Sianturi, Edlan Prayoga Maruliasi (2024) IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) UNTUK MENGENALI GAMBAR BUATAN AI. Diploma thesis, UPN Veteran Yogyakarta.
Text
Sekeripsi Combined-final - TTD - Copy.pdf Restricted to Repository staff only Download (6MB) |
|
Text
Cover.pdf Download (243kB) |
|
Text
Abstrak.pdf Download (151kB) |
|
Text
Daftar Isi.pdf Download (201kB) |
|
Text
Daftar Pustaka.pdf Download (233kB) |
|
Text
Pengesahan Pembimbing.pdf Download (995kB) |
|
Text
Pengesahan Penguji.pdf Download (1MB) |
Abstract
Perkembangan kecerdasan buatan (AI) telah memungkinkan pembuatan gambar ilustrasi
berkualitas tinggi hanya dari masukan teks, menyaingi hasil karya seniman profesional. Namun,
ini menimbulkan tantangan bagi komunitas seni yang kesulitan membedakan karya AI dengan
karya manusia. Penelitian ini mengeksplorasi penggunaan Convolutional Neural Network (CNN)
yang dipadukan dengan ekstraksi fitur Gray-Level Co-occurrence Matrix (GLCM) untuk
mengklasifikasi gambar buatan AI dan manusia. Dataset yang digunakan terdiri dari 1600 gambar
ilustrasi hewan dari keluarga Canidae, yang diambil dari berbagai sumber daring. Dari total 1600
gambar, 1400 digunakan untuk pelatihan dan 200 untuk pengujian. Hasil penelitian menunjukkan
bahwa kombinasi CNN dan GLCM dapat mencapai akurasi tertinggi sebesar 87.5% dalam
membedakan gambar AI dan gambar yang dibuat secara digital oleh manusia. Temuan ini
mengindikasikan potensi metode ini dalam mendukung identifikasi karya seni di komunitas
daring.
Kata Kunci: kecerdasan buatan, Convolutional Neural Network, Gray-Level Co-occurrence
Matrix, klasifikasi gambar, seni digital
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | kecerdasan buatan, Convolutional Neural Network, Gray-Level Co-occurrence Matrix, klasifikasi gambar, seni digital |
Subjects: | Q Science > Q Science (General) |
Depositing User: | Eny Suparny |
Date Deposited: | 21 Aug 2024 03:56 |
Last Modified: | 21 Aug 2024 03:56 |
URI: | http://eprints.upnyk.ac.id/id/eprint/40784 |
Actions (login required)
View Item |