<![CDATA[Verifikasi tanda tangan adalah aspek penting dalam administrasi individu dan lembaga keuangan, terutama untuk mencegah pemalsuan yang dapat menimbulkan dampak hukum serius. Berdasarkan data Direktori Putusan Mahkamah Agung, tercatat 471 kasus pemalsuan tanda tangan selama 2021–2023, sehingga diperlukan metode verifikasi yang akurat. Penelitian ini menggabungkan model BiT-M-R50x1 dan Support Vector Machine (SVM). Dataset yang digunakan dalam pengujian berasal dari Kaggle dengan 2.149 gambar tanda tangan asli dan palsu. Pengujian dilakukan dengan menggunakan model BiT-M-R50x1 dengan preprocessing noise removal, skeletonization, region of interest (ROI), merging of images, ImageDataGenerator dan ekstraksi fitur Grey Level Co-occurrence Matrix (GLCM) dan Red Green Yellow (RGY). Hasil penelitian menunjukkan bahwa preprocessing tambahan seperti noise removal, skeletonization, region of interest (ROI), merging of images, serta ekstraksi fitur GLCM dan RGY menghasilkan performa lebih rendah dibandingkan metode tanpa preprocessing dan ekstraksi fitur. Kombinasi BiT-M-R50x1 dan SVM dengan kernel linear memberikan hasil terbaik pada validation set (accuracy 0,9970; precision 0,9935; recall 1,0000; F1 score 0,9967) dan test set (accuracy, precision, recall, dan F1 score 1,0000), baik dengan maupun tanpa preprocessing ImageDataGenerator. Pengujian model tanpa preprocessing dan ekstraksi fitur pada dataset yang dirusak dengan blur dan noise dengan jumlah kerusakan dataset 25%, 50% dan 75% dari seluruh jumlah dataset menunjukkan penurunan performa, tetapi kernel linear tetap memberikan hasil terbaik di semua tingkat kerusakan. Penelitian ini menyimpulkan bahwa BiT-M-R50x1 dan SVM dengan kernel linear adalah kombinasi optimal untuk verifikasi tanda tangan, sementara preprocessing dan ekstraksi fitur tambahan tidak selalu meningkatkan performa.]]>
