IDENTIFIKASI KEASLIAN TANDA TANGAN MENGGUNAKAN METODE YOLOV11 DENGAN GRAD-CAM SEBAGAI INTERPRETASI MODEL

Arya Syahputra Perdana, . (2026) IDENTIFIKASI KEASLIAN TANDA TANGAN MENGGUNAKAN METODE YOLOV11 DENGAN GRAD-CAM SEBAGAI INTERPRETASI MODEL. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_123210157_Arya Syahputra Perdana.pdf Download (315kB)
	Text 2_Abstrak_123210157_Arya Syahputra Perdana.pdf Download (83kB)
	Text 3_Halaman Pengesahan_123210157_Arya Syahputra Perdana.pdf Download (15MB)
	Text 4_Daftar Isi_123210157_Arya Syahputra Perdana.pdf Download (124kB)
	Text 5_Daftar Pustaka_123210157_Arya Syahputra Perdana.pdf Download (90kB)
	Text 6_Skripsi Full_123210157_Arya Syahputra Perdana.pdf Restricted to Repository staff only Download (33MB)

Abstract

Tanda tangan merupakan salah satu bentuk identitas yang umum digunakan dalam berbagai dokumen resmi seperti transaksi keuangan, kontrak, dan administrasi. Proses verifikasi keaslian tanda tangan umumnya masih dilakukan secara manual sehingga berpotensi menimbulkan kesalahan, bersifat subjektif, dan kurang efisien. Selain itu, meningkatnya kasus pemalsuan tanda tangan menuntut adanya sistem otomatis yang mampu mendeteksi serta membedakan tanda tangan asli dan palsu secara cepat. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi keaslian tanda tangan berbasis
citra digital menggunakan metode deteksi objek.

Penelitian ini menggunakan algoritma YOLOv11 untuk mendeteksi dan mengklasifikasikan tanda tangan pada citra digital. Dataset yang digunakan merupakan dataset primer yang dikumpulkan dari beberapa partisipan yang menuliskan tanda tangan secara digital. Data kemudian dibagi ke dalam dua kelas, yaitu tanda tangan asli dan tanda tangan palsu. Seluruh data melalui tahap preprocessing, anotasi bounding box, serta pembagian dataset menjadi data pelatihan dan pengujian. Model dilatih menggunakan Python pada platform Google Colab dan dievaluasi menggunakan metrik Precision, Recall, dan Mean Average Precision (mAP). Selain itu, metode GRAD-CAM digunakan untuk
memvisualisasikan area citra yang menjadi fokus model dalam proses klasifikasi.

Hasil penelitian menunjukkan bahwa model YOLOv11 mampu mendeteksi dan
membedakan tanda tangan asli dan palsu dengan performa yang sangat baik. Model YOLOv11n memperoleh nilai Precision 0.999, Recall 0.999, mAP@50 0.995, dan mAP@50–95 0.985. Sistem juga mampu mendeteksi lebih dari satu tanda tangan dalam satu dokumen serta memberikan interpretasi visual melalui GRAD-CAM. Hasil tersebut menunjukkan bahwa metode yang digunakan efektif untuk mendukung proses verifikasi tanda tangan secara otomatis dan cepat.

Kata Kunci: deteksi tanda tangan, YOLOv11, verifikasi tanda tangan, computer vision,
GRAD-CAM

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Arya Syahputra Perdana (Penulis - 123210157) Novrido Charibaldi (Pembimbing)
Uncontrolled Keywords:	deteksi tanda tangan, YOLOv11, verifikasi tanda tangan, computer vision, GRAD-CAM
Subjek:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	11 Mar 2026 06:14
Last Modified:	11 Mar 2026 06:14
URI:	http://eprints.upnyk.ac.id/id/eprint/47307

Actions (login required)

View Item