Deteksi Manipulasi Citra Bukti Struk Pembayaran Uang Kuliah Menggunakan Metode Error Level Analysis dan Histogram Color Shift Berbasis Web

Kemudahan penggunaan teknologi digital dalam transaksi keuangan menyebabkan bukti pembayaran berupa struk atau tangkapan layar semakin sering digunakan sebagai dokumen transaksi. Namun, kemudahan dalam menyunting citra digital dapat dimanfaatkan untuk memanipulasi bukti pembayaran sehingga tampak seolah-olah merupakan transaksi yang sah. Kondisi ini menimbulkan risiko penipuan, khususnya pada bukti pembayaran Uang Kuliah Tunggal (UKT). Penelitian ini bertujuan menerapkan metode Error Level Analysis (ELA) dan Histogram Color Shift dalam mendeteksi indikasi manipulasi pada citra struk pembayaran uang kuliah, serta membangun sistem deteksi berbasis web sebagai alat bantu verifikasi awal. Data penelitian terdiri dari 148 citra struk asli dan 150 citra struk manipulasi yang dibuat menggunakan aplikasi desain grafis Canva serta model kecerdasan buatan generatif ChatGPT dan Gemini, dengan total 298 data uji. Proses deteksi dilakukan dengan menganalisis perbedaan riwayat kompresi citra menggunakan ELA dan pergeseran distribusi warna menggunakan Histogram Color Shift. Hasil dari kedua metode digabungkan menggunakan skema pembobotan untuk menghasilkan klasifikasi berupa citra asli atau terindikasi manipulasi. Evaluasi pada threshold 6.0 dengan bobot ELA 0.2 dan bobot Histogram 0.8 menunjukkan akurasi 71.81%, precision 75.0%, recall 66.0%, dan F1-Score 70.21%. Sistem yang dikembangkan menampilkan visualisasi peta ELA, histogram warna, serta hasil klasifikasi melalui antarmuka web yang dapat diakses tanpa keahlian teknis. Penelitian ini diharapkan membantu pihak kampus maupun orang tua atau wali mahasiswa dalam melakukan verifikasi awal terhadap keaslian bukti pembayaran uang kuliah.