INTEGRASI ALGORITMA DBSCAN DAN SCALE INVARIANT FEATURE TRANSFORM (SIFT) PADA COPY-MOVE FORGERY (CMF)

Setiawan, Juan Azhar Adviseta (2024) INTEGRASI ALGORITMA DBSCAN DAN SCALE INVARIANT FEATURE TRANSFORM (SIFT) PADA COPY-MOVE FORGERY (CMF). Other thesis, UPN Veteran Yogyakarta.

	Text Cover_123200139_Juan Azhar Adviseta Setiawan.pdf Download (133kB)
	Text Abstrak_123200139_Juan Azhar Adviseta Setiawan.pdf Download (14kB)
	Text Lembar Pengesahan_123200139_Juan Azhar Adviseta Setiawan.pdf Download (829kB)
	Text Daftar Isi_123200139_Juan Azhar Adviseta Setiawan.pdf Download (139kB)
	Text Daftar Pustaka_123200139_Juan Azhar Adviseta Setiawan.pdf Download (88kB)
	Text Skripsi Fulltext_123200139_Juan Azhar Adviseta Setiawan.pdf Restricted to Repository staff only Download (2MB)

Abstract

Di era digital, gambar dan video sering kali mengalami proses pengeditan yang dapat menimbulkan informasi yang keliru bagi pengguna. Salah satu teknik pemalsuan yang umum adalah Copy-Move Forgery (CMF), di mana bagian gambar disalin dan ditempelkan kembali pada area yang berbeda. Penelitian ini bertujuan untuk mendeteksi CMF menggunakan metode Scale-Invariant Feature Transform (SIFT) untuk ekstraksi fitur, dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN) untuk clustering. Dengan menggunakan dataset CoMoFoD, penelitian ini berfokus pada gambar berformat PNG yang telah mengalami pengeditan CMF. Parameter optimal DBSCAN, seperti nilai eps dan MinPts, ditemukan setelah penerapan SIFT untuk meningkatkan akurasi deteksi. Hasil penelitian ini diharapkan dapat menjadi acuan dalam memilih parameter yang optimal pada DBSCAN dalam konteks deteksi CMF, serta memberikan kontribusi dalam bidang forensik digital dan keamanan informasi.

Penelitian ini bertujuan untuk mendeteksi copy-move forgery menggunakan kombinasi metode Scale Invariant Feature Transform (SIFT) dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Dalam penelitian ini, data yang digunakan terdiri dari 20 gambar asli dan hasil edit serta 200 gambar dari dataset CoMoFoD. Pre-processing dilakukan dengan resizing dan grayscale, dilanjutkan dengan ekstraksi fitur menggunakan SIFT yang mencakup deteksi keypoint, perhitungan gradien, dan pembuatan descriptor vector. Setelah itu, dilakukan clustering menggunakan DBSCAN dengan parameter Eps dan MinPts yang dioptimalkan untuk mendeteksi pola forensik dalam gambar. Evaluasi dilakukan dengan pengujian berbagai nilai Eps dan MinPts menggunakan indikator cluster, noise, dan silhouette coefficient. Sistem yang dikembangkan menggunakan metode Extreme Programming dan diimplementasikan dalam Python dengan Streamlit untuk membangun antarmuka pengguna yang memungkinkan input gambar serta deteksi forensik secara otomatis.

Penelitian ini bertujuan untuk mendeteksi Copy-Move Forgery (CMF) pada gambar digital dengan menggabungkan metode Scale-Invariant Feature Transform (SIFT) untuk ekstraksi fitur dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN) untuk clustering. Dataset yang digunakan meliputi 20 gambar hasil edit primer dan 200 gambar dari dataset CoMoFoD. Setelah preprocessing melalui resizing dan konversi ke grayscale, fitur-fitur unik diekstraksi menggunakan SIFT dan dikelompokkan menggunakan DBSCAN. Evaluasi dilakukan dengan menguji berbagai nilai Eps dan MinPts untuk menentukan parameter optimal menggunakan silhouette coefficient, cluster, dan noise sebagai indikator. Hasil menunjukkan bahwa parameter optimal untuk DBSCAN adalah Eps = 75 dan MinPts = 2, dengan silhouette coefficient sebesar -0.14733. Penggunaan kombinasi SIFT dan DBSCAN terbukti lebih efisien dibandingkan DBSCAN saja, dengan waktu komputasi yang lebih singkat dan deteksi duplikasi objek yang lebih akurat. Penelitian ini memberikan kontribusi signifikan dalam meningkatkan efisiensi deteksi pemalsuan gambar pada konteks forensik digital.

Kata kunci : Scale-Invariant Feature Transform (SIFT); Density-Based Spatial Clustering of Applications with Noise (DBSCAN); Copy-Move Forgery (CMF), eps, MinPts

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Scale-Invariant Feature Transform (SIFT); Density-Based Spatial Clustering of Applications with Noise (DBSCAN); Copy-Move Forgery (CMF), eps, MinPts
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	14 Nov 2024 01:41
Last Modified:	14 Nov 2024 01:42
URI:	http://eprints.upnyk.ac.id/id/eprint/41642

Actions (login required)

View Item