English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Teknologi computer vision untuk identifikasi identitas spesifik seseorang telah banyak berkembang, baik identifikasi melalui sidik jari, retina, suara, bahkan tanda tangan. Tanda tangan merupakan identitas autentifikasi yang umum digunakan. Dengan perkembangan teknologi digital, diperlukan metode autentifikasi tanda tangan untuk memastikan keamanan, keaslian, dan kesesuaian tanda tangan. Penelitian ini bertujuan menggunakan metode Principal Component Analysis (PCA) dan Euclidean Distance untuk mengidentifikasi tanda tangan dengan perlakuan yang berbeda. Pengujian menunjukkan tingkat akurasi terbaik pada nilai threshold sebesar 50 – 219 dengan nilai akurasi 95%. Penggunaan dimensi berbeda antara citra training dan citra testing menghasilkan akurasi 60%. Pengujian dengan tinta warna berbeda menunjukan tingkat akurasi mencapai 100%. Dengan demikian, metode PCA dan Euclidean Distance dapat digunakan untuk mengidentifikasi tanda tangan.

Penggunaan Principal Component Analysis dan Euclidean Distance untuk Identifikasi Citra Tanda Tangan