ABSTRAKSI: Penggunaan CAPTCHA bertujuan untuk meningkatkan keamanan sebuah website dari ancaman spambot. Namun pada kenyatannya, terdapat beberapa jenis CAPTCHA yang memiliki tingkat keamanan rendah, sehingga masih dapat dilewati oleh program komputer otomatis dengan cara pengolahan citra. Hal ini tentunya sangat berbahaya mengingat peran CAPTCHA yang sangat penting baik bagi pemilik maupun pengguna website. Oleh karena itu, dirasa perlu dibuat sebuah program pembaca CAPTCHA untuk menganalisis tingkat keamanan dari CAPTCHA yang bersangkutan sekaligus mendorong pihak pengembang untuk terus meningkatkan keamanan CAPTCHA-nya.
Dalam membuat sistem berbasis pengolahan citra digital yang dapat membaca teks CAPTCHA , ada empat tahapan yang harus dilakukan. Tahap pertama adalah tahap Pre - processing untuk menghilangkan noise background pada CAPTCHA . Tahap kedua adalah tahap Segmentation untuk membagi CAPTCHA menjadi beberapa karakter tunggal. Tahap ketiga adalah tahap Feature Extraction untuk mengambil ciri dari karakter hasil segmentasi. Dan tahap terakhir adalah tahap Classification untuk mengidentif ikasi ciri hasil ekstraksi ciri.
Dari hasil simulasi didapat tingkat keber hasilan pre - processing sebesar 95,9459% untuk Data Uji 1 dan 94,5652% untuk Data Uji 2. Sedangkan tingkat keberhasilan segmentasi sebesar 58,3893% untuk Data Uji 1 dan 77,1739% untuk Data Uji 2. Tingkat akurasi sistem maksimum didapat dengan menggunakan me tode ekstraksi ciri penjumlahan per blok ( square sum ) dengan ukuran citra 15x15 dan ukuran blok 3x3, yaitu sebesar 42,3019% (per karakter) dan 10,0671% (per CAPTCHA ) dengan waktu komputasi rata - rata sebesar 0,0797 detik untuk Data Uji 1. Sedangkan untuk D ata Uji 2, tingkat akurasi sistem sebesar 46,2651% (per karakter) dan 15,2174% (per CAPTCHA ) dengan waktu komputasi rata - rata sebesar 0,0787 detik. Jika mengacu pada pernyataan yang terdapat pada jurnal [12] dan website [13], maka RainCaptcha Teks Timbul d apat dikatakan kurang baik.Kata Kunci : Kata kunci: CAPTCHA , Pre - processing, Segmentation, Feature Extraction, Classification.ABSTRACT: The use of CAPTCHA aims to improve the security of a website from spambots threat. But in reality, there are several types of CAPTCHA which has a low level of security, so they can be bypassed by an automated com puter program by means of image processing. This is certainly very dangerous , considering the very important role of CAPTCHA for both owners and users of the website. The refore, it is necessary to make a CAPTCHA reader program to analyze the level of security of a concerned CAPTCHA and to encourage developers to improve its CAPTCHA security
In making system that can read CAPTCHA text based on digital image processing, the re are four steps that must be done. The first stage is the P re - P rocessing stage to eliminate background noise in the CAPTCHA . The second stage is the Segmentation stage to divide CAPTCHA into several single character. The third stage is the Feature Extrac tion stage for taking feature of character segmentation results. And the last stage is the Classification stage to identify the feature extraction results.
From the simulation results obtained pre - processing success rate of 95.9459% for Test Data 1 and 94. 5652% for Test Data 2. While the segmentation success rate of 58.3893% for Test Data 1 and 77.1739% for Test Data 2. The maximum level of system accuracy is obtained by using the method of feature extraction sum per block ( square sum ) with the image size i s 15x15 and 3x3 block size, th at is equal to 42.3019 % (per character) and 10.067 1 % (per CAPTCHA) with an a verage computation time of 0.0797 seconds for Test Data 1. As for Test Data 2, the level of system accuracy of 46.265 1 % (per character) and 15.217 4 % ( per CAPTCHA) with an a verage computation time of 0.0787 seconds. If referring to the statement contained in the journal [12] and website [13], it can be said that Embossed Text RainCaptch a is u nfavorable.Keyword: Keywords: CAPTCHA , Pre - Processing, Segmentation, Fe ature Extraction, Classification.