Seiring kemajuan teknologi digital, pencetakan dan pemrosesan gambar menjadi lebih mudah. Selain itu, mereka mempermudah menyalin dan membuat kertas cetakan yang hampir sama dengan dokumen aslinya. Berbagai aktivitas ilegal, seperti pemalsuan kertas, lotere, dan faktur, telah meningkat sebagai akibat dari kemudahan replikasi ini. Selain itu, ratusan insiden pemalsuan dokumen dilaporkan setiap hari di seluruh dunia. Tingkat penangkapan karena pemalsuan atau pemalsuan dilaporkan sebesar 40,7% dari 100.000 kasus, menurut data yang dikumpulkan FBI pada tahun 2022. Jadi, ada cara dan cara untuk membedakan surat palsu dari asli. Akibatnya, hal ini dapat melindungi data sensitif dan melawan penipuan.
Studi menunjukkan forensik digital sangat efektif untuk mengidentifikasi dokumen palsu. Metode ini semakin populer dan semakin banyak digunakan dalam proses pengadilan untuk mengidentifikasi dan mengumpulkan bukti digital yang dapat digunakan untuk membuktikan ada atau tidaknya kejahatan. Untuk mengidentifikasi, mengumpulkan, dan menganalisis bukti digital, yang dapat sangat penting dalam proses peradilan, itu menggunakan metode dan alat khusus.
Forensik digital juga dapat digunakan untuk menemukan sumber dokumen dengan melihat bagaimana tinta menyebar pada bahan cetakan. Analisis gambar digital, analisis gambar mikroskopis, atau kombinasi keduanya adalah tiga pendekatan yang dapat digunakan untuk mempelajari bidang ini. Selain itu, para peneliti telah menggunakan metode ini dalam berbagai situasi dan dengan berbagai jenis huruf dan skrip. Hal ini dapat dibuktikan melalui penelitian yang berfokus pada menemukan asal-usul huruf Arab, Cina, dan Inggris dalam teks cetak.
Baru-baru ini, teknik pembelajaran mendalam seperti jaringan saraf konvolusional, jaringan saraf berulang dan desain seperti VGG16, VGG-19, dan Inception V3 sering digunakan untuk mendeteksi sumber printer untuk mengidentifikasi sumber dokumen. Selain itu, algoritma dan pembelajaran mesin seperti Support Vector Machines (SVM), Logistic Regression, Naive Baye sdan Random Forests juga sering digunakan. Metode ini mungkin rumit secara teknis dan mahal secara komputasi, jadi perlu menggunakan bahasa komputer seperti Java atau Java Python.
Sebaliknya, pilihan yang lebih sederhana bergantung pada metode pemrosesan gambar. Pengambilan gambar, penyempurnaan gambar, segmentasi, ekstraksi fitur, dan analisis fitur adalah langkah-langkah yang umum dalam metode ini. Meskipun metode ini lebih mudah digunakan, hasilnya mungkin kurang menarik jika dibandingkan dengan metode pembelajaran mendalam dan pembelajaran mesin yang lebih canggih.
Oleh karena itu, dilakukan berbagai penelitian untuk menunjukkan metode baru untuk mengidentifikasi sumber printer yang akurat, interaktif, dan moderat untuk membentuk pola printer tertentu yang berbasis karakter Arab. Penulis juga mengusulkan metode StarDist untuk mengidentifikasi printer sumber. Inilah yang membuat bidang penelitian ini unik. Akibatnya, untuk mengidentifikasi printer sumber dengan lebih akurat dan efisien, ia menggunakan algoritma atau teknik khusus yang menggabungkan identifikasi objek dengan segmentasi. Penelitian ini berbeda dari studi sebelumnya karena menawarkan pendekatan baru untuk meningkatkan pemeriksaan forensik dokumen cetak.
Penulis: Imam Yuadi, S.Sos., M.MT., Ph.D.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
I. Yuadi, U. Nihaya and F. D. Pratiwi, “Stardist Segmentation to Determine the Printout Characteristics of Different Printers,” 2023 International Conference on Electrical Engineering and Informatics (ICEEI), Bandung, Indonesia, 2023, pp. 1-5, doi: https://ieeexplore.ieee.org/document/10346626
