Rancang Bangun Web untuk Verifikasi Tanda Tangan Menggunakan Algoritma Terbaik dari Studi Komparasi Algoritma Convolutional Neural Network dan Algoritma Graph Neural Network

  • Yehezkiel Natanael Rumangkang Universitas Persada Indonesia Y.A.I
  • I Gede Agus Suwartane Universitas Persada Indonesia Y.A.I

Abstrak

Pemalsuan tanda tangan merupakan kejahatan yang menimbulkan kerugian materiil dan
immaterial. Penelitian ini membandingkan performa CNN, GCN, CNN-XGBoost, dan GCNXGBoost
untuk verifikasi tanda tangan offline pada dataset asli dan dataset hasil augmentasi
GAN, serta membangun prototype aplikasi web berbasis Django. Dataset dikumpulkan dari
31 penulis dengan total 310 citra tanda tangan asli dan palsu, lalu dipraproses menggunakan
grayscale, Gaussian blur, Otsu thresholding, dan resizing. Hasil pengujian menunjukkan
bahwa CNN-XGBoost pada dataset asli tanpa augmentasi GAN memberikan performa
terbaik dengan accuracy 85,48%, precision 0,8438, recall 0,8710, dan F1-score 0,8571.
Prototype aplikasi berhasil diuji secara fungsional dengan seluruh skenario blackbox testing
valid.

Diterbitkan
2027-07-01