Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary Scientific Studies
Muhammad Rian Amruzi Rambe
Universitas Muhammadiyah Sumatera Utara
Economics, Econometrics & Finance Education Mathematics Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pendekatan Forensik Dokumen Dalam Verifikasi Keaslian Tanda Tangan Menggunakan Metode Histogram of Oriented Gradients (HOG) dan Support Vector Machine (SVM) Muhammad Rian Amruzi Rambe; Amrullah
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1131

Abstract

Pemalsuan tanda tangan pada dokumen resmi merupakan permasalahan serius yang dapat menimbulkan kerugian hukum dan finansial, sementara metode verifikasi secara manual oleh pakar terbukti bersifat subjektif, lambat, dan tidak skalabel. Penelitian ini menerapkan pendekatan forensik dokumen berbasis komputasi dengan mengombinasikan metode Histogram of Oriented Gradients (HOG) sebagai ekstraksi fitur dan algoritma Support Vector Machine (SVM) sebagai klasifikator untuk membedakan tanda tangan asli (genuine) dan tanda tangan palsu (forgery). Data yang digunakan adalah dataset CEDAR yang terdiri dari 2.640 citra tanda tangan dari 55 writer, dengan pembagian 1.980 citra untuk training dan 660 citra untuk testing. Tahapan pra-pemrosesan meliputi konversi grayscale, Gaussian Filter, Otsu Thresholding, serta resize dan padding hingga ukuran 128 × 64 piksel. Ekstraksi fitur HOG dikonfigurasi dengan 9 orientations, pixels per cell 8 × 8, cells per block 2 × 2, dan normalisasi L2-Hys sehingga menghasilkan 3.780 fitur per citra. Optimasi hyperparameter SVM dilakukan menggunakan Grid Search dengan 5-fold cross validation. Hasil pengujian menunjukkan accuracy sebesar 75,00%, precision 74,34%, recall 76,36%, dan F1-score 75,34%. Sistem kemudian diimplementasikan dalam aplikasi berbasis web berbasis Flask untuk memungkinkan verifikasi tanda tangan secara praktis dan otomatis.
Co-Authors Amrullah