Implementasi Algoritma Discrete Wavelet Transform dan K-Nearest Neighbor pada Verifikasi Tanda Tangan Offline

Verifikasi biometrik merupakan teknik yang paling banyak digunakan untuk memverifikasi seseorang, salah satu verifikasi biometrik yang umum digunakan adalah tanda tangan. Dalam industri keuangan, khususnya perbankan, masih terdapat celah yang dimanfaatkan oleh para pelaku kejahatan untuk mengelabui sistem dalam syarat administratif dengan memalsukan tanda tangan. Untuk itu dibutuhkan metode untuk melakukan verifikasi terhadap identitas seseorang. Dalam tahap verifikasi tanda tangan, terdapat proses feature extraction, salah satu algoritma feature extraction adalah Discrete Wavelet Transform (DWT). Pengklasifikasian tanda tangan menggunakan algoritma K-Nearest Neighbor (KNN). Pada penelitian ini, pengujian dilakukan pada dekomposisi DWT level 1 sampai 7 dan menggunakan dataset dari CEDAR LAB. Berdasarkan hasil uji coba yang telah dilakukan, maka performa sistem dengan akurasi yang paling tinggi didapatkan pada dekomposisi DWT level 3 dengan nilai K=1 sebesar 78,79%. Kemampuan sistem untuk mengenali tanda tangan asli dan palsu masih terbilang rendah, hal ini dikarenakan nilai FRR minimum yang dihasilkan oleh sistem adalah sebesar 13,03% pada dekomposisi DWT level 4 dengan nilai K=1. Sedangkan nilai FAR minimum yang dihasilkan oleh sistem adalah sebesar 1,82% pada dekomposisi DWT level 1 dengan nilai K=1