14 tanda tangan. Iterasi yang dilakukan masih

tanda tangan. Iterasi yang dilakukan masih
dirasa kurang terutama ketika citra awal
sebelum didekomposisi wavelet juga menjadi
faktor penyebab citra tidak terkelompokkan
dengan baik.
Pada alpha, lebar tetangga awal dan lebar
tetangga akhir yang sama tidak bisa
dibandingkan antara citra awal dengan citra
hasil dekomposisi wavelet level 1. Hal ini
berarti pada setiap level perlu dicoba untuk
semua alpha dan perubahan lebar tetangga.
Pada citra yang sama kelasnya namun
ukurannya berbeda maka akan mendapatkan
alpha optimum yang berbeda pula.
Pada kasus ini ditemukan fakta bahwa tidak
ada jaminan jika DBI memiliki nilai minimum
dan koefisien silhouette maksimum akan
menghasilkan pengelompokan yang optimum.
Hidayatno A, Isnanto RR, Buana DKW. 2008.
Identifikasi Tanda Tangan Menggunakan
Jaringan Saraf Tiruan Perambatan Balik
(Backpropagation).
http://eprints.undip.ac.id/172/1/100_106_ah
mad_rizal.pdf [18 Maret 2010]
Groenen
PJF,
Velden
MVD.
2004.
Multidimensional
Scaling.
http://publishing.eur.nl/ir/repub/asset/1274/e
e200415.pdf [29 September 2010]
Kanata Bulkis. 2008. Deteksi Sidik Jari
Berbasis Alihragam Gelombang Singkat dan
Jaringan Saraf Tiruan (JST) Khusus Kota
Mataram
dan
Sekitarnya.
http://ejournal.unud.ac.id/bulkis_2_.pdf
[5 September 2010]
Kohonen T. 2001. Self-organizing Maps.
Springer, Heidelberg (3rd Ed.).
Saran
Penelitian selanjutnya dapat dilakukan
dengan mengubah nilai awal lebar tetangga dan
dengan mencari ciri dari setiap pola sehingga
citra tanda tangan dapat terkelompokkan
dengan baik. Cara lain untuk meningkatkan
hasil pengelompokan yang optimum dapat
dilakukan pencarian rumus jarak yang lain dan
penambahan iterasi yang cukup besar sehingga
objek mengalami proses pembelajaran yang
cukup lama dan dilakukan proses pencarian ciri
khas dari tiap citra tanda tangan.
DAFTAR PUSTAKA
Edward. 2006. Clustering menggunakan Self
Organizing Maps (Studi Kasus: Data PPMB
IPB). [Skripsi]. Bogor: Fakultas Matematika
dan Ilmu Pengetahuan Alam, Institut
Pertanian Bogor.
Fausett L. 1994. Fundamentals of Neural
Networks. New Jersey : Prentice Hall.
Graps A. 1995. An Introduction to Wavelets.
IEEE
Computational
Science
and
Engineering. Vol.2, No 2. 1995.
http://www.cis.udel.edu/~amer/CISC651/IE
EEwavelet.pdf [21 Desember 2009]
Hasanah N. 2009. Analisis Taksonometri pada
Karakteristik Morfologi Daun Dikotiledon
Kelas Magnoliopsida Menggunakan SOM
Kohonen. [Skripsi]. Bogor: Fakultas
Matematika dan Ilmu Pengetahuan Alam,
Institut Pertanian Bogor.
Larose DT. 2004. Discovering Knowledge in
Data: An Introduction to Data Mining.
USA: John Wiley & Sons.
McAndrew A. 2004. An Intoduction to Digital
Image Processing with Matlab. USA:
thomson Course Technology.
Musyaffa FA. 2009. Pengenalan tanda tangan
menggunakan algoritme VFI5 melalui
praproses wavelet. [Skripsi]. Bogor:
Fakultas Matematika dan Ilmu Pengetahuan
Alam, Institut Pertanian Bogor.
Ramadhan T. 2010. Penelusuran Artikel Kasus
Tindak
Pidana
Korupsi
(TIPIKOR)
menggunakan Metode Self Organizing
Maps (SOM). [Skripsi]. Bogor: Fakultas
Matematika dan Ilmu Pengetahuan Alam,
Institut Pertanian Bogor.
Ross AA, Nandakumar A, Jain AK. 2006.
Handbook of Multibiometrics. New York:
Springer Science.
Salazar GEJ, Veles AC, Parra MCM, Ortega
LO. 2002. A Cluster Validity Index for
Comparing Non-Hierarchical Clustering
Methods.
http://citeseer.ist.psu.edu/rd/salazar02cluster
.pdf [26 September 2010]
14
Siong AW, Resmana. Pengenalan Citra Objek
Sederhana dengan Menggunakan Metode
Jaringan
Saraf
Tiruan
SOM.
http://fportfolio.petra.ac.id/user_files/91024/som-image-recog.doc [20 Desember
2009]
Tan PN, Steinbach M, Kumar V. 2006.
Introduction to Data Mining. USA: Addison
Wesley
15