<![CDATA[Pemalsuan dan penyuntingan dokumen digital merupakan ancaman serius dalam konteks keamanan informasi dan validitas dokumen resmi. Salah satu contoh aktual adalah kasus pemalsuan dokumen kependudukan untuk Penerimaan Peserta Didik Baru (PPDB) 2024 oleh Ato et al.(Kompas, 2024), telah ditemukan penyalahgunaan data dan perubahan pada dokumen seperti Kartu Keluarga (KK) untuk memanipulasi zonasi pendidikan. Kasus ini menunjukkan bahwa dokumen digital sangat rentan dimanipulasi salah satunya melalui ketidakkonsistenan jenis font pada struktur dokumen digital. Penelitian ini bertujuan untuk mendeteksi secara otomatis terhadap ketidakkonsistenan font dalam dokumen digital menggunakan arsitektur Convolutional Neural Network (CNN). Model dilatih menggunakan 100.000 sampel dari Document Font Recognition Dataset (DTFR), dengan pra-pemrosesan berupa konversi grayscale, normalisasi dan resize citra menjadi 32×32 piksel. CNN dirancang dengan dua lapisan konvolusional, max pooling, dropout dan dense layer. Hasil evaluasi menunjukkan akurasi sebesar 96,85% dengan nilai precision, recall dan F1-score rata-rata sebesar 0,97. Pendekatan ini terbukti lebih akurat dibandingkan metode SVM yang sebelumnya dilaporkan hanya mencapai 94,6%. Penelitian ini menunjukkan bahwa pendekatan CNN efektif untuk mendeteksi ketidakkonsistenan font sebagai indikator awal kemungkinan manipulasi dokumen digital. Meskipun model menunjukkan kinerja tinggi, ruang lingkup penelitian ini masih terbatas pada atribut font bold sebagai indikator utama. Pengembangan selanjutnya dapat mencakup eksplorasi atribut font lain serta validasi pada dokumen dari dunia nyata.]]>
Copyrights © 2025
