EKSTRAKSI FITUR LOKAL PADA CITRA TANDA TANGAN MENGGUNAKAN ADAPTIVE WINDOWS POSITIONING DAN ENTROPY
Abstract
Metode ekstraksi fitur digunakan dalam salah satu tahapan proses identifikasi tanda tangan. Pemilihan metode grid entropy untuk ekstraksi fitur yang dipilih pada penelitian sebelumnya memiliki kelemahan, seiring dengan pertambahan jumlah grid, maka akan semakin banyak grid memiliki nilai entropy sama dengan nol. Oleh karena itu dalam penelitian ini ekstraksi fitur akan dilakukan dengan metode adaptive window positioning. Metode penelitian yang dilakukan adalah pembacaan citra, mengubah ukuran citra, konversi citra ke citra biner, ekstraksi sub-image, menghitung entropy dari sub image, kemudian menyimpan fitur yang dihasilkan ke Json file. Banyaknya nilai entropy yang dihasilkan tidak sama karena menerapkan semi-adaptive window positioning. Perhitungan nilai entropy untuk setiap sub-citra telah berhasil diimplementasikan, dan untuk penelitian selanjutnya ekstraksi fitur akan diterapkan pada seluruh dataset tanda tangan.