Image of Implementasi Convolutional Neural Network Untuk Deteksi Citra Visual Ai-Generated Terhadap Foto Alami Menggunakan Arsitektur Xception Net
Penanda Bagikan

CD Skripsi

Implementasi Convolutional Neural Network Untuk Deteksi Citra Visual Ai-Generated Terhadap Foto Alami Menggunakan Arsitektur Xception Net

ABSTRAK
Pesatnya kemajuan teknologi AI-Generated seperti DALL-E dan Nano Banana dalam menghasilkan citra realistis menimbulkan ancaman serius terkait penyebaran misinformasi visual di media sosial. Hal ini menciptakan urgensi untuk membedakan konten Foto Alami dan sintetis secara otomatis. Penelitian ini bertujuan mengembangkan sistem deteksi citra AI-generated yang andal menggunakan arsitektur Xception Net dengan pendekatan transfer learning. Dataset terdiri dari 1.722 citra berimbang (861 AI- generated vs 861 Real). Metodologi mencakup preprocessing (standarisasi 299×299, normalisasi), augmentasi, dan pelatihan model dua fase. Fase feature extraction menghasilkan akurasi validasi 88,75%, yang meningkat menjadi 93,75% melalui fine- tuning pada 30 lapisan terakhir. Model akhir yang dipilih memiliki akurasi validasi 92,50% dengan validation loss terendah 0,6845. Evaluasi pada testing set independen mencatat akurasi 90,75% dengan precision 90,70 – 90,80%, recall 90,70 – 90,80%, dan F1-score 90,70 – 90,80%. Performa model sangat seimbang untuk kedua kelas dengan distribusi error yang simetris (8 false positive dan 8 false negative). Penelitian ini mendemonstrasikan bahwa deteksi AI-generated content menggunakan deep learning dengan arsitektur Xception Net mencapai akurasi yang sangat baik melebihi target 86%, dengan kemampuan generalisasi yang baik pada data testing.
Kata Kunci: AI-generated, deteksi gambar, Xception Net, transfer learning, deep learning, klasifikasi citra.

Ketersediaan
#
Perpustakaan Universitas Riau 2203113896
2203113896
Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
2203113896
Penerbit
Pekanbaru : UNIVERSITAS RIAU – FMIPA - SISTEM INFORMASI.,
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
2203113896
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
SISTEM INFORMASI
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus masuk sebelum memberikan komentar