Implementasi Convolutional Neural Netowork Untuk Klasifikasi Citra KTP-El

Kartu Tanda Penduduk Elektronik (KTP-el) serves sebagai bukti identitas resmi bagi penduduk, diterbitkan oleh instansi pelaksana yang berlaku di seluruh wilayah Negara Kesatuan Republik Indonesia. Wajib dimiliki oleh warga Negara Indonesia (WNI) dan Warga Negara Asing (WNA) yang memegang Izin Tinggal Tetap (ITAP) dan berusia 17 tahun atau sudah menikah, e-KTP rentan terhadap potensi kerusakan, sering kali disebabkan oleh faktor-faktor seperti penggunaan berkepanjangan atau penanganan yang tidak benar. Kerusakan fisik pada e-KTP dapat menghambat kemampuan dokumen untuk melakukan verifikasi identitas secara akurat, dengan potensi dampak pada layanan publik dan administrasi pemerintahan. Penelitian ini bertujuan untuk menilai kondisi e-KTP, menentukan apakah kondisinya masih baik atau rusak. Studi ini menggunakan metode Convolutional Neural Network (CNN), yang dikenal karena hasil signifikannya dalam pengenalan gambar dengan mencoba meniru sistem pengenalan gambar di korteks visual manusia, memfasilitasi pemrosesan informasi gambar. Metode ini terdiri dari dua lapisan arsitektur: Feature Learning dan Classification. Dataset yang digunakan dalam penelitian ini terdiri dari gambar e-KTP yang berasal dari Dinas Kependudukan dan Pencatatan Sipil Kabupaten Bengkalis, sejumlah 400 gambar yang dibagi menjadi dua kelas: 200 untuk kondisi baik dan 200 untuk kondisi rusak. Temuan penelitian memungkinkan penentuan kondisi gambar e-KTP, mencapai tingkat akurasi 90%.