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.
