Tanda tangan merupakan bentuk unik yang menggambarkan identitas seseorang. Tanda tangan digunakan sebagai salah satu autentikasi biometrik yang digunakan oleh masyarakat Indonesia dalam berbagai kebutuhan administratif yang menyangkut hukum, seperti surat kontrak, administrasi perbankan, akta, dan sebagainya. Akan tetapi, saat ini sering kali terjadi kasus pemalsuan tanda tangan, yang menyebabkan kerugian material maupun moral terhadap korban. Hal ini salah satunya disebabkan oleh keterbatasan manusia dalam melakukan verifikasi keabsahan tanda tangan dengan mata telanjang. Penelitian ini mengajukan sebuah pendekatan untuk mengatasi maraknya kasus pemalsuan tanda tangan dengan melakukan identifikasi keabsahan tanda tangan tulisan tangan menggunakan Convolutional Neural Network. Dataset yang digunakan dalam penelitian ini adalah tanda tangan dari seratus satu individu dengan masing-masing tiga tanda tangan asli dan tiga tanda tangan palsu. Pada penelitian ini, dilakukan percobaan dengan empat model Deep Learning, yaitu CNN, CNN Batch Normalization, Siamese Neural Network, dan Resnet50 dan menghasilkan akurasi berturut-turut 90,90%, 86,36%, 92,42%, dan 95,68%. Hal ini menunjukkan bahwa performa Resnet50 lebih baik dalam melakukan identifikasi keabsahan tanda tangan, dengan nilai EER sebesar 0,056. Akan tetapi, masih perlu adanya penambahan jumlah dataset serta perbaikan pra-pemrosesan citra dan metode fine-tuning yang digunakan untuk menghindari model yang overfitting.