VERIFIKASI KEASLIAN TUGAS SEKOLAH BERDASARKAN ANALISIS TULISAN TANGAN MENGGUNAKAN KOMBINASI CONVOLUTIONAL NEURAL NETWORK DAN SIAMESE NETWORK

Abstract

Keaslian tugas siswa merupakan aspek penting dalam proses evaluasi pembelajaran yang objektif. Namun, dalam praktiknya, tidak sedikit ditemukan kasus di mana tugas siswa dikerjakan oleh pihak lain, seperti orang tua atau anggota keluarga, sehingga hasilnya tidak mencerminkan kemampuan asli siswa. Penelitian ini bertujuan untuk mengembangkan sistem verifikasi keaslian tugas sekolah berdasarkan analisis tulisan tangan dengan memanfaatkan teknologi pengolahan citra digital dan Machine Learning. Sistem ini menggunakan kombinasi algoritma Convolutional Neural Network (CNN) untuk ekstraksi fitur tulisan tangan dan Siamese Network (SN) untuk membandingkan tingkat kemiripan antara tulisan siswa. Dataset yang digunakan terdiri dari gambar tulisan tangan siswa kelas VI SD Negeri 060868 Medan Timur dan tulisan tangan bukan siswa sebagai data pembanding. Gambar dikonversi ke skala abu-abu, diubah ukurannya menjadi 128x128 piksel, dan diproses melalui CNN untuk menghasilkan vektor fitur berdimensi satu. Vektor fitur ini kemudian dibandingkan menggunakan Siamese Network dengan metode Euclidean Distance. Jika skor kemiripan ≥ 0.75, sistem menyimpulkan tulisan tangan tersebut cocok dan asli. Sistem ini dibangun menggunakan Python, TensorFlow/Keras, OpenCV untuk pemrosesan dan pelatihan model, serta Express.js dan Flutter untuk pengembangan aplikasi web dan mobile. Hasil implementasi menunjukkan bahwa sistem dapat menjalankan proses verifikasi secara otomatis dan membantu guru melakukan penilaian keaslian tugas dengan lebih objektif, efisien, dan terstruktur. Sistem ini diharapkan dapat mendukung transparansi dan integritas akademik serta menjadi solusi inovatif dalam dunia pendidikan.