<![CDATA[Proses verifikasi sertifikat prestasi pada jalur Seleksi Nasional Berdasarkan Prestasi (SNBP) masih dilakukan secara manual dan menghadapi tantangan akibat tingginya jumlah dokumen serta variasi kualitas citra. Kondisi ini meningkatkan risiko kesalahan dalam menilai kredibilitas sertifikat, khususnya pada elemen visual seperti logo dan stempel yang tidak valid. Penelitian ini bertujuan mengembangkan metode otomatis dalam mengidentifikasi kredibilitas sertifikat berbasis analisis fitur visual. Metode yang digunakan adalah Improved Scale Invariant Feature Transform (Improved SIFT) untuk mengekstraksi fitur lokal yang stabil, serta Random Sample Consensus (RANSAC) untuk menyaring kecocokan fitur berdasarkan konsistensi geometris. Pencocokan dilakukan antara citra sertifikat dan citra parameter berupa logo dan stempel yang telah diidentifikasi sebagai tidak valid. Pengujian dilakukan pada 200 citra sertifikat yang terdiri dari dua kelas, yaitu kredibel dan tidak kredibel yang menunjukkan Improved SIFT mampu meningkatkan kualitas representasi fitur dengan akurasi sebesar 0.47 dibandingkan SIFT standar sebesar 0.16. Selanjutnya, RANSAC mampu menyaring false match dengan peningkatan akurasi dari 0.47 menjadi 0.91 setelah RANSAC. Kontribusi penelitian ini adalah mengintegrasikan Improved SIFT dan RANSAC untuk meningkatkan validitas pencocokan fitur visual dalam mendeteksi indikasi ketidak-kredibelan sertifikat pada citra dengan variasi kualitas tinggi. Dengan demikian, metode yang diusulkan mampu meningkatkan keandalan sistem dalam proses verifikasi otomatis berbasis analisis visual.]]>
Copyrights © 2026
