PRINTER FORENSIK UNTUK IDENTIFIKASI DOKUMEN CETAK

Florentina Tatrin Kurniati, Alb Joko Santoso, Suyoto Suyoto

Abstract


dan merupakan salah satu bagian dari pertumbuhan peralatan di era digital modern. Munculnya permasalahan menyangkut pembuktian asal dokumen menjadi salah satu dasar kebutuhan akan printer forensik. Printer forensik merupakan suatu kerangka proses dan prosedur untuk investigasi dengan tujuan untuk mengetahui sumber cetak dari suatu dokumen. Proses identifikasi pada suatu dokumen cetak dilakukan menggunakan kaidah dan prosedur digital forensik secara umum yaitu persiapan, analisis, dan laporan investigasi. Printer forensik merupakan bagian dari digital forensik sehingga proses forensik yang dilakukan tetap memenuhi kaidah yang ada didalam digital forensik. Pada tahapan ini dilakukan untuk mendapatkan data dokumen, tentunya kecukupan data dokumen pembanding (dokumen tersangka) menjadi penting untuk dipenuhi. Selain itu untuk keperluan proses identifikasi dipersiapkan pula tool ataupun metode untuk melakukan ektraksi ciri yang nantinya digunakan untuk proses mendapatkan ciri dan karakteristik. Beberapa metode ektraksi ciri yang dapat digunakan untuk mendapatkan ciri pada proses identifikasi untuk printer forensik adalah GLCM (Gray-Level Co-Occurrence Matrix), Edge detection, Discrete Wavelet Transform. Untuk kebutuhan memunculkan ciri perlu diperhatikan jenis printer dan jenis tinta, serta bersumber dari nilai piksel pada matrik gambar hasil scan. Tahapan berikutnya adalah proses analisis, dilakukan dengan menggunakan metode klasifikasi yang mampu melakukan evaluasi dari data yang didapatkan pada proses ektraksi ciri. Untuk metode klasifikasi metode yang digunakan diantaranya adalah Fuzzy C Mean, Support Vector Machines, K-NN (KNearest Neighbor). Ciri yang tepat dan sesuai dapat menghasilkan akurasi yang identik 100%. Untuk melakukan proses investigasi dan analisis dari data dilakukan dengan memanfaatkan tool ataupun metode yang telah disiapkan.. Untuk hasil akhir dari analisis printer forensik berisi informasi tentang sumber pencetak dan kecocokan antara terduga printer dengan dokumen bukti. Hasil informasi ini nantinya digunakan sebagai alat bukti di pengadilan.  


Full Text:

PDF

References


G. Ma, C. Sun, and Z. Wang, “Study on digital forensics model based on data fusion,” 2011 Int. Conf. Mechatron. Sci. Electr. Eng. Comput., pp. 898–901, Aug. 2011.

S. Elkasrawi and F. Shafait, “Printer Identification using Supervised Learning for Document Forgery Detection,” IAPR Int. Work. Doc. Anal. Syst., pp. 146–150, 2014.

S. Ryu, H. Lee, D. Im, J. Choi, and H. Lee, “Electrophotographic Printer Identification By Halftone Texture Analysis,” pp. 1846–1849, 2010.

H.-Y. Lee and J.-H. Choi, “Identifying Color Laser Printer Using Noisy Feature and Support Vector Machine,” 2010 Proc. 5th Int. Conf. Ubiquitous Inf. Technol. Appl., pp. 1–6, Dec. 2010.

S. Elkasrawi, “Printer Identification using Supervised Learning for Document Forgery Detection,” 2014.

I. O. Ademu, C. O. Imafidon, and D. S. Preston, “A New Approach of Digital Forensic Model for Digital Forensic Investigation,” Int. J. Adv. Comput. Sci. Appl., vol. 2, no. 12, pp. 175–178, 2011.

A. Pooe and L. Labuschagne, “A conceptual model for digital forensic readiness,” 2012.

A. Garwal, M. Gupta, S. C. S. Gupta, and A. Agarwal, “Systematic Digital Forensic Investigation Model,” no. 5, pp. 118–131, 2011.

R. E. Overill, J. a. M. Silomon, and K. a. Roscoe, “Triage template pipelines in digital forensic investigations,” Digit. Investig., vol. 10, no. 2, pp. 168–174, Sep. 2013.

V. R. Ambhire, “Digital Forensic Tools,” IOSR J. Eng., vol. 02, no. 03, pp. 392–398, Mar. 2012.

] S. Omeleze and H. S. Venter, “Testing the Harmonised Digital Forensic Investigation Process Model-Using an Android Mobile Phone,” 2013.

A. K. Shrivastava, N. Payal, A. Rastogi, and A. Tiwari, “Digital Forensic Investigation Development Model,” 2013.

M. Tsai and J. Liu, “Digital Forensics for Printed Source Identification,” pp. 2347–2350, 2013.

R. Maurya, A. K. Maurya, and A. Kumar, “GLCM and Multi Class Support vector machine based automated skin cancer classification,” 2014 Int. Conf. Comput. Sustain. Glob. Dev., pp. 444–447, Mar. 2014.

M. D. Gaubatz and S. J. Simske, “Printer-Scanner Identification Via Analysis Of Structured Security Deterrents,” pp. 151–155, 2009.

V. K. Verma and N. Khanna, “Indian Language Identification Using K-Means Clustering and Support Vector Machine ( SVM ),” 2013.


Refbacks

  • There are currently no refbacks.