. S1 thesis, Universitas Ngudi Waluyo.

	Text JUDUL - Muhammad ulumul Ikhsanil huda.pdf Download (363kB)
	Text pengesahan_artikel - Muhammad ulumul Ikhsanil huda.pdf Download (98kB)
	Text muhammadulumul_141201010_lampirandepan1 - Muhammad ulumul Ikhsanil huda.pdf Download (7MB)
	Text Jurnal Ikhsanil dan Kustiyono. Univ Ngadi Waluyo - Muhammad ulumul Ikhsanil huda.docx Restricted to Registered users only Download (336kB) | Request a copy
	Text muhammadulumul_141201010_konsultasi - Muhammad ulumul Ikhsanil huda.pdf Download (715kB)
	Text muhammadulumul_141201010_lampiranbelakang - Muhammad ulumul Ikhsanil huda.pdf Restricted to Registered users only Download (807kB) | Request a copy
	Text daftar pustaka - Muhammad ulumul Ikhsanil huda.pdf Restricted to Registered users only Download (251kB) | Request a copy

Abstract

Abstrak - Penelitian ini bertujuan untuk mengidentifikasi pola tanda tangan digital menggunakan metode Convolution Neural Network (CNN) di Ponpes Al Mas’udiyyah. Tanda tangan digital merupakan bentuk autentikasi penting dalam transaksi elektronik. Dengan menggunakan MATLAB,kami menggembangkan model CNN untuk mengklasifikasikan tanda tangan dan mengevaluasi akurasinya. Dataset yang digunakan dari gambar tanda tangan santri. Tahap penelitian meliputi pengambilan data tanda tangan sebanyakn 60 citra tanda tangan untuk data training,dan 30 tanda tangan untuk data testing yang kemudian diambil dengan skanner.Hasil penelitian menggunakan metode Convolution Neural Network dapat mengenali setiap citrat anda tangan dengan akurasi tinggi dalam proses testing. Pondok pesantren Al Mas’udiyyah sering membutuhkan proses verifikasi untuk keperluan adminstrasi, seperti penanda tanganan absensi,dokumen. Dengan system verifikasi tanda tangan digital berbasis Covolutional Neural Network (CNN), pondok pesantren dapat memastikan keamanan dan keaslian tanda tangan secara otomatis, sehingga mengurangi resiko tada tangan palsu dan meningkatkan efisien. Model CNN yang dikembangkan dalam penelitian ini mencapai akurasi 86% dalam mengidentifikasi tanda tangan asli atau palsu. Kata Kunci - Tanda tangan, CNN, MATLAB, Identifikasi

Actions (login required)

View Item